基于GPU的高性能包分类技术的研究与实现-计算机科学与技术专业论文.pdf.docxVIP

Research Research and Implementation of High Performance Packet Classification on GPU by 洲Y ㈨3 ㈣0㈣9 mm叭，， ㈣9 帅8 ㈣2 B．E．(Hunan University)20 1 3 A thesis submitted in partial satisfaction of the requirements for the degree of Master of engineering Computer Science and Technology in the Graduate school Hunan University Supervisor Professor ZHANG Dafang May,2016 万方数据 湖南大学 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研 究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体 己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文 中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 名：释稳黼期：沙馅年岁月弓f日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可 以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1、保密口，在 年解密后适用于本授权书。 2、不保密囱。 (请在以上相应方框内打”V’) 作者签名 签字日期：印％年 歹月；1日 导师签名 签字日期：三∥／6年 r月；‘7日 万方数据 基于GPU的高性能包分类技术的研究与实现摘 基于GPU的高性能包分类技术的研究与实现 摘 要 随着网络规模不断扩大，网络业务也急剧增加。互联网的性能已经难以满足日 益增长的需求。数据包分类作为路由器、交换机等网络设备的核心功能，需要解决 五元组规则匹配的问题，在一定程度上决定了网络包处理的吞吐率，进而影响整体 网络性能。另一方面，在未来互联网架构的典型代表软件定义网络(SDN)中，数 据平面需解决的核心问题是OpenFlow流表查找。其本质依然是数据包分类，只是域 更多，规则更多，更新更频繁而已。因此，实现高性能的、灵活可扩展的包分类技 术已经成为一个具有实际意义并且非常具有挑战性的问题。 本文着眼于数据包分类这一网络包处理的核心问题，重点研究CPU／GPU协处理 架构下的算法和结合优化，取得了一定的成果。 首先，从经典包分类算法HiCuts入手，探索GPU力I速包分类算法需解决的一般 性问题。同时，通过引入高性能的包输入输出框架Netmap，本文搭建了一个简易 的CPU／GPU协同包处理框架，实现端到端性能实测。实验结果表明，GPU]JI速可 显著提升HiCuts的性能，但离线速处理还有较大的差距。这是因为HiCuts算法并未 能充分利用GPU的硬件特点。因此，本文进一步结合GPU的并行机理及访存特性设 计了一种新型的基于比特位图合并的包分类算法，并在算法的实现过程中充分利 用CUDA平台来实现细节优化。实测结果表明，该算法相比于HiCuts，在GPU平台 上能实现2．3倍至9．5倍的加速。最后，本文结合OpenFlow流表查找的需求和GPU的 硬件特点设计并实现了一种基于比特分割的树形结构及相应的分类算法。初步实验 表明，该算法不仅适用于多维度、大规模规则集的场景，并且支持高频率的规则集 更新操作。 关键词：包分类；GPU；OpenFlow 11 万方数据 AbstractThe Abstract The performance of internet is now insufficient in corresponding tO the expanding scale and rocketing workload．As a core function of network device including router and switch， packet classification deals with 5一tuple rule match problem which tO some extent decides the throughput of packet and thus impact the efficiency of the entire network．On the other hand，in Software Defined Network