MétaCan
Menu
Retour à la cohorte
Enregistrement W2047556659 · doi:10.1109/itc.2014.6932934

Rate-based randomized routing in large heterogeneous processor sharing systems

2014· article· en· W2047556659 sur OpenAlexaff
Arpan Mukhopadhyay, Ravi R. Mazumdar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAdvanced Queuing Theory Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésServerComputer scienceRouting (electronic design automation)Stability (learning theory)Distributed computingScheme (mathematics)Load balancing (electrical power)Power (physics)Computer networkMathematics

Résumé

récupéré en direct d'OpenAlex

Randomized load balancing techniques are effective solutions to reduce mean waiting time of jobs in large web server farms, where obtaining state information of all the servers becomes costly. The classical power-of-two routing scheme, which has already been analyzed for systems of identical servers, requires the instantaneous state information of two randomly selected servers at each job-arrival instant. In this paper, we consider variants of the classical power-of-two scheme for multiserver systems where the servers may have different service rates. We modify the classical power-of-two scheme for the heterogeneous system so that it now incorporates server speeds into the criterion for server selection. We analytically characterize the stability region, stationary load distribution, and the mean sojourn time of jobs of this modified scheme. It is shown that, in the heterogeneous case, the stability region of the modified scheme may be a subset of the maximum achievable stability region. To improve the stability region, we propose and analyze another scheme which combines the power-of-two routing scheme with randomized state independent routing scheme. We show that this new scheme achieves the maximum stability region and results in the least mean sojourn time of jobs among all the schemes considered in the paper.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,226
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Queuing Theory AnalysisTravaux en français237 207