Bulk Transfer Scheduling with Deadline in Best-Effort SD-WANs
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
Many cloud providers have multiple geo-distributed inter-connected datacenters around the globe. These datacenters are increasingly being inter-connected using software-defined WANs (SD-WANs), which extend the capabilities of SDN architecture to wide-area networks. While conventional MPLS tunneling has proven to be a practical approach for inter-connecting datacenters, such tunnels have a static nature and incur substantial maintenance costs. Given the centralized control and programmability of SDN, it is possible to utilize multiple Internet tunnels to provide a low-cost alternative to MPLS tunnels in SD-WANs. However, the best-effort nature of Internet tunnels means that they undergo capacity fluctuations throughout the day, making it difficult to provide any service guarantees such as completion time for inter-datacenter transmissions. In this paper, we consider the problem of scheduling bulk transfer requests with deadline in a best-effort SD-WAN. We propose an approximate scheduling algorithm called xBESD which utilizes tunnel capacity estimations to design a robust transfer schedule that maximizes a cloud provider’s profit by transmitting bulk transfers before their deadlines. We analyze xBESD and show that it attains an approximation ratio that only depends on the number of overlapping requests that have the same profit to bandwidth ratio. Furthermore, we provide extensive simulation as well as realistic Mininet experimental results to assess the performance of xBESD in a variety of network scenarios. Our results show that xBESD improves the provider’s profit by approximately 60% on average compared to other baseline scheduling methods, in addition to cutting down the Internet service provider costs.
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 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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