Analysis of SIP retransmission probability using a Markov-Modulated Poisson Process model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As a main signaling protocol for multimedia sessions in the Internet, SIP (Session Initiation Protocol) introduces a retransmission mechanism to maintain the reliability for its realtime transmission. However, retransmission will make the server overload worse. Recent collapse of SIP servers due to emergencyinduced call volume indicates that the built-in SIP overload control mechanism cannot prevent the server from overload collapse under heavy load. In this paper, we apply a MMPP (Markov-Modulated Poisson Process) model to analyze the queuing mechanism of SIP server under two typical service states. The MMPP model allows us to investigate the probability of SIP retransmissions. By performing numerous experiments statistically to verify SIP retransmission probability calculated by MMPP model, we find that high retransmission probability caused by short demand surge or reduced server processing capacity during maintenance period may overload and crash a server. We run simulations using time-series directly to observe and analyze the system performance of an overloaded SIP server. This is much faster than event-driven simulation. Numerical results demonstrate that low resource utilization corresponds to low retransmission probability. However, a utilization as low as 20% cannot always guarantee a SIP system stability upon a temporal server slowdown or a short period of demand burst.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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