基于GPU的并行报文分类方法

• 作者: 张唯唯 张玉洁
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: GPU CUDA 报文分类 并行计算 优化
• 年，卷（期）: 2014,（11）
• 所属期刊栏目: 网络与通信
• 页码范围: 9-14
• 页数: 6页
• 分类号: TP393
• 字数: 4967字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2014.11.003

摘要

报文分类是网络设备的基本处理模式,通常采用报文过滤系统对每个报文进行分类。传统报文分类难以适应当今越来越高的网络流量,分类处理速度低于报文到达网络接口的速度,无法实现实时分析。因此,本文提出使用GPU对大规模报文集进行并行分类的方法,利用GPU的线程级并行处理能力加速报文分类吞吐率,并对其性能及优化方法进行详细分析。实验结果表明,GPU加速的Linear Search和RFC报文分类算法与纯CPU系统执行相比可达到4.4~132.5倍的加速比。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玉洁	南京航空航天大学计算机科学与技术学院	5	18	3.0	4.0
2	张唯唯	南京航空航天大学计算机科学与技术学院	1	5	1.0	1.0