Traffic Measurement for Big Network Data / Chen, Shigang  

Público ISBD Ningún comentario para este registro. Título : Traffic Measurement for Big Network Data Tipo de documento: documento electrónico Autores: Chen, Shigang, Autor ; Chen, Min, Autor ; Xiao, Qingjun, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: VII, 104 p. 45 ilustraciones, 2 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-47340-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Telecomunicación  Red de computadoras  Software de la aplicacion  Ingeniería en Comunicaciones  Redes  Redes de comunicación informática  Aplicaciones informáticas y de sistemas de información Índice Dewey: 621.382 Ingeniería de comunicaciones Resumen: Este libro presenta varios métodos compactos y rápidos para la medición del tráfico en línea de big data de red. Describe los desafíos de la medición del tráfico en línea, analiza el estado del campo y proporciona una descripción general de las posibles soluciones a los principales problemas. Los autores introducen el problema de la medición del tamaño por flujo para grandes datos de red y presentan una arquitectura de contador rápida y escalable, llamada Counter Tree, que aprovecha un esquema de intercambio de contador bidimensional para lograr una eficiencia de memoria mucho mejor y ampliar significativamente el rango de estimación. A diferencia de los enfoques tradicionales para los problemas de estimación de cardinalidad que asignan una estructura de datos separada (llamada estimador) para cada flujo, este libro toma un camino de diseño diferente al ver todos los flujos juntos como un todo: cada flujo se asigna con un estimador virtual, y estos flujos virtuales Los estimadores comparten un espacio de memoria común. Se ha diseñado un marco de estimadores virtuales para aplicar la idea de compartir a una serie de soluciones de estimación de cardinalidad, logrando una eficiencia de memoria mucho mejor que el mejor trabajo existente. Para concluir, los autores analizan la estimación de la dispersión persistente en redes de alta velocidad. Ofrecen una estructura de datos compacta llamada mapa de bits multivirtual, que puede estimar la cardinalidad de la intersección de un número arbitrario de conjuntos. Utilizando mapas de bits multivirtuales, se presenta una implementación que puede ofrecer una alta precisión de estimación en un espacio de memoria muy reducido. Los resultados de estos experimentos sorprenderán tanto a los profesionales del campo como a los estudiantes de nivel avanzado interesados ​​en el tema. Al proporcionar tanto una descripción general como los resultados de experimentos específicos, este libro es útil para quienes son nuevos en la medición del tráfico en línea y para expertos en el tema. Nota de contenido: Introduction -- Per-Flow Size Measurement -- Per-Flow Cardinality Measurement -- Persistent Spread Measurement. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Traffic Measurement for Big Network Data [documento electrónico] / Chen, Shigang, Autor ; Chen, Min, Autor ; Xiao, Qingjun, Autor  . -  1 ed.  . - [s.l.] : Springer, 2017 . - VII, 104 p. 45 ilustraciones, 2 ilustraciones en color. ISBN : 978-3-319-47340-6 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Telecomunicación  Red de computadoras  Software de la aplicacion  Ingeniería en Comunicaciones  Redes  Redes de comunicación informática  Aplicaciones informáticas y de sistemas de información Índice Dewey: 621.382 Ingeniería de comunicaciones Resumen: Este libro presenta varios métodos compactos y rápidos para la medición del tráfico en línea de big data de red. Describe los desafíos de la medición del tráfico en línea, analiza el estado del campo y proporciona una descripción general de las posibles soluciones a los principales problemas. Los autores introducen el problema de la medición del tamaño por flujo para grandes datos de red y presentan una arquitectura de contador rápida y escalable, llamada Counter Tree, que aprovecha un esquema de intercambio de contador bidimensional para lograr una eficiencia de memoria mucho mejor y ampliar significativamente el rango de estimación. A diferencia de los enfoques tradicionales para los problemas de estimación de cardinalidad que asignan una estructura de datos separada (llamada estimador) para cada flujo, este libro toma un camino de diseño diferente al ver todos los flujos juntos como un todo: cada flujo se asigna con un estimador virtual, y estos flujos virtuales Los estimadores comparten un espacio de memoria común. Se ha diseñado un marco de estimadores virtuales para aplicar la idea de compartir a una serie de soluciones de estimación de cardinalidad, logrando una eficiencia de memoria mucho mejor que el mejor trabajo existente. Para concluir, los autores analizan la estimación de la dispersión persistente en redes de alta velocidad. Ofrecen una estructura de datos compacta llamada mapa de bits multivirtual, que puede estimar la cardinalidad de la intersección de un número arbitrario de conjuntos. Utilizando mapas de bits multivirtuales, se presenta una implementación que puede ofrecer una alta precisión de estimación en un espacio de memoria muy reducido. Los resultados de estos experimentos sorprenderán tanto a los profesionales del campo como a los estudiantes de nivel avanzado interesados ​​en el tema. Al proporcionar tanto una descripción general como los resultados de experimentos específicos, este libro es útil para quienes son nuevos en la medición del tráfico en línea y para expertos en el tema. Nota de contenido: Introduction -- Per-Flow Size Measurement -- Per-Flow Cardinality Measurement -- Persistent Spread Measurement. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200