تولید اتوماتیک تجزیه کننده بسته برنامه پذیر: بهبود سخت افزاری معماری سوئیچ OPEN FLOW با استفاده از FPGA
محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 597
فایل این مقاله در 7 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:
ICIKT08_147
تاریخ نمایه سازی: 5 بهمن 1395
چکیده مقاله:
امروزه زیرساخت های شبکه درکاربردهای صنعتی، خانگی و تجاری به یک موضوع بحرانی تبدیل شده در حالی که شبکه کنونی استاتیک وغیر قابل برنامه ریزی است. شبکه نرم افزارمحور به تازهگی قابلیت برنامه پذیری و نوآوری در شبکه را توسط OpenFlow به میان آورده کهانعطاف پذیری و مدیریت شبکه را در پی داشته است به طوری که هوش شبکه در کنترلر سوئیچ OpenFlow قرار گرفته و ترافیک شبکهرا در سطح داده مدیریت میکند. تاکنون پیاده سازیهایی از تجزیه کننده بسته بر روی FPGA در شبکه نرم افزارمحور مطرح شده اند کهفاقد انعطاف پذیری لازم و برنامه پذیری بوده اند و تنها از یک گراف تجزیه پشتیبانی می کنند که این خود باعث بروز محدودیت در ایجادپروتکل های جدید شبکه می شود. در واقع تجزیه کننده های بسته ثابت بوده اند و فاقد انعطاف پذیری لازم برای پشتیبانی از خصوصیاتنسخه های مختلف سوئیچ OPEN FLOW می باشند. دراین مقاله به تولید اتوماتیک، تجزیه کننده بسته برنامه پذیر برای سوئیچ OPEN FLOW با استفاده از Genesis بر روی FPGA پرداخته شده است که علاوه بر ایجاد انعطاف پذیری بالا در سوئیچ، قابلیت برنامه پذیری رادارا است و امکان پشتیبانی از گراف های تجزیه متفاوت را در زمان اجرا فراهم می کند. با تولید این تجزیه کننده بسته برنامه پذیر بر رویFPGA موجب بهبود عملکرد سوئیچ و بالا بردن انعطاف پذیری در سطح داده شبکه نرم افزارمحور خواهیم شد. شبیه سازهای انجام شده ازتجزیه کننده بسته نشان دهنده عملکرد صحیح تجزیه کننده و برنامه پذیری آن در سطح شبکه می باشد.
کلیدواژه ها:
نویسندگان
عباس یزدی نژاد
دانشکده مهندسی کامپیوتر دانشگاه اصفهان
کمال جمشیدی
دانشکده مهندسی کامپیوتر دانشگاه اصفهان
علی بهلولی
دانشکده مهندسی کامپیوتر دانشگاه اصفهان
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 :