Información del autor
Autor Qu, Kaige |
Documentos disponibles escritos por este autor (1)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Dynamic Resource Management in Service-Oriented Core Networks Tipo de documento: documento electrónico Autores: Zhuang, Weihua, ; Qu, Kaige, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XII, 173 p. 189 ilustraciones, 59 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-87136-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Red de computadoras Sistemas de comunicación inalámbrica. Sistemas de comunicación móviles. Aprendizaje automático Redes de comunicación informática Comunicación inalámbrica y móvil Clasificación: 004.6 Ciencia de los computadores (Interfaces y comunicaciones) Resumen: Este libro proporciona un estudio oportuno y completo de la gestión dinámica de recursos para la segmentación de red en redes centrales orientadas a servicios de quinta generación (5G) y más allá. Esto incluye la perspectiva de desarrollar soluciones eficientes de aprovisionamiento y programación de recursos computacionales para garantizar un rendimiento de servicio consistente en términos de retraso en la entrega de datos de extremo a extremo (E2E). Basado en un modelo simplificado de colas M/M/1 con llegadas de tráfico de Poisson, se presenta un modelo de optimización para la migración de flujo para acomodar los cambios a gran escala temporal en las tasas de tráfico promedio con garantÃa de retraso E2E promedio, al tiempo que aborda un equilibrio entre el equilibrio de carga y la sobrecarga de migración de flujo. Para superar las limitaciones del modelo de tráfico de Poisson, los autores presentan un enfoque de aprendizaje automático para el escalamiento y la migración dinámicos de recursos VNF. La nueva solución captura los patrones de tráfico inherentes en un rastro de tráfico del mundo real con estadÃsticas de tráfico no estacionarias en una gran escala temporal, predice las demandas de recursos para el escalamiento de recursos VNF y desencadena la toma de decisiones de migración VNF adaptativa, para lograr el equilibrio de carga, la reducción de costos de migración y la supresión de penalizaciones por sobrecarga de recursos a largo plazo. Se investigan herramientas de aprendizaje automático supervisadas y no supervisadas para la gestión dinámica de recursos. Para acomodar la dinámica del tráfico en pequeñas granularidades de tiempo, los autores presentan un esquema de programación de VNF dinámico para coordinar la programación entre VNF de múltiples servicios, lo que logra la maximización de la utilidad de la red con garantÃa de demora para cada servicio. Los investigadores y estudiantes de posgrado que trabajan en las áreas de ingenierÃa eléctrica, ingenierÃa informática y ciencias de la computación encontrarán este libro útil como referencia o texto secundario. Los profesionales de la industria que buscan soluciones para la gestión dinámica de recursos para redes 5G y posteriores también querrán comprar este libro. Tipo de medio : Computadora Summary : This book provides a timely and comprehensive study of dynamic resource management for network slicing in service-oriented fifth-generation (5G) and beyond core networks. This includes the perspective of developing efficient computation resource provisioning and scheduling solutions to guarantee consistent service performance in terms of end-to-end (E2E) data delivery delay. Based on a simplified M/M/1 queueing model with Poisson traffic arrivals, an optimization model for flow migration is presented to accommodate the large-timescale changes in the average traffic rates with average E2E delay guarantee, while addressing a trade-off between load balancing and flow migration overhead. To overcome the limitations of Poisson traffic model, the authors present a machine learning approach for dynamic VNF resource scaling and migration. The new solution captures the inherent traffic patterns in a real-world traffic trace with non-stationary traffic statistics in large timescale, predicts resource demands for VNF resource scaling, and triggers adaptive VNF migration decision making, to achieve load balancing, migration cost reduction, and resource overloading penalty suppression in the long run. Both supervised and unsupervised machine learning tools are investigated for dynamic resource management. To accommodate the traffic dynamics in small time granularities, the authors present a dynamic VNF scheduling scheme to coordinate the scheduling among VNFs of multiple services, which achieves network utility maximization with delay guarantee for each service. Researchers and graduate students working in the areas of electrical engineering, computing engineering and computer science will find this book useful as a reference or secondary text. Professionals in industry seeking solutions to dynamic resource management for 5G and beyond networks will also want to purchase this book. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Dynamic Resource Management in Service-Oriented Core Networks [documento electrónico] / Zhuang, Weihua, ; Qu, Kaige, . - 1 ed. . - [s.l.] : Springer, 2021 . - XII, 173 p. 189 ilustraciones, 59 ilustraciones en color.
