基于GPU的并行报文分类方法

计算机与现代化

基于GPU的并行报文分类方法

南京航空航天大学计算机科学与技术学院,江苏南京210016

收稿日期:2014-08-26 出版日期:2014-11-27 发布日期:2014-12-10
作者简介:张唯唯(1988-)，女，天津人，南京航空航天大学计算机科学与技术学院硕士研究生，研究方向：并行计算，计算机网络；张玉洁（1991-），女，江苏盐城人，硕士研究生，研究方向：高性能计算，云计算。
基金资助:
国家863计划资助项目(2009AA044601); 国家自然科学基金重点项目(61139002); 江苏高校优势学科建设工程资助项目; 南京航空航天大学基本科研业务费专项科研项目(NP2013308)

Parallel Packet Classification Method Based on GPU

College of Computer Science and Technology, Nanjing University of Aeronaoutics and Astronautics, Nanjing 210016, China

Received:2014-08-26 Online:2014-11-27 Published:2014-12-10

摘要/Abstract

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。

关键词: GPU, CUDA, 报文分类, 并行计算, 优化

Abstract: Packet classification, which is the basic processing model of network devices, commonly uses packet filtering system to classify each message. Traditional packet classification is difficult to adapt to todays increasingly high network traffic. Its classification processing speed is lower than the speed of packet to reach the network interface, so that it cannot achieve real-time analysis. Therefore, we proposes a method that uses GPU to classify the large scale packet set parallelly. The thread-level parallel processing capability of GPU is made use to accelerate packet classification throughput. Its performance and optimization methods are analyzed in detail. The experimental results show that compared with processing by pure CPU system, GPU-accelerated Linear Search and RFC algorithm achieve a 4.4x~132.5x speedup.

Key words: GPU, CUDA, packet classification, parallel computing, optimization

张唯唯，张玉洁. 基于GPU的并行报文分类方法[J]. 计算机与现代化.

ZHANG Wei-wei, ZHANG Yu-jie. Parallel Packet Classification Method Based on GPU[J]. Computer and Modernization.

参考文献

［1］田立勤,林闯. 报文分类技术的研究及其应用［J］. 计算机研究与发展， 2003,40(6):765-775.
［2］ Hung Che-Lun, Lin Yaw-Ling, Li Kuan-Ching, et al. Efficient GPGPU-based parallel packet classification［C］// 2011 IEEE 10th International Conference on Trust, Security and Privacy in Computing and Communications. 2011:1367-1374.
［3］ Alastair Nottingham, Barry Irwin. GPU packet classification using OpenCL: A consideration of viable classification methods［C］// Proceedings of the 2009 Annual Research Conference of the South African Institute of Computer Scientists and Information Technologists. 2009:160-169.
［4］刘来国,徐炜遐,杨灿群,等. 基于GPU的LARED-P算法加速［J］. 计算机工程与科学， 2009,31(z1):59-63,103.
［5］林一松,杨学军,唐滔,等. 一种基于关键路径分析的CPU-GPU异构系统综合能耗优化方法［J］. 计算机学报， 2012,35(1):123-133.
［6］李焱,张云泉. 异构平台上性能自适应FFT框架［J］. 计算机研究与发展， 2014,51(3):637-649.
［7］肖汉,郭运宏,周清雷,等. 面向CPU+GPU异构计算的SIFT特征匹配并行算法［J］. 同济大学学报（自然科学版）， 2013,41(11):1732-1737.
［8］唐亮,骆祖莹,赵国兴,等. 利于GPU计算具有线性并行度的P/G网SOR求解算法［J］. 计算机研究与发展， 2013,50(7):1491-1500.
［9］ Yang Canqun, Wu Qiang, Tang Tao, et al. Programming for scientific computing on peta-scale heterogeneous parallel systems［J］. 中南大学学报（英文版）, 2013,20(5):1189-1203.
［10］周海芳,赵进. 基于GPU的遥感图像配准并行程序设计与存储优化［J］. 计算机研究与发展， 2012,49(S1):281-286.
［11］Alastair Nottingham, Barry Irwin. Parallel packet classification using GPU co-processors［C］// Proceedings of the 2010 Annual Research Conference of the South African Institute of Computer Scientists and Information Technologists. 2010:231-241.
［12］Sangjin Han, Keon Jang, KyongSoo Park, et al. PacketShader: A GPU-accelerated software router［C］// Proceeding of the ACM SIGCOMM 2010 Conference. 2010:195-206.
［13］Kang Kang, Yangdong Steve Deng. Scalable packet classification via GPU metaprogramming［C］// Design, Automation & Test in Europe Conference & Exhibition. 2011:1-4.
［14］刘胤,杨世平. 基于RFC算法的快速多维数据包分类算法［J］. 计算机工程， 2008,34(6):95-97.
［15］张舒,褚艳利,赵开勇,等. GPU高性能运算之CUDA［M］. 北京：中国水利水电出版社， 2009:141.
［16］Shane Ryoo, Christopher I Rodrigues, Sam S Stone, et al. Program optimization space pruning for a multithreaded GPU［C］// Proceedings of the 6th Annual IEEE/ACM International Symposium on Code Generation and Optimization. 2008:195-204.
［17］陈钢,李国波,吴百锋,等. 面向GPU存储优化的程序重构方法［J］. 小型微型计算机系统， 2011,32(10):1921-1927.
［18］左颢睿,张启衡,徐勇,等. 基于GPU的并行优化技术［J］. 计算机应用研究， 2009,26(11):4115-4118.

