Algorithmes de gestion de ressources dans une infrastructure de virtualisation de services de jeux vidéo
Bibliographic record
Abstract
Depuis sa création, l’industrie du jeu vidéo a connu une effervescence sans précédent en dépassant celle du cinéma. Bien que centrée autour d’un objectif ludique, elle s’étend également à l’apprentissage. D’autre part, depuis quelques années, un nouveau paradigme nommé cloud computing (infonuage) révolutionne la façon dont les entreprises et particuliers accèdent à des ressources informatiques telles que de la puissance de calcul ou de la capacité de stockage. Adoptant une approche élastique d’utilisation à la demande, le cloud computing est une solution très intéressante pour l’externalisation et la simplification des services informatiques. \n \nLe cloud computing a d’ailleurs été adapté au jeu vidéo sous le nom de cloud gaming. Son objectif est de permettre à des clients ayant un accès à Internet de jouer à des jeux vidéo exigeants en ressources sur des terminaux à faible consommation, comme les téléphones intelligents ou encore les tablettes. L’idée est que les actions des joueurs sont transmises à des serveurs de traitement distants situés dans le cloud, qui transmettent en retour un flux vidéo et audio. \n \nDe nos jours, la plupart des études visent à améliorer la qualité de service du cloud gaming, encore pénalisé par la latence des réseaux. Malheureusement, très peu de travaux visent à proposer des innovations au niveau de l’architecture du cloud gaming. Ce mémoire présente deux contributions majeures. La première est une architecture distribuée innovante, où les modules d’un jeu sont séparés en substrates, petites briques logicielles spécialisées, dotées d’interfaces et capables d’accomplir un ensemble de tâches. Cette architecture introduit un nouveau modèle d’affaires puisque les substrates sont hébergés et fournis par des substrates providers. La seconde contribution est la conception d’un algorithme de gestion de ressources pour les infrastructures de virtualisation de jeux vidéo orientés substrates, afin de conserver une certaine qualité de service.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".