MétaCan
Menu
Retour à la cohorte
Enregistrement W4309226865 · doi:10.1109/nof55974.2022.9942599

Availability and Failure Rate of VNF Instances: Impacting Parameters and Calculation Methods

2022· article· en· W4309226865 sur OpenAlexaff
Siamak Azadiabad, Ferhat Khendek, Maria Toeroe

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensEricsson (Canada)Concordia University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVirtual networkDistributed computingWorkloadFailure rateVirtualizationFunction (biology)Computer networkHigh availabilityComponent (thermodynamics)Reliability engineeringCloud computingOperating system

Résumé

récupéré en direct d'OpenAlex

Network Function Virtualization (NFV) defines a dynamic environment to deploy Virtual Network Functions (VNF) as constituents of Network Services (NS) that provide specific network functionalities. A VNF is composed of at least one VNF Component (VNFC) and zero, or more Internal Virtual Links (IntVL). The availability of an NS depends on the availability of the composing VNF functionalities. In turn these depend on the underlying resources, their placement constraints, policies, and their number, which change over time as required by the varying workload. Accordingly, the availability and failure rate of a VNF instance may vary over time. That is, it may be different for the different VNF scaling levels. In this paper, we investigate the parameters affecting the availability and the failure rate of a VNF instance, and we propose methods to calculate for such dynamic cases the guaranteed minimum availability and the guaranteed maximum failure rate for a VNF instance considering a given infrastructure.

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)0,001
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 enseignants0,850
Score d'incertitude au seuil0,256

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0000,000
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 Opus0,024
Tête enseignante GPT0,292
Écart entre enseignants0,268 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSoftware-Defined Networks and 5GTravaux en français237 207