基于深度学习的计算机网络数据包路由策略

◆龚方生

（广州涉外经济职业技术学院 广东 510540）

1 引言

计算机网络中的路由器经历了几代硬件上的更新升级，但由于构建网络核心和无线-有线异构架构的方式基本保持不变，其路由算法背后的主要思想也基本相似。为了适应网络流量的激增，网络核心基础结构只是通过添加更多、更大的路由器和更多、更快的网络连接的方式来继续扩大规模，越来越大的核心网络导致网络运营商的投资收益正在下降。流量管理的软件方面主要集中在新路由策略的应用上，而新的路由策略的应用可能要等到新一代功能强大的硬件体系结构出现之后才能实现，因此软件驱动的路由策略的应用总是落后于流行的路由策略。为了应用针对由不同网络服务开发的最新软件驱动的路由算法，有必要提高核心路由器的可编程性。然而，由于其专有的硬件架构，设计可编程路由器是一个充满挑战的研究领域。因此，研究人员考虑使用软件定义路由器，该软件在商品硬件体系结构上部署了可编程路由策略以执行数据包的处理和传输。

尽管多核中央处理器（CPU）主导了相关研究领域，但图形处理器（GPU）同时运行成千上万的线程来有效地处理数据包的能力使得GPU 加速的软件定义路由器成为新的研究热点。同时，GPU 也可与多核CPU 协作以同时执行不同的指令，GPU 和CPU 的协作可以显著提高定义路由器的数据包处理吞吐量。在本文中，我们专注于数据包路由策略的设计。……