On the locality of BitTorrent-based video file swarming
Notice bibliographique
Résumé
Abstract — In the past few years, there have been tremendous interest in the peer-to-peer(P2P) content delivery. Although this communication paradigm does not need a dedicated server infrastructure, it dramatically increases the traffic over inter-ISP links. In particular, the most popular P2P application, BitTorrent(BT) generates a huge amount of traffic on the Internet. To address this challenge, P2P locality has been examined, which explores the access to local resources to optimize the inter-ISP traffic. However, most of these approaches have focused on a global strategy, and attempted to change the peer selection mechanism, which potentially affects the random topology of BT and thus reduces its robustness. The content and the peer diversities are seldom discussed, particularly the video file swarms of distinct characteristics. In this paper, we for the first time examine the different BT contents and peer properties in regards to the locality issues through a large-scale measurement. We demonstrate the distinct characteristics of video file swarms, and find that the distribution of the AS clusters (a set of peers belonging to the same AS) follows the Mandelbrot-zipf law. Our results also suggest that the peer in a few ASes are more likely to form large AS clusters and most ASes on the Internet do not have enough potential for locality. Therefore, a global locality approach may not be our best choice. We then address the problem through a selective locality approach based on a novel peer prediction method. I.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».