BIER-MC: Multi-Connectivity Approach for Latency-Efficient Multicast Routing
Notice bibliographique
Résumé
Integrating terrestrial networks together with non-terrestrial networks, such as Low Earth Orbit (LEO) satellites, can significantly enhance network reliability and reduce latency in unicast and multicast protocols. To use such a capability and reduce end-to-end latency, many transport-layer unicast protocols, such as Multipath TCP (MPTCP) and Multipath QUIC (MPQUIC), have adopted multi-connectivity (MC) by transmitting over multiple interfaces at the sender host. However, traditional and modern multicast protocols suppose that the sender host accesses the core network using a single path, leading to high end-to-end latency at destinations. In this regard, we first demonstrate in a real-world testbed that MC significantly improves network latency in multicasting compared to single-connectivity approaches. We then introduce a Bit Indexed Explicit Replication (BIER) Multi-Connectivity (BIER-MC) method designed to reduce end-to-end latency within the BIER protocol, as a modern multicast protocol. Our comparison indicates that BIER-MC outperforms traditional BIER implementations using multicast trees in terms of latency up to 5×, bandwidth usage up to 2.5×, and edge betweenness centrality up to 15×.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».