MétaCan
Menu
Retour à la cohorte
Enregistrement W3009941447 · doi:10.23919/cnsm46954.2019.9012747

SACO: A Service Chain Aware SDN Controller-Switch Mapping Framework

2019· article· en· W3009941447 sur OpenAlexaff
Duong Tuan Nguyen, Chuan Pham, Kim Khoa Nguyen, Mohamed Cheriet

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésComputer scienceSoftware-defined networkingVirtual networkDistributed computingVirtualizationController (irrigation)Service providerService (business)Computer networkCloud computing

Résumé

récupéré en direct d'OpenAlex

The emerging paradigm of Software Defined Network (SDN) and virtualization technology promises an efficient solution for network providers to deploy services. Adopting them not only facilitates network management but also helps reduce the cost of maintaining network infrastructure. However, despite these advantages, there are still obstacles that must be overcome before SDN and virtualization can advance to reality in industrial deployments. In this paper, we focus on two well-researched issues, namely controller-switch assignment and Virtual Network Function (VNF) placement. Unlike prior works, our purpose is to jointly solve these two problems, accounting for the complex and counter-intuitive manner they are related to each other. We present a service chain aware framework (SACO) that enables the controller-switch association in a multi-controller network regarding the relationship of switches via their connected VNFs that implement service components of the chain. We also propose a model and formulate the joint optimization problem of dynamic controller-switch mapping and VNF allocation. We apply the Lyapunov optimization framework to transform a long-term optimization problem into a series of real-time problem and employ the Markov approximation method to find a near-optimal solution. Simulation results show that our service chain aware approach improves the system cost up to 10 ~ 43% compared to the state-of-the-art solutions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware-Defined Networks and 5GTravaux en français237 207