SDN-based Service Discovery and Assignment Framework to Preserve Service Availability in Telco-based Multi-Access Edge Computing
Notice bibliographique
Résumé
The ever-growing number of connected User Equipment (UE), e.g., Internet of Things (IoT) devices, Connected Autonomous Vehicles (CAVs), has driven the evolution of Software-Defined Networks (SDN) and Fifth-Generation (5G) Networks to push the computing resources closer to the UE. Towards that end, Multi-access Edge Computing (MEC) and Network Function Virtualization (NFV) are promising solutions to facilitate the deployment of the required user’s service instances within an approximately one-hop communication range. However, discovering and assigning such service instances to the UE to maintain a high service availability is still an open challenge in the 3rd Generation Partnership Project (3GPP) standards due to the UE mobility and Telco network heterogeneity. This paper proposes an SDN-based dynamic service discovery and assignment framework for a distributed MEC infrastructure. The proposed framework considers various decision parameters such as UE’s location, the service instance’s demand (i.e., resource utilization), the network link status, and the service instance performance requirements (i.e., service profile) to offer a generic solution for discovering and assigning the service instances to the UE. The framework implementation results show an enhancement of the packet delivery ratio and a lower users’ perceived latency.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».