MétaCan
Menu
Retour à la cohorte
Enregistrement W1913260600 · doi:10.1109/ccece.2003.1226374

Implementing a high performance scheduling discipline WF2Q+ in FPGA

2004· article· en· W1913260600 sur OpenAlexaff
Meina Song, Junde Song, Hongwen Li

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensTheratechnologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésWeighted fair queueingGeneralized processor sharingComputer scienceWeighted round robinQueueing theoryFair queuingScheduling (production processes)Processor sharingNetwork packetRound-robin schedulingDistributed computingComputer networkDynamic priority schedulingMathematical optimizationQuality of service

Résumé

récupéré en direct d'OpenAlex

Every server uses a scheduling discipline to decide the order in which the requests are to be served. A scheduling discipline should satisfy the following requirements: 1) it is easy to be implemented; 2) provides fairly distributed bandwidth to competing requests; 3) guarantees performance bounds for a wide range of traffic types; and 4) allows easy admission control decision. To date, a lot of scheduling disciplines have been proposed in the research literature, among which, the strict priority (SP), weighted fair queuing (WFQ) and weight round robin (WRR) are perhaps the three most widely adopted disciplines. However, the generalized processor sharing (GPS) discipline for packet scheduling best caters to the above properties. GPS uses an idealized fluid model that can't be precisely implemented in the real scenario. Worst case fair weighted fair queuing (WF2Q) is the closest packet approximation algorithm of the GPS discipline. WF2Q+ is an enhanced version of WF2Q and has a less time complexity. This paper first reviews the theory of WF2Q+, simplifies it for our implementation and then presents its detailed implementation in FPGA.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil0,341

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,233
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Traffic and Congestion ControlTravaux en français237 207