Service Function Chain Deployment With VNF-Dependent Software Migration in Multi-Domain Networks
Notice bibliographique
Résumé
In the 6G era, user demand for low-latency, cost-effective extreme services such as extended reality (XR) and holographic communications has significantly increased. Multi-domain networks, known for their vast capacity and coverage, are essential in fulfilling the growing demand for high-performance services. Despite their potential, these networks face challenges with domain isolation, requiring a software defined network (SDN) controller for inter-domain communication. Network function virtualization (NFV) enhances flexibility of service delivery with customizable service function chain (SFC), yet prior research falls short in delivering low-latency, cost-efficient services in multi-domain NFV networks alongside an unreasonable assumption that software on physical nodes can support the execution of all virtualization network functions (VNFs). In this paper, we study the problem of SFC deployment with VNF-dependent software migration (SD-VDSM) in multi-domain networks. Particularly, we first formulate the problem by setting an objective to minimize the end-to-end communication delay and the associated costs of service provisioning, while simultaneously ensuring load balancing across multi-domain networks. However, complexity of the issue escalates to an intractable level due to the intertwined nature of SFC deployment strategies and VNF-dependent software migration tactics, which mutually influence each other intricately. To tackle this issue, we propose an innovative heuristic algorithm, designated as the Joint SFC Deployment with VNF-Dependent Software Migration Algorithm (JSD-VDSMA). Comprising three fundamental steps, this algorithm is crafted to adeptly resolve the complexities of service provisioning across multi-domain networks. A suite of rigorous experimental assessments is detailed, demonstrating the capability of our proposed JSD-VDSMA. Through these comparative analyses, we demonstrate its effectiveness not only to increase the service acceptance rate but also to diminish both the end-to-end communication delay and resource utilization costs in comparison to its counterparts.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».