Efficient Modeling and Demand Allocation for Differentiated Cloud Virtual-Network as-a Service Offerings
Notice bibliographique
Résumé
Cloud clients (CCs) of current distributed cloud applications are still not assured of their service quality, in particular, in terms of the experienced latency. Unfortunately, this is mainly attributed to the unpredictability of the communication links among their hosting distributed data centers. To address this problem, this article introduces a novel virtual-network-as-a-service (VNaaS) model to host these applications. In contrast to existing randomly or statically provisioned inter-data centers bandwidth sharing models, the proposed model allows CCs to accurately express their varying network resources needs, demand constraints and tolerance to the cloud latency. In turn, the model maps these requirements to create inter-data centers virtual links hosting each multiple virtual pipes with differentiated service qualities to carry the CC's various traffic flows. To aid the CCs in optimally determining their VNaaS demands, given the budget constraints of their hosted applications, we also develop a novel demand selection scheme based on a two stage-budget allocation mechanism. In the first budgeting stage, the CC calculates an optimal effective service rate for each of its virtual link along with a corresponding link budget and price index. In the second stage, the virtual link budget is distributed to purchase bandwidth for the link's virtual pipes, each with a given service quality and pricing. We then extend the proposed model to allow the CC to enforce any required virtual links' capacity constraints on the effective service rates resulting from the traffic matrix on the VNaaS. Finally, we develop corresponding differentiated VNaaS pricing and service monitoring mechanisms that can be employed by the cloud service provider (CSP) to regulate the offerings and demands of the distributed cloud services. Performance evaluation results demonstrate the significant improvement in the service quality, the higher utilization of the cloud resources and the increase in the CSP's net profit.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».