MétaCan
Menu
Retour à la cohorte
Enregistrement W4412722547 · doi:10.1109/ton.2025.3589553

INCC: In-Network Congestion Control With Proactive Bottleneck Awareness

2025· article· en· W4412722547 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Networking · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Traffic and Congestion Control
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNational Key Research and Development Program of ChinaBeijing Nova ProgramChina Postdoctoral Science FoundationNational Natural Science Foundation of China
Mots-clésBottleneckNetwork congestionControl (management)Computer scienceComputer networkBusinessArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Delay-sensitive applications like telemedicine and VR/AR intensify competition for network resources and elevate congestion risks, particularly in mobile networks with highly dynamic link conditions. Traditional end-to-end congestion control methods suffer from prolonged response times, rendering them ineffective for Delay-sensitive applications. To this end, this paper proposes a novel In-Network Congestion Control (INCC) mechanism that accelerates congestion control by enabling network nodes to proactively identify bottlenecks and promptly notify end-hosts. Unlike traditional end-host-centric approaches, INCC facilitates collaborative congestion decision-making between end-hosts and in-network unit. INCC classifies congestion into two phases: “<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">yellow</i>” and “<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">red</i>” based on the local queue length bottleneck awareness and global congestion flow bottleneck statistics. For the “<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">yellow</i>” local congestion phrase, we design an in-network local control algorithm that performs proactive packet dropping and rate adjustment to mitigate emerging congestion. For the “<italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">red</i>” global congestion phrase, we design an end-host and network cooperative global congestion control algorithm to make precise sending rate adaptation by proactive bottleneck awareness. We implement INCC via Linux kernel modifications and design three experiments to compare with Cubic, NewReno, and BBR. Experimental results demonstrate INCC has good performance on round-trip time and throughput, achieving 99.03% scheduling fairness in flow contention scenarios. Additionally, INCC has low execution overhead on CPU utilization and realize microsecond computational 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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,008
Tête enseignante GPT0,226
Écart entre enseignants0,217 · 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