MétaCan
Menu
Retour à la cohorte
Enregistrement W2125837860 · doi:10.1109/glocom.2000.891929

Enhancing network performance with TCP rate control

2002· article· en· W2125837860 sur OpenAlexaff
James Aweya, Michel Ouellette, Delfin Y. Montuno, Zhonghui Yao

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensNortel (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer networkComputer scienceTCP Friendly Rate ControlTCP tuningTCP global synchronizationTCP accelerationTCP Westwood plusNetwork congestionCUBIC TCPTCP delayed acknowledgmentHSTCPCompound TCPZeta-TCPNetwork traffic controlTransmission Control ProtocolFlow control (data)Network packetDistributed computing

Résumé

récupéré en direct d'OpenAlex

In TCP (transmission control protocol), congestion control as well as error recovery are implemented by a sliding window. The dynamics of TCP (specifically, a mismatch between the TCP window and the bandwidth-delay product of the network) can sometimes cause the network switches or routers to accumulate large queues, resulting in buffer overflows, reduced throughput, unfairness and underutilization. It is generally accepted that there is a limit as to how much control can be accomplished from the congestion control mechanisms in the end systems. Some mechanisms are thus needed in the intermediate network elements to complement the endpoint congestion avoidance mechanisms. Network layer enhancements such as scheduling mechanisms and packet drop policies have been proposed which are aimed at improving fairness and throughput of the competing endpoint applications. We describe a new TCP rate control scheme based on a simple recursive algorithm. The idea behind the algorithm is to match the network load to the available resources by modifying at an intermediate network element, the receiver's advertised window in TCP acknowledgments returning to the sources. The scheme can be implemented in a router or switch for bandwidth management and does not require knowledge of network delays or maintenance of the per-flow state.

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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,495

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 Opus0,007
Tête enseignante GPT0,165
Écart entre enseignants0,158 · 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
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNetwork Traffic and Congestion ControlTravaux en français237 207