- 博客(6)
- 收藏
- 关注
RSS订阅原创 性能建模相关文章
PerfSim: A Performance Simulator for Cloud Native Microservice Chains --PerfSim:云原生微服务链的性能模拟器（之前工作2）摘要：云原生系统中，大量的配置参数和高度细粒度的资源分配策略会显著影响性能和部署成本，为了以一种简单、快速、经济的方式理解和分析这些影响，我们提出了PerfSim，一个离散事件模拟器，用于在用户定义的场景中近似和预测云原生服务链的性能。
2023-07-21 12:02:21
66
原创 Digital Twin for Networking: A Data-driven Performance Modeling Perspective ：面向数字孪生网络的性能评估模型
介绍了当前已有工作预测网络性能的方法（经典方法：【贝叶斯，支持向量机等】，普通神经网络（CNN等，自定义神经网络：LSTM优化等）。现有方法在不同的性能下开发评估任务，其中指标包括延迟、吞吐量、丢失速率、流量完成时间 （FCT） 等部分。现有工作根据应用层分成三个类别，应层层application layer、传输层transport layer、网络层network layer。
2023-07-21 11:53:04
109
原创 A Performance Modelling Approach for SLA-Aware Resource Recommendation in Cloud Native Network
网络功能虚拟化(NFV)成为5G网络演进的主要驱动力，近年来，网络功能云化(NFC)被证明是这一演进的必然组成部分。微服务架构也成为设计现代云原生网络功能(CNF)的事实上的选择，因为它能够将每个CNF的组件解耦成多个独立可管理的微服务。尽管在设计cnf时利用微服务架构可以解决特定问题，但这种额外的粒度使得估计生产环境(PE)的资源需求成为一项复杂的任务，有时还会导致PE供应过剩。传统上，性能工程师在较小的性能测试环境(PTE)中通过一系列性能基准对服务功能链(SFC)中的每个CNF进行维度分析。
2023-07-21 11:47:41
56
原创 DDNN：Distributed Deep Neural Networks over the Cloud,the Edge and End Devices
出自论文 Distributed Deep Neural Networks over the Cloud,the Edge and End Devices，是一种分布式的深度神经网络，可以在本地终端设备、边缘和云端进行网络推理一、摘要提出了在分布式计算层次结构上的分布式深度神经网络（DDNN），该层次结构由云，边缘（雾）和最终设备组成。 DDNN能够容纳云中的深度神经网络（DNN）的推理，同时还允许在边缘和终端设备处使用神经网络的浅层部分进行快速、本地化推理。在可扩展的分布式计算层次结构支持时..
2020-05-11 16:30:43
2163
原创 EDGE_REALTED
https://www.processon.com/view/link/5eb8bc185653bb6f2aff2f53
2020-05-11 10:45:05
129
原创 模拟鼠标点击特效
index.html<!DOCTYPE HTML><html> <head> <meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> <meta name = "Description" content="Ysy的
2018-03-20 13:50:27
503
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人