MétaCan
Menu
Retour à la cohorte
Enregistrement W2891997903 · doi:10.1109/netsoft.2018.8459908

SET: a Simple and Effective Technique to improve cost efficiency of VNF placement and chaining algorithms for network service provisioning

2018· preprint· en· W2891997903 sur OpenAlexaff
Shohreh Ahvar, Mahdi Mirzaei, Jérémie Leguay, Ehsan Ahvar, Ahmed M. Medhat, Noël Crespi, Roch Glitho

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceChainingVirtual networkScalabilityProvisioningDistributed computingSimple (philosophy)Cost efficiencySoftware deploymentSet (abstract data type)Computer networkOperating system

Résumé

récupéré en direct d'OpenAlex

Network Functions Virtualization (NFV) is a promising solution to provide cost-efficient, scalable and rapid deployment of network services. It allows the implementation of fine-grained services as a chain of Virtual Network Functions (VNFs). In order to place the VNF chains in the network, several cost-efficient methods have been already proposed. However, a few works have considered order of VNFs to reduce the cost. In this paper, we propose a Simple and Effective Technique (SET), which can be easily combined with VNF placement methods to dramatically improve their cost efficiency by considering different possible orders for the VNFs in the chain. As a proof-of-concept, we combine the proposed technique with one of the recent cost-efficient VNF placement and chaining algorithms called CCVP. The results show that the combination can yield significantly better cost than CCVP operating solo.

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)0,000
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
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 Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,272 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware-Defined Networks and 5GTravaux en français237 207