[1]	王宏杰, 徐胜超, 杨波, 毛明扬, 蒋金陵. 基于SRv6技术的云网安全服务链自动编排方法[J]. 计算机与现代化, 2024, 0(01): 1-5.
[2]	陈琦, 李晶晶. D2D网络中基于多目标优化的计算卸载策略[J]. 计算机与现代化, 2024, 0(01): 21-28.
[3]	欧基发, 蔡茂国, 洪广杰, 詹楷杰. 基于PWLCM和秃鹰俯冲机制改进的野狗优化算法[J]. 计算机与现代化, 2024, 0(01): 109-116.
[4]	王凯翔, 杨静, 杨文, 米红菊, 甘飞. 基于改进GSA算法的多能源移动电源车优化配置[J]. 计算机与现代化, 2023, 0(12): 105-111.
[5]	杨博, 庄毅. 基于AOA-MSVM的控制集群故障检测方法[J]. 计算机与现代化, 2023, 0(12): 112-116.
[6]	陈晨, 庄毅, 高增. QoE驱动的SDN网络高可用传输框架[J]. 计算机与现代化, 2023, 0(11): 62-68.
[7]	冀心成, 汪衍凯, 张迎, 许彦杰. 贝叶斯优化梯度提升树的室内日光照度分布预测[J]. 计算机与现代化, 2023, 0(09): 44-50.
[8]	潘思源, 张伟. 基于改进LSTM算法的锂电池SOC估计[J]. 计算机与现代化, 2023, 0(08): 25-30.
[9]	雷依翰, 曹利峰, 韩孟达, 韩雪. 软件定义天地一体化网络安全切换架构与方法[J]. 计算机与现代化, 2023, 0(08): 119-126.
[10]	张志国. 一种基于强化学习的铁路通信基站天线覆盖自优化方法[J]. 计算机与现代化, 2023, 0(07): 69-72.
[11]	刘付琪, 张达. 基于PSO-DBN的液压系统冷却器故障诊断[J]. 计算机与现代化, 2023, 0(06): 7-14.
[12]	袁甜甜, 李志华, 邱阳. 基于辅助学习的改进端到端合成语音检测方法[J]. 计算机与现代化, 2023, 0(05): 52-57.
[13]	尹建丰, 卫鑫, 顾雄伟, 黄凯, 魏敏捷. 基于图像阈值优化及改进SVM的电表数字识别[J]. 计算机与现代化, 2023, 0(05): 106-110.
[14]	杜传胜, 高焕兵, 侯宇翔, 汪子建. 基于改进双向A*算法的消防机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 15-19.
[15]	张琦琪, 陈群. 基于ESI合作模式的钢铁企业多目标综合生产计划优化[J]. 计算机与现代化, 2023, 0(04): 39-46.