MétaCan
Menu
Retour à la cohorte
Enregistrement W2118546815 · doi:10.1142/s1793830912500401

OPTIMIZING DATA THROUGHPUT IN CLIENT/SERVER SYSTEMS BY KEEPING QUEUE SIZES BALANCED

2012· article· en· W2118546815 sur OpenAlexaff
Evangelos Kranakis, Danny Kriz̧anc, I. LAMBADARIS, Lata Narayanan, Jaroslav Opatrný

Notice bibliographique

RevueDiscrete Mathematics Algorithms and Applications · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Wireless Network Optimization
Établissements canadiensConcordia UniversityCarleton University
Organismes subventionnairesnon disponible
Mots-clésServerComputer scienceComputer networkThroughputQueueClient–server modelServer farmNetwork packetService (business)Operating systemWireless

Résumé

récupéré en direct d'OpenAlex

Consider a synchronous system of clients and servers whereby client requests may be satisfied by any one of the servers the clients are assigned to and where the association between clients and servers is determined by an arbitrary but predefined apportionment of the set of servers to clients and of clients to servers. A client can get the required service from any of the servers it is assigned to and at each time step all clients make a request to the servers which then provide the service according to requests. Since clients can make requests simultaneously, if there is no coordination in the "client-to-server" assignment process some clients may have to wait longer if they are assigned simultaneously to a single server when overall performance could improve had they been assigned to separate available servers. Therefore a principal approach to optimizing throughput when assigning client requests to supporting servers, is to keep the client queue sizes well balanced so as to prevent servers from having to remain idle while other servers are being overused. There are several potential examples of such systems involving data gathering and forwarding among sensors in a sensor network or when the servers are base-stations and the clients may be either rotating satellites or other wireless devices, for example. In this paper we consider the problem of finding an assignment of clients to servers that results in all clients receiving a packet while optimally balancing the sizes of remaining queues at the clients. We give a polynomial time algorithm for solving this problem which requires O((m + n)3n) arithmetic operations, where m is the number of client queues and n is the number of servers.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,013
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,004
Science ouverte0,0040,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,019
Tête enseignante GPT0,263
Écart entre enseignants0,244 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiscrete Mathematics Algorithms and ApplicationsMême sujetAdvanced Wireless Network OptimizationTravaux en français237 207