اعظم فاضل نجف آبادی

اعظم فاضل نجف آبادی


تاریخ انتشار : Publish : نسخه قابل چاپ Print

 

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته فناوری اطلاعات گرایش شبکههای کامپیوتری

 

 

عنوان:

 

ارتقا کارایی دسته­بندی بسته­ها در الگوریتم فضای چندتایی با استفاده از خوشه واحد پردازش گرافیکی

 

استاد راهنما:

دکتر مهدی عباسی

 

 

داوران :

دکتر محمد نصیری

دکتر یونس سیفی

 

نگارش:

اعظم فاضل نجف­آبادی

 

زمان :دوشنبه 25 بهمن ماه ساعت 17

مکان : آمفی تئاتر

 

 

چکیده

دسته­بندی بسته­ها یکی از پردازش­های اساسی در مولفه­های متنوع شبکه­ای است که توسط پردازنده­های شبکه­ای اجرا می­شود.این فرآیند جریان­های ترافیکی را بر اساس پارامترهای مختلف دسته­بندی می­کند. روش­های سخت­افزاری هزینه­ی بالا و توسعه­پذیری محدودی را به­همراه دارند. در مقابل روش­های نرم­افزاری که این مشکلات را برطرف می­کنند سرعت پایینی دارند. يک ايده کليدي براي رفع اين مشکل، موازي‏سازي دسته­بندي بسته‏ها روي خوشه­ی پردازش مرکزی است. در این پژوهش الگوریتم فضای­چندتایی در خوشه­ی پردازنده­ی گرافیکی-مرکزی و ترکیب این خوشه­ها با سناریوهای مختلف پیاده­سازی شده است. در اين سناريوها برای اجرای موازی الگوریتم روی خوشه­ی پردازنده گرافیکی از کتابخانه­های MPI و روی خوشه پردازنده مرکزی از کتابخانهMPI  وOpenMP  بهره گرفته شده است و با اجراي الگوريتم روي سیستم تک پردازنده گرافیکی و مرکزی با استفاده از کتابخانه­­ی نامبرده مقایسه شده است. نتایج پیاده­سازی سناریوها و حالت­های مختلف بر خوشه پردازنده گرافیکی نشان می­دهد که کارایی آن بهتر از استفاده از یک سیستم با یک پردازنده گرافیکی است. همچنین نتايج پياده سازي و اجراي الگوریتم بر ترکیب خوشه­­های پردازنده مرکزی وگرافیکی نشان می­دهد که نتایج آن نسبت به استفاده از خوشه گرافیکی به­مراتب بهتر است.

کلمات کلیدی

دسته­بندی بسته، جستجوی فضای چندتایی،پردازنده گرافیکی، خوشه گرافیکی،MPI

 

 

  Abstarct:

  packet classification is one of the primary processes in diverse network elements which often is run by network processors. This automatic process classifies network traffic flows based on several parameters including port number and address of the source and destination. Though it is possible to accelerate packet classification algorithms through their hardware implementation, this solution has a high cost and a limited extensibility. On the other hand, software methods which solve these problems suffer from low speed. A key idea to solve this problem is to parallelize packet classification on graphical processing units (GPUs). In this paper, we study parallel forms of tuple space search to classify packets on  GPU Cluster using CUDA platform. To achieve the highest level of parallelism offered by CUDA, a fine-grain parallelism is considered. In the proposed form, after transferring packets from the host memory to the general memory of Cluster GPU, each packet is assigned to a thread to be classified. In addition, the performance of parallel implementation of aforementioned algorithms is evaluated considering three possible scenarios of storing classification rules and packet headers in different memory modules of  GPU Cluster.

Results show that parallel versions of algorithms on GPU Cluster, are superior to their corresponding sequential versions on one GPU, in speed and throughput. In addition, the highest performance of the parallel algorithm is achieved when the GPU cluster is used.

   Moreover, we are parallelized Tuple Space  algorithms On CPU Cluster and CPU-GPU cluster via  possible methods. Comparing evaluation results shows that the parallel versions of these algorithms on CPU-GPU Cluster is better than corresponding parallel versions on one GPU,CPU and GPU Cluster in speed and throughput.

 

Key Words: Packet Classification, Tuple Space Search, GPU, GPU Cluster Parallel Process,

High-Performance

 

 

رزومه

 

مشخصات فردی: اعظم فاضل نجف­آبادی

تاریخ تولد:14/07/69

تحصیلات

دیپلم ریاضی فیزیک

کارشناسی مهندسی نرم­افزار-دانشگاه بوعلی­سینا1393

کارشناسی ارشد فناوری اطلاعات گرایش شبکه­های کامپیوتری-دانشگاه بوعلی سینا1395

سوابق پژوهشی

ارائه مقاله ارتقا کارایی دسته­بندی بسته­ها در الگوریتم درخت تصمیم با استفاده از واحد پردازش گرافیکی در بیست و دومین کنفرانس انجمن کامپیوتر

ارائه پوستر در هفته پژوهش با عنوان ارتقا کارایی بسته­ها در الگوریتم فضای چندتایی با استفاده از خوشه واحد پردازش گرافیکی در دانشگاه بوعلی سینا

تماس با من

پست الکترونیک: Azamfazel1990@gmail.com

شماره تماس:09397964516

آدرس: اصفهان-نجف­اباد خ شیخ بهایی جنوبی کوی شهید عرب­پور

مهارت­ها و توانایی­ها

زبان­های برنامه­نویسی:C،C++،C# و جاوا

طراحی وب سایت

آشنایی با برنامه­نویسی اندروید

آشنایی با سیستم­عامل لینوکس

طراحی بستر خوشه گرافیکی در محیط لینوکس

کار با نرم­افزارهای:

o Packet Tracer (Network Simulation Program),

o MATLAB (machine learning algorithms),

o Wireshark (Networking),

o Visual Studio ,

o Office (word & PowerPoint & Excel )