Demystifying Failure Recovery for Software-Defined Wireless Mesh Networks
Notice bibliographique
Résumé
Software Defined Networking (SDN) brings unprecedented opportunities for facilitating the management of Wireless Mesh Networks (WMNs), particularly when handling network dynamics such as link/node failures. The inflexible destination-based routing and failure recovery of conventional WMN routing protocols are superseded by the efficient and highly flexible per-flow (re)routing in SDN-based networks. Most of the existing works focus on protection by pre-computing backup paths using OpenFlow fast failover groups to reroute the flows in case of channel re-assignment or a single link failure in software-defined WMNs. However, the limitations of failure detection using link monitoring for protection have not been studied. Moreover, the potentials of restoration-based failure recovery to handle single/multiple failure scenarios, have not been fully investigated. In this paper, we implement a prototype for reactive failure recovery in multi-radio multi-channel software-defined WMNs that provides a detailed performance and sensitivity analysis. The acquired results from the SDN-based scenarios outperform the most popular conventional WMN routing protocols in terms of recovery time while preserving the best achievable throughput even when the out-of-band control network is partially impaired. We also demonstrate the limitation of link monitoring, which mainly results from the shared nature of wireless medium, for protection-based mechanisms in software-defined WMNs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».