State machine replication is a fund

State machine replication is a fundamental technique
for implementing consistent fault-tolerant services. In the
last years, several protocols have been proposed for improving
the latency of this technique when the replicas are deployed
in geographically-dispersed locations. In this work we evaluate
some representative optimizations proposed in the literature by
implementing them on an open-source state machine replication
library and running the experiments in geographically-diverse
PlanetLab nodes and Amazon EC2 regions. Interestingly, our results
show that some optimizations widely used for improving the
latency of geo-replicated state machines do not bring significant
benefits, while others – not yet considered in this context – are
very effective. Based on this evaluation, we propose WHEAT,
a configurable crash and Byzantine fault-tolerant state machine
replication library that uses the optimizations we observed as
most effective in reducing SMR latency. WHEAT employs novel
voting assignment schemes that, by using few additional spare
replicas, enables the system to make progress without needing
to access a majority of replicas. Our evaluation shows that
a WHEAT system deployed in several Amazon EC2 regions
presents a median latency up to 56% lower than a “normal”
SMR protoco

ผลลัพธ์ (ไทย) 1:

การจำลองสถานะเครื่องเป็นเทคนิคพื้นฐานสำหรับการใช้บริการ tolerant ข้อบกพร่องที่สอดคล้องกัน ในปี หลายโปรโตคอลที่ได้รับการเสนอการปรับปรุงเวลาแฝงของเทคนิคนี้เมื่อมีการปรับใช้แบบจำลองในพื้นที่กระจายทางภูมิศาสตร์ ในงานนี้เราประเมินปรับแต่งบางตัวแทนเสนอในวรรณคดีโดยใช้งานบนการจำลองแบบเครื่องเปิดแหล่งรัฐห้องสมุดและทำการทดลองในความหลากหลายทางภูมิศาสตร์โหน PlanetLab และภูมิภาค Amazon EC2 เรื่องน่าสนใจ ผลของเราแสดงที่บางเหมาะที่ใช้กันแพร่หลายสำหรับการปรับปรุงการเวลาแฝงที่จำลองแบบ geo สถานะเครื่องทำสำคัญประโยชน์ ขณะที่คนอื่น – ยังถือว่าในบริบทนี้ – ไม่มีมีประสิทธิภาพมากขึ้น ตามการประเมินนี้ เรานำเสนอข้าวสาลีสามารถกำหนดค่าความผิดพลาดและสถานะทนต่อไบแซนไทน์ไลบรารีการจำลองแบบที่ใช้กินเราปฏิบัติตามมีประสิทธิภาพสูงสุดในการลดเวลาแฝง SMR ข้าวสาลีมีนวนิยายเสียงการกำหนดแผนงานที่ โดยใช้อะไหล่ไม่กี่เพิ่มเติมแบบจำลอง ช่วยให้ระบบเพื่อให้ความคืบหน้าโดยไม่จำเป็นการเข้าถึงส่วนใหญ่ของแบบจำลอง การประเมินของเราแสดงให้เห็นว่าระบบข้าวสาลีปรับใช้ในหลายภูมิภาค Amazon EC2เวลาแฝงเฉลี่ยที่แสดงถึง 56% ต่ำกว่า "ปกติ"SMR protoco

ผลลัพธ์ (ไทย) 2:

