Repair Delay Analysis of Mobile Storage Systems Using Erasure Codes and Relay Cooperation
Notice bibliographique
Résumé
Mobile storage systems (MSSs) which store popular content in mobile devices can reduce the heavy traffic burden on the base station (BS). To deal with data loss caused by the mobility of devices, erasure codes are widely used in practice to improve system reliability. The duration to repair all lost data is defined the <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">repair delay</i> . However, the repair delay via device-to-device communications is usually large due to intermittent contacts among devices within a given communication range, which causes files to be irreparable and permanently lost. This paper focuses on analyzing the repair delay of the MSSs through D2D communications. We adopt a coded repair process running periodically and derive analytical expressions of the average repair delay by taking into account factors, i.e., limited communication range, device mobility, and coded repair scheme. Moreover, considering that devices need multipath contacts to repair lost data for large files, we propose a relay cooperation repair scheme, in which some mobile devices can act as relay nodes to transmit data cooperatively. Furthermore, we design a heuristic algorithm to optimize the number of relay devices and the amount of data allocated to each path, with the objective of minimizing the average repair delay. We find that maximum distance separable codes can yield smaller average repair delays for small files, and the average repair delay can be reduced by selecting faster moving devices to participate. With the file size increasing, the relay cooperation repair scheme can significantly improve repair efficiency in MSSs using the proposed heuristic algorithm.
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 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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».