MétaCan
Menu
Retour à la cohorte
Enregistrement W3081214814 · doi:10.1109/cjece.2019.2897277

A New TCAM Architecture for IP Routing With Update Complexity Equal to O(1)

2020· article· en· W3081214814 sur OpenAlexvenueno aff
Reza Avazeh, Nasser Yazdani

Notice bibliographique

RevueCanadian Journal of Electrical and Computer Engineering · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Packet Processing and Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRouting tableComputer scienceComputer networkNetwork packetRouting (electronic design automation)Loose Source RoutingTable (database)Content-addressable memoryPacket forwardingThe InternetIP forwardingVirtual routing and forwardingPrefixDistributed computingRouting protocolOperating systemDatabase

Résumé

récupéré en direct d'OpenAlex

Ternary content addressable memories (TCAMs) have a lookup complexity of O(1). They require just one memory access to find an entry. For this reason, they are widely used in core routers of the Internet to achieve high packet forwarding capacities in terms of several 100 Gb/s. However, in a TCAM, the routing table needs to be stored in a sorted order according to the prefix length of the entries. Therefore, if a new entry needs to be added or an old one needs to be deleted, some other entries should be moved around to open a place for the new entry or fill the place of the old one. Practical methods to update a routing table require locking the TCAM during the update process. Therefore, this will cause a large number of packets to be dropped. This is because in the core routers of the Internet, the packets arrive at very high rates, and the routing table updates are very frequent. In this paper, we introduce a new, yet simple TCAM architecture in which entries do not need to be sorted. This means that updating the routing table will be done with a complexity of O(1), and therefore, no packets will be dropped.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,013
Tête enseignante GPT0,188
Écart entre enseignants0,175 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Electrical and Computer EngineeringMême sujetNetwork Packet Processing and OptimizationTravaux en français237 207