An SDN-Based Caching Decision Policy for Video Caching in Information-Centric Networking
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 considerable increase of multimedia services, such as video-on-demand (VoD) services, is a significant contributor to the total Internet traffic. Software-defined networking (SDN) and information-centric networking (ICN) are two promising technologies that can be combined to facilitate video delivery and to reduce network delays. In this paper, we first formulate the caching decision problem as a 0-1 integer linear programming (ILP) problem. Second, in contrast to existing approaches that solve the formulated ILP problem by assuming all future video requests are known, we consider the impact of the time scale, which transforms the static 0-1 ILP problem into a dynamic problem. By solving the dynamic 0-1 ILP problem, we find more accurate optimal solutions compared to existing approaches. Third, since the formulated 0-1 dynamic ILP problem is NP-hard, we leverage the in-network caching of ICN and the global view of the SDN controller to propose a novel SDN-based caching decision policy. Finally, extensive evaluations are performed, and the results demonstrate that the proposed SDN-based caching decision policy provides solutions that are close to the optimum in substantially less computation time. The SDN-based caching decision policy also outperforms existing practical ICN caching decision policies in terms of the cache hit ratio and the average number of hops, which are directly related to the video delivery latency. Moreover, the SDN-based caching decision policy can substantially reduce the number of generated and broadcasted interest packets, which is a shortcoming of the current ICN.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 découle