MétaCan
Menu
Retour à la cohorte
Enregistrement W2086956374 · doi:10.1109/have.2010.5623987

Load balancing model for mobile peer-to-peer networks-based 3D streaming

2010· article· en· W2086956374 sur OpenAlexaff
Haifa Raja Maamar, Azzedine Boukerche, Emil M. Petriu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiquePeer-to-Peer Network Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésComputer scienceLoad balancing (electrical power)Peer-to-peerComputer networkMobile deviceDistributed computingBandwidth (computing)Overhead (engineering)Mobile computingLoad managementLoad distributionWorld Wide WebOperating system

Résumé

récupéré en direct d'OpenAlex

Recently a great deal of attention has been dedicated to the design of virtual environment based class of applications. So far, a significant body of work has been devoted to the challenges of 3D streaming with a desktop scenario; whereas a little research work has been committed to 3D streaming on thin mobile devices that mainly focused to address challenges such as streaming performance, bandwidth limitation, and supplying partners strategies. To deal with the latter issue, i.e. supplying partner strategies, several approaches proposed to use a nearby peer. However, since mobile devices have limited capabilities and resources, there is a high probability that a number of peers will be always serving the peers in need, which makes them overloaded and which consumes their resources. Therefore, a load balancing mechanism has to be added in order to balance the overhead among peers and avoid having an overloaded peer, with low energy, and reduced resources and bandwidth. In this paper, we propose a load balancing mechanism for P2P mobile 3D streaming supplying partners techniques. Our proposed scheme tries, using a set of parameters and cost factors, (1) to identify the highly active peers, i.e. those that are frequently selected to stream data to peers in need, (2) to unburden the loaded sources, and (3) to make a balanced distribution of content among the remaining supplying partners. By applying the load balancing mechanism in conjunction with the supplying partner strategies, our protocol ensures to make the system costs shared among peers. Moreover, it unburdens the loaded peers in order to improve their streaming performance. After an extensive set of simulations and performance evaluations, we show that our proposed load balancing technique notably unloads the busy nodes, which ameliorates the 3D streaming in mobile environments in terms of fast processing and good resources utilization.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,465
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,001
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 Opus0,014
Tête enseignante GPT0,264
Écart entre enseignants0,251 · 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.

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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPeer-to-Peer Network TechnologiesTravaux en français237 207