GPU OpenFlow海量数据网络处理模型——GOMDI

作     者：张伟 解争龙 丁要军 张潇晓 ZHANG Wei;XIE Zhenglong;DING Yaojun;ZHANG Xiaoxiao

作者机构：咸阳师范学院信息工程学院陕西咸阳712000 西北工业大学计算机学院西安710072 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2014年第34卷第8期

页      面：2243-2247,2272页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(61102018) 陕西省教育厅科研计划项目(12JK0933) 陕西省科技厅科研计划项目(2013JM8037) 咸阳师范学院专项科研基金资助项目(12XSYK068) 

主　　题：OpenFlow GPU 生物序列 机器学习 

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。