NFV-Based Architecture for the Interworking Between WebRTC and IMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The emerging paradigm of network function virtualization (NFV) technology promises an efficient solution for optimized service deployment in the cloud computing environment thanks to its ability to dynamically add or remove virtual resources when there is a change in workload. Nevertheless, telecom providers are still facing a challenging issue in efficiently adopting NFV to deploy Web real-time communication (WebRTC) service on top of IP multimedia subsystem (IMS). Providing WebRTC service increases the inherent complexity of the IMS system in terms of the number of service nodes as virtual network functions (VNFs) and the way they interact, both of which play significant roles in the problem of optimally allocating resources. This paper proposes a virtualized interworking system between IMS and WebRTC called NFV-based interworking architecture, and describes the mechanism for VNFs to exchange messages with each other. We present an analytic system model considering the constraints of resources, quality of service (QoS), and service costs. A real-time Markov approximation-based resource allocation algorithm (RIDRA) is then designed allowing a provisioned resource at service nodes to be reconfigured in time to meet performance requirements. The proposed solution is evaluated on the large scale by simulation and on the small scale by our developed testbed. Experimental results reveal that our algorithm effectively responds to fluctuating service demands with a service cost reduced by 19% via efficiently allocating virtual resources while maintaining QoS requirement.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle