افزایش سرعت دسته بندی بسته ها به روش درخت سلسله مراتبی به کمک واحد پردازش گرافیکی
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,267
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_144
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
دسته بندی بسته ها یکی از پردازش های اساسی در مولفه های متنوع شبکه ای است که اغلب توسط پردازنده های شبکه ای اجرا می گردد. دسته بندی بسته ها فرآیندی خودکار است که جریان های ترافیکی شبکه را بر اساس پارامترهای متعدد از جمله پورت و آدرس فرستنده و گیرنده طبقه بندی می نماید. یکی از روش های موجود برای تسریع مکانیسم دسته بندی بسته ها، پیاده سازی سخت افزاری آنها است. اما، این راه حل ها دارای هزینه بالا و توسعه پذیری پایین است. در مقابل روش های نرم افزاری که این مشکلات را برطرف می کنند نیز سرعت پائینیدارند. یکی از الگوریتم های مطرح در روش نرم افزاری، الگوریتم درخت سلسله مراتبی است. مهمترین ویژگی این الگوریتم ، ساخت درخت تصمیم با کمترین میزان حافظه مصرفی و پیچیدگی زمان جستجو است. در این الگوریتم یک درخت تصمیم برای اولین فیلد(آدرس مبدا) و چندین درخت تصمیم برای فیلد دوم (آدرس مقصد) ایجاد می شود. به منظور تسریع اجرای الگوریتم دسته بندی درخت سلسه مراتبی، در این مقاله یک نسخه موازی از آن به کمک واحد پردازش گرافیکی ارائه می دهیم. نتایج پیاده سازی حاکی از برتری روش پیشنهادی از نقطه نظر تسریع زمان اجرا نسبت به پیاده سازی نسخه سریال الگوریتم درخت سلسله مراتبی است.
کلیدواژه ها:
نویسندگان
میلاد رفیعی
دانشجوی کارشناسی ارشد شبکه های کامپیوتری، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان،
علی نجفی
دانشجوی کارشناسی ارشد شبکه های کامپیوتری، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان
مهدی عباسی
استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان
محمد نصیری
استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :