MétaCan
Menu
Retour à la cohorte
Enregistrement W7097230797

Failure-aware Lifespan Performance Analysis of Network Fabric in Modular Data Centers: Toward Deployment in Canada’s North

2016· article· en· W7097230797 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModular designNetwork topologySoftware deploymentData centerKey (lock)Function (biology)Topology (electrical circuits)Class (philosophy)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Data centers have evolved from a passive element of compute infrastructure to become an active and core part of any ICT solution. Modular data centers are a promising design approach to improve resiliency of data centers, and they can play a key role in deploying ICT infrastructure in remote and inhospitable environments with low temperatures and hydro- and wind-electric capabilities. Modular data centers can also survive even with lack of continuous physical maintenance and support. Generally, the most critical part of a data center is its network fabric that could impede the whole system even if all other components are fully functional. In this work, a complete failure analysis of modular data centers using failure models of various components including servers, switches, and links is performed using a proposed Monte-Carlo approach. This approach allows us to calculate the performance of a design along its lifespan even at the terminal stages. A class of modified Tanh-Log cumulative distribution function of failure is proposed for aforementioned components in order to achieve a better fit on the real data. In this study, the real experimental data from the lanl05 database is used to calculate the fitting parameters of the failure cumulative distributions. For the network connectivity, various topologies, such as FatTree, BCube, MDCube, and their modified topologies are considered. The performance and also the lifespan of each topology in presence of failures in various components are studied against the topology parameters using the proposed approach. Furthermore, these topologies are compared against each other in a consistent settings in order to determine what topology could deliver a higher performance and resiliency subject to the scalability and agility requirements of a target data center design.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil0,305

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,022
Tête enseignante GPT0,210
Écart entre enseignants0,189 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCloud Computing and Resource ManagementTravaux en français237 207