MétaCan
Menu
Retour à la cohorte
Enregistrement W1988545066 · doi:10.1109/hpsr.2007.4281246

A Distributed Model for Next Generation Router Software

2007· article· en· W1988545066 sur OpenAlexaff
Brigitte Jaumard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInterconnection Networks and Systems
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceRouterPacket processingDistributed computingScalabilityComputer networkNetwork packetEmbedded systemOperating system

Résumé

récupéré en direct d'OpenAlex

Next generation (NG) routers, characterized by high speed interfaces, large switching capacity and petabit packet processing speed have recently been deployed in core networks of world class operators. Based on distributed architectures, these routers are designed with control cards and line cards interconnected by a very high-speed switch fabric, where line cards contain processing and memory resource allowing the sharing of some route processing tasks with control cards. The traditional implementation model of router software, where control cards assume all the processing tasks, is therefore no longer appropriate. In this paper, we propose a distributed model for implementing router software in order to fully exploit the hardware platform of the next router generation, taking into account the additional capacity of line cards. The model corresponds to a distributed architecture with control cards acting as super nodes and line cards acting as peers. It also provides "direct" communication between line cards, allowing them to cooperate in some task processing without going through control cards. Such a model significantly increases the robustness, scalability and availability of routers. We also investigate the proposed distributed model in the context of different protocols supported by a router, such as signaling and routing protocols. Two case studies are presented where we discuss the advantages of the distributed model for OSPF and LDP protocols.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil0,214

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 Opus0,077
Tête enseignante GPT0,273
Écart entre enseignants0,196 · 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
GenreMéthodes

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

En bref

Citations6
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInterconnection Networks and SystemsTravaux en français237 207