Andere Kunden interessierten sich auch für
![O efeito do sistema de impostos eletrónicos na qualidade do serviço no Uganda]( "O efeito do sistema de impostos eletrónicos na qualidade do serviço no Uganda")
O efeito do sistema de impostos eletrónicos na qualidade do serviço no Uganda36,99 €![Ferramenta de teste de carga]( "Ferramenta de teste de carga")
Ferramenta de teste de carga32,99 €![Melhoramento do Balanceamento Dinâmico de Carga usando Ant em Ambiente Nublado]( "Melhoramento do Balanceamento Dinâmico de Carga usando Ant em Ambiente Nublado")
Melhoramento do Balanceamento Dinâmico de Carga usando Ant em Ambiente Nublado26,99 €![Software como um serviço na perspetiva da avaliação da qualidade do serviço]( "Software como um serviço na perspetiva da avaliação da qualidade do serviço")
Software como um serviço na perspetiva da avaliação da qualidade do serviço23,99 €![Melhorar a qualidade do serviço em nuvem utilizando a gestão de confiança]( "Melhorar a qualidade do serviço em nuvem utilizando a gestão de confiança")
Melhorar a qualidade do serviço em nuvem utilizando a gestão de confiança23,99 €![Como assegurar QoS nos ATMs em África]( "Como assegurar QoS nos ATMs em África")
Como assegurar QoS nos ATMs em África36,99 €![Qualidade do serviço em tecnologia da informação]( "Qualidade do serviço em tecnologia da informação")
Qualidade do serviço em tecnologia da informação40,99 €
Atualmente, a crescente procura de conetividade, aliada ao aumento exponencial do tráfego de dados, apresenta desafios significativos para as redes WiFi, incluindo a gestão da qualidade de serviço e o balanceamento de carga. Estes problemas são agravados pela evolução tecnológica e pela integração de sistemas como a Inteligência Artificial e a IoT, que geram volumes de dados que as infraestruturas atuais não conseguem tratar de forma eficiente; este projeto teve como objetivo conceber um sistema baseado num ambiente SDN que, utilizando o controlador Ryu, integrou algoritmos de QoS e de balanceamento de carga em switches SDN, suportados por técnicas de machine learning. A metodologia aplicada incluiu análise, desenho, implementação, avaliação e otimização através de simulações e testes em diferentes cenários controlados; entre os resultados esperados, o sistema melhorou aspectos como a distribuição do tráfego, a redução da latência, a perda de pacotes e outros recursos da rede, garantindo uma melhor experiência do utilizador e uma maior eficiência na operação das redes face às crescentes exigências.