中国人民解放军国防科技大学湖南省 长沙市
将人工智能深度应用于网络技术
本次分享的是来自SIGCOMM22可编程数据平面的一篇论文:Predictable vFabric on Informative Data Plane,该文作者来自清华大学,阿里巴巴和剑桥大学。
今天给大家介绍的论文发表在SIGCOMM22会议上,作者团队来自宾夕法尼亚大学。本文提出了Cebinae,这是一种用惩罚超过其最大最小公平份额的流量来增强现有主机网络的公平性。Cebinae将拥塞控制算法作为黑盒,对其进行兼容,可部署在商用可编程交换机上。通过实验发现,在网络带宽分配角度,Cebinae的表现优于其他实现公平性的算法。
今天给大家介绍的论文是由Google的研究团队提出的PLB——一种建立在传输协议和ECMP/WCMP之上,用于数据中心网络以减少网络热点的链路负载平衡设计。
“在远古时候,煤和钻石属于同一种物质,但经过上亿年的时光,它们却成为了两种不同的物品。那么,是什么造成的呢?是压力的作用。受压力小的变成了煤,而受压力大的,变成了钻石。”但是,当手机的内存压力变大时,视频的QoE反而变得更糟糕,此时,压力并没有促成更有价值的钻石的产生,而是生成了煤炭。
今天介绍的文章是发表在CoNEXT22会议上的,作者是来自LUMS的团队。本文做了大量的实验探究视频播放设备的内存压力与视频用户体验之间的关系,并给出了几点解决方案。