ISBN : 978-3-030-87136-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Red de computadoras Sistemas de comunicación inalámbrica. Sistemas de comunicación móviles. Aprendizaje automático Redes de comunicación informática Comunicación inalámbrica y móvil Clasificación: 004.6 Ciencia de los computadores (Interfaces y comunicaciones) Resumen: Este libro proporciona un estudio oportuno y completo de la gestión dinámica de recursos para la segmentación de red en redes centrales orientadas a servicios de quinta generación (5G) y más allá. Esto incluye la perspectiva de desarrollar soluciones eficientes de aprovisionamiento y programación de recursos computacionales para garantizar un rendimiento de servicio consistente en términos de retraso en la entrega de datos de extremo a extremo (E2E). Basado en un modelo simplificado de colas M/M/1 con llegadas de tráfico de Poisson, se presenta un modelo de optimización para la migración de flujo para acomodar los cambios a gran escala temporal en las tasas de tráfico promedio con garantÃa de retraso E2E promedio, al tiempo que aborda un equilibrio entre el equilibrio de carga y la sobrecarga de migración de flujo. Para superar las limitaciones del modelo de tráfico de Poisson, los autores presentan un enfoque de aprendizaje automático para el escalamiento y la migración dinámicos de recursos VNF. La nueva solución captura los patrones de tráfico inherentes en un rastro de tráfico del mundo real con estadÃsticas de tráfico no estacionarias en una gran escala temporal, predice las demandas de recursos para el escalamiento de recursos VNF y desencadena la toma de decisiones de migración VNF adaptativa, para lograr el equilibrio de carga, la reducción de costos de migración y la supresión de penalizaciones por sobrecarga de recursos a largo plazo. Se investigan herramientas de aprendizaje automático supervisadas y no supervisadas para la gestión dinámica de recursos. Para acomodar la dinámica del tráfico en pequeñas granularidades de tiempo, los autores presentan un esquema de programación de VNF dinámico para coordinar la programación entre VNF de múltiples servicios, lo que logra la maximización de la utilidad de la red con garantÃa de demora para cada servicio. Los investigadores y estudiantes de posgrado que trabajan en las áreas de ingenierÃa eléctrica, ingenierÃa informática y ciencias de la computación encontrarán este libro útil como referencia o texto secundario. Los profesionales de la industria que buscan soluciones para la gestión dinámica de recursos para redes 5G y posteriores también querrán comprar este libro. Tipo de medio : Computadora Summary : This book provides a timely and comprehensive study of dynamic resource management for network slicing in service-oriented fifth-generation (5G) and beyond core networks. This includes the perspective of developing efficient computation resource provisioning and scheduling solutions to guarantee consistent service performance in terms of end-to-end (E2E) data delivery delay. Based on a simplified M/M/1 queueing model with Poisson traffic arrivals, an optimization model for flow migration is presented to accommodate the large-timescale changes in the average traffic rates with average E2E delay guarantee, while addressing a trade-off between load balancing and flow migration overhead. To overcome the limitations of Poisson traffic model, the authors present a machine learning approach for dynamic VNF resource scaling and migration. The new solution captures the inherent traffic patterns in a real-world traffic trace with non-stationary traffic statistics in large timescale, predicts resource demands for VNF resource scaling, and triggers adaptive VNF migration decision making, to achieve load balancing, migration cost reduction, and resource overloading penalty suppression in the long run. Both supervised and unsupervised machine learning tools are investigated for dynamic resource management. To accommodate the traffic dynamics in small time granularities, the authors present a dynamic VNF scheduling scheme to coordinate the scheduling among VNFs of multiple services, which achieves network utility maximization with delay guarantee for each service. Researchers and graduate students working in the areas of electrical engineering, computing engineering and computer science will find this book useful as a reference or secondary text. Professionals in industry seeking solutions to dynamic resource management for 5G and beyond networks will also want to purchase this book. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]