Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
SDN helps volume in Big Data
Karlstads universitet, Fakulteten för hälsa, natur- och teknikvetenskap (from 2013), Institutionen för matematik och datavetenskap (from 2013). (DISCO)ORCID-id: 0000-0001-9866-8209
Karlstads universitet, Fakulteten för hälsa, natur- och teknikvetenskap (from 2013), Institutionen för matematik och datavetenskap (from 2013). (DISCO)ORCID-id: 0000-0001-7734-1653
Karlstads universitet, Fakulteten för hälsa, natur- och teknikvetenskap (from 2013), Institutionen för matematik och datavetenskap (from 2013). (DISCO)ORCID-id: 0000-0001-9194-010X
2018 (Engelska)Ingår i: Big Data and Software Defined Networks / [ed] Javid Taheri, London: IET Digital Library, 2018, 1, s. 185-206Kapitel i bok, del av antologi (Refereegranskat)
Abstract [en]

Both Big Data and SDN are described in detail in previous chapters. This chapter investigates how SDN architecture can leverage its unique features to mitigate the challenges of Big Data volume. Accordingly, first, we provide an overview of Big Data volume, its effects on the underlying network, and mention some potential SDN solutions to address the corresponding challenges. Second, we elaborate more on the network-monitoring, traffic-engineering, and fault-tolerant mechanisms which we believe they may help to address the challenges of Big Data volume. Finally, this chapter is concluded with some open issues.

Ort, förlag, år, upplaga, sidor
London: IET Digital Library, 2018, 1. s. 185-206
Nyckelord [en]
Big Data; software fault tolerance; software defined networking; telecommunication traffic
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
Datavetenskap
Identifikatorer
URN: urn:nbn:se:kau:diva-67212DOI: 10.1049/PBPC015E_ch9ISBN: 978-1-78561-304-3 (tryckt)ISBN: 978-1-78561-305-0 (digital)OAI: oai:DiVA.org:kau-67212DiVA, id: diva2:1202068
Tillgänglig från: 2018-04-27 Skapad: 2018-04-27 Senast uppdaterad: 2019-11-07Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltexthttp://digital-library.theiet.org/content/books/10.1049/pbpc015e_ch9;jsessionid=4af710hogc0kq.x-iet-live-01

Personposter BETA

Alizadeh Noghani, KyoomarsHernandez Benet, CristianTaheri, Javid

Sök vidare i DiVA

Av författaren/redaktören
Alizadeh Noghani, KyoomarsHernandez Benet, CristianTaheri, Javid
Av organisationen
Institutionen för matematik och datavetenskap (from 2013)
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 208 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf