MétaCan
Menu
Retour à la cohorte
Enregistrement W3045557974 · doi:10.1109/icc40277.2020.9148838

ESP-VDCE: Energy, SLA, and Price-driven Virtual Data Center Embedding

2020· article· en· W3045557974 sur OpenAlexaff
Kuljeet Kaur, Sahil Garg, Georges Kaddoum, Song Guo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésEmbeddingComputer scienceData centerCloud computingEnergy (signal processing)Virtual machineScheme (mathematics)Focus (optics)Domain (mathematical analysis)MinificationEnergy minimizationAlgorithmReal-time computingOperating systemArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

In this work, we present a multi-objective Virtual Data Center Embedding (VDCE) scheme for multi-domain cloud computing setups. The primary focus of the proposed scheme is on -Energy minimization, SLA assurance, and reduced energy Prices; and is named as ESP-driven VDCE. In the preliminary phase of this work, we formulate the proposed scheme as an optimization problem. However, due to the intractability of the formulated problem, its is remodelled and divided into three sub-problems (SP), i.e., data center identification, virtual machine mapping, and virtual link embedding. The output of one SP serves as an input to the next SP, such that the search space can be significantly narrowed. Finally, the proposed approach for VDCE is extensively validated against other algorithms. The obtained results indicate that the proposed ESP-driven VDCE approach achieves almost 7.6% more energy-aware embeddings with 11.5% higher SLA levels and approximately 23% lower energy expenses.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,005
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 Opus0,030
Tête enseignante GPT0,251
Écart entre enseignants0,222 · 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.

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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCloud Computing and Resource ManagementTravaux en français237 207