การจำลองเครื่องของรัฐเป็นเทคนิคพื้นฐาน
สำหรับการดำเนินการให้บริการป้องกันความผิดพลาดที่สอดคล้องกัน ใน
ปีที่ผ่านมาหลายโปรโตคอลได้รับการเสนอสำหรับการปรับปรุง
แฝงของเทคนิคนี้เมื่อแบบจำลองที่จะนำไปใช้
ในสถานที่ทางภูมิศาสตร์แยกย้ายกันไป ในงานนี้เราประเมิน
การเพิ่มประสิทธิภาพตัวแทนบางส่วนที่นำเสนอในวรรณคดีโดย
การดำเนินการกับพวกเขาในโอเพนซอร์สรัฐการจำลองเครื่อง
ห้องสมุดและทำงานการทดลองทางภูมิศาสตร์ที่หลากหลาย
โหนด PlanetLab และ Amazon EC2 ภูมิภาค ที่น่าสนใจผลของเรา
แสดงให้เห็นว่าการเพิ่มประสิทธิภาพบางอย่างที่ใช้กันอย่างแพร่หลายสำหรับการปรับปรุง
แฝงของเครื่องรัฐทางภูมิศาสตร์จำลองแบบไม่ได้นำอย่างมีนัยสำคัญ
ผลประโยชน์ขณะที่คนอื่น - ยังไม่ได้พิจารณาในบริบทนี้ - มี
ประสิทธิภาพมาก ขึ้นอยู่กับการประเมินผลนี้เราจึงนำเสนอข้าวสาลี
ความผิดพลาดที่กำหนดและเครื่องรัฐความผิดพลาดไบเซนไทน์
ห้องสมุดที่ใช้การจำลองแบบการเพิ่มประสิทธิภาพที่เราตั้งข้อสังเกตขณะ
ที่มีประสิทธิภาพสูงสุดในการลดความล่าช้า SMR ข้าวสาลีพนักงานนวนิยาย
รูปแบบที่ได้รับมอบหมายในการออกเสียงเลือกตั้งว่าด้วยการใช้เพียงไม่กี่อะไหล่เพิ่มเติม
แบบจำลองช่วยให้ระบบการทำให้ความคืบหน้าโดยไม่จำเป็น
ในการเข้าถึงส่วนใหญ่ของแบบจำลอง การประเมินผลของเราแสดงให้เห็นว่า
ระบบข้าวสาลีนำไปใช้ในหลายภูมิภาค Amazon EC2
ที่มีการแฝงเฉลี่ยถึง 56% ต่ำกว่า "ปกติ"
SMR protoco

ผลลัพธ์ (ไทย) 3:

สภาพเครื่องซ้ำเป็นเทคนิคพื้นฐานสำหรับการใช้บริการ ) ที่สอดคล้องกัน ในปีล่าสุด , โปรโตคอลหลายได้รับการเสนอสำหรับการปรับปรุงศักยภาพของแบบจําลองใช้เทคนิคนี้เมื่อในการกระจายทางภูมิศาสตร์ที่ตั้ง ในงานนี้เราประเมินมีการเพิ่มประสิทธิภาพตัวแทนเสนอในวรรณกรรมการใช้พวกเขาในสถานะการเปิดเครื่องห้องสมุดและใช้ทดลองในความหลากหลายทางภูมิศาสตร์planetlab โหนดและ Amazon EC2 ภูมิภาค ที่น่าสนใจคือผลของเราแสดงให้เห็นว่ามีการเพิ่มประสิทธิภาพการใช้อย่างกว้างขวางสำหรับการปรับปรุงศักยภาพของกอแบบสภาพเครื่องไม่นำอย่างมีนัยสำคัญประโยชน์ ในขณะที่คนอื่น ๆและยังไม่ได้พิจารณาในบริบทนี้ ) เป็นที่มีประสิทธิภาพมาก บนพื้นฐานของการประเมินนี้ เราเสนอ ข้าวสาลีความผิดพลาดและกำหนดรูปแบบของรัฐ ) เครื่องการเพิ่มประสิทธิภาพการใช้ห้องสมุดที่เราสังเกตได้ เช่นมีประสิทธิภาพสูงสุดในการลดซึ่งแฝงอยู่ ข้าวสาลี มีพนักงานใหม่การกำหนดรูปแบบ โดยใช้การไม่กี่เพิ่มเติมอะไหล่แบบจําลอง ช่วยให้ระบบเพื่อให้ก้าวหน้า โดยไม่ต้องอาศัยเข้าถึงส่วนใหญ่ของแบบจําลอง การประเมินของเราแสดงให้เห็นว่าข้าวสาลีสำหรับ Amazon EC2 ภูมิภาคหลายระบบแสดงศักยภาพกลางถึง 56% ต่ำกว่า " ปกติ "ซึ่งโพรโทค