GPU OpenFlow海量数据网络处理模型——GOMDI

• 作者: 丁要军 张伟 张潇晓 解争龙
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: OpenFlow GPU 生物序列 机器学习
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 网络与通信
• 页码范围: 2243-2247,2272
• 页数: 6页
• 分类号: TP393.02
• 字数: 4602字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.08.2243

摘要

OpenFlow的出现提高了现有网络的服务质量(QoS),但在处理海量数据时存在网络会话识别效率低、网络报文转发路径不佳等缺点.在OpenFlow的研究基础上,提出了海量网络数据处理(GOMDI)模型,通过将GPU并行计算、生物序列算法和机器学习方法相融合,设计出GOMDI网络会话匹配算法和路径选择算法.实验结果表明,GOMDI网络会话匹配算法与CPU环境相比加速比提升了近300;路径选择算法中网络丢包率低于5％,网络延时小于20 ms.因此,GOMDI模型可有效地提升网络性能,满足大数据环境下实时处理海量信息的需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁要军	咸阳师范学院信息工程学院	6	27	3.0	5.0
5	解争龙	咸阳师范学院信息工程学院	48	340	8.0	17.0
6	张伟	咸阳师范学院信息工程学院	50	141	7.0	9.0
7	张潇晓	西北工业大学计算机学院	2	3	1.0	1.0