当前位置:
X-MOL 学术
›
IEEE Trans. Serv. Comput.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Deadline Constrained Video Analysis via In-Transit Computational Environments
IEEE Transactions on Services Computing ( IF 8.1 ) Pub Date : 2020-01-01 , DOI: 10.1109/tsc.2017.2653116 Ali Reza Zamani , Mengsong Zou , Javier Diaz-Montes , Ioan Petri , Omer Rana , Ashiq Anjum , Manish Parashar
IEEE Transactions on Services Computing ( IF 8.1 ) Pub Date : 2020-01-01 , DOI: 10.1109/tsc.2017.2653116 Ali Reza Zamani , Mengsong Zou , Javier Diaz-Montes , Ioan Petri , Omer Rana , Ashiq Anjum , Manish Parashar
Combining edge processing (at data capture site) with analysis carried out while data is enroute from the capture site to a data center offers a variety of different processing models. Such in-transit nodes include network data centers that have generally been used to support content distribution (providing support for data multicast and caching), but have recently started to offer user-defined programmability, through Software Defined Networks (SDN) capability, e.g., OpenFlow and Network Function Visualization (NFV). We demonstrate how this multi-site computational capability can be aggregated to support video analytics, with Quality of Service and cost constraints (e.g., latency-bound analysis). The use of SDN technology enables separation of the data path from the control path, enabling in-network processing capabilities to be supported as data is migrated across the network. We propose to leverage SDN capability to gain control over the data transport service with the purpose of dynamically establishing data routes such that we can opportunistically exploit the latent computational capabilities located along the network path. Using a number of scenarios, we demonstrate the benefits and limitations of this approach for video analysis, comparing this with the baseline scenario of undertaking all such analysis at a data center located at the core of the infrastructure.
中文翻译:
通过传输中计算环境的截止日期约束视频分析
将边缘处理(在数据捕获站点)与数据从捕获站点传输到数据中心时进行的分析相结合,提供了各种不同的处理模型。此类传输中节点包括网络数据中心,它们通常用于支持内容分发(提供对数据多播和缓存的支持),但最近开始通过软件定义网络 (SDN) 功能提供用户定义的可编程性,例如, OpenFlow 和网络功能可视化 (NFV)。我们展示了如何在服务质量和成本限制(例如,延迟绑定分析)下聚合这种多站点计算能力以支持视频分析。SDN技术的使用使数据路径与控制路径分离,在数据跨网络迁移时支持网络内处理功能。我们建议利用 SDN 功能来控制数据传输服务,目的是动态建立数据路由,以便我们可以机会性地利用位于网络路径上的潜在计算能力。我们使用多个场景展示了这种视频分析方法的优势和局限性,并将其与在位于基础设施核心的数据中心进行所有此类分析的基线场景进行比较。我们建议利用 SDN 功能来控制数据传输服务,目的是动态建立数据路由,以便我们可以机会性地利用位于网络路径上的潜在计算能力。我们使用多个场景展示了这种视频分析方法的优势和局限性,并将其与在位于基础设施核心的数据中心进行所有此类分析的基线场景进行比较。我们建议利用 SDN 功能来控制数据传输服务,目的是动态建立数据路由,以便我们可以机会性地利用位于网络路径上的潜在计算能力。我们使用多个场景展示了这种视频分析方法的优势和局限性,并将其与在位于基础设施核心的数据中心进行所有此类分析的基线场景进行比较。
更新日期:2020-01-01
中文翻译:
通过传输中计算环境的截止日期约束视频分析
将边缘处理(在数据捕获站点)与数据从捕获站点传输到数据中心时进行的分析相结合,提供了各种不同的处理模型。此类传输中节点包括网络数据中心,它们通常用于支持内容分发(提供对数据多播和缓存的支持),但最近开始通过软件定义网络 (SDN) 功能提供用户定义的可编程性,例如, OpenFlow 和网络功能可视化 (NFV)。我们展示了如何在服务质量和成本限制(例如,延迟绑定分析)下聚合这种多站点计算能力以支持视频分析。SDN技术的使用使数据路径与控制路径分离,在数据跨网络迁移时支持网络内处理功能。我们建议利用 SDN 功能来控制数据传输服务,目的是动态建立数据路由,以便我们可以机会性地利用位于网络路径上的潜在计算能力。我们使用多个场景展示了这种视频分析方法的优势和局限性,并将其与在位于基础设施核心的数据中心进行所有此类分析的基线场景进行比较。我们建议利用 SDN 功能来控制数据传输服务,目的是动态建立数据路由,以便我们可以机会性地利用位于网络路径上的潜在计算能力。我们使用多个场景展示了这种视频分析方法的优势和局限性,并将其与在位于基础设施核心的数据中心进行所有此类分析的基线场景进行比较。我们建议利用 SDN 功能来控制数据传输服务,目的是动态建立数据路由,以便我们可以机会性地利用位于网络路径上的潜在计算能力。我们使用多个场景展示了这种视频分析方法的优势和局限性,并将其与在位于基础设施核心的数据中心进行所有此类分析的基线场景进行比较。