网络研究员,美国能源部下属的费米国家加速器实验室找到了一个潜在的新使用图形处理单元——捕获网络流量实时数据。
基于gpu的网络监控可以唯一合格的跟上所有的流量流经网络运行10 gbps(吉比特每秒)或更多,费米实验室的Wenji Wu说。
(更多的显示:从SC13热产品]
Wenji提出他的工作作为海报的一部分,一系列新的研究SC 2013年超级计算大会本周在丹佛。
网络分析工具面临的挑战极端跟上所有的今天更大的交通网络,他说。增加压力,网络管理员越来越希望检查实时操作数据,因为它正在发生。
进行处理,今天的商业监测设备通常依赖于标准的x86处理器或客户asic(特定于应用程序的集成电路)。
架构都有其局限性,Wenji指出。没有内存带宽、cpu计算能力跟不上最大的实时网络。因此,他们可以把数据包。
asic可以有足够的内存带宽和计算能力的任务,但他们的自定义架构是困难的,和昂贵的项目。他们也不提供处理职责分割成并行任务的能力,这对看高速网络正变得越来越必要。
gpu可以提供所有这些功能,Wenji说。他们“一个伟大的并行执行模型,”他说,并指出,他们提供高内存带宽,易于编程,可以将跨多个核心数据包捕获过程。
正如它们的名字所暗示的那样,gpu最初呈现图形设计在电脑屏幕上。他们的体系结构,包括许多在串联工作的处理器核心,也让他们有用一般协处理器擅长固有的并行的任务。
在最新的排行排名的世界上最强大的超级计算机,38个机器使用Nvidia gpu来提高产量。
监控网络的任务需要阅读所有的交叉网络数据包,这需要大量的数据并行性,“Wenji说。
Wenji已经建立了一个原型费米实验室演示了基于GPU的网络监控的可行性,使用Nvidia M2070 GPU和现成的网卡(网络接口卡)来捕获网络流量。系统可以很容易地扩大额外的gpu,他说。
在此设置中,Wenji发现数据包通过gpu处理可以大大加速。一个核心CPU-based网络监测相比,基于gpu的体系能够通过17倍速度性能。六个核心CPU相比,使用GPU加速的3倍。
商业网络设备制造商可以使用GPU来提高设备的线率,以及降低开发成本,使用预先存在的GPU编程模型如Nvidia CUDA(统一计算设备架构)框架,Wenji说。
约押杰克逊涵盖了企业软件和通用技术新闻IDG新闻服务。在推特上跟随约押@Joab_Jackson。约押的电子邮件地址Joab_Jackson@idg.com