P4 文献阅读(一)

  • 文章名称:MACSAD: Multi-Architecture Compiler System for

    Abstract Dataplanes (aka Partnering P4 with ODP)

  • 发表时间:2016-8
  • 来源:SIGCOMM
  • 针对什么问题?
    • 把 P4 和 OpenDataPlane 结合在一起。在 MACSAD 下,P4 可以转换为 ODP APIs 以实现平台无关性,同时不用损失性能和硬件加速的选项。
  • 所提出的架构有哪些实现难点?
  • 贡献有哪些?
    • 展示了 MSCSAD 这样一个高级模块能够支持新的领域专用语言和网络平台的多架构编译系统。
    • 设计了一个源到源的编译器用于生成 P4 应用的中间文件。
    • 执行了一个原型,在不同的平台上使用两个 P4 的例子来验证可移植性。
    • 测试了在 10G/s 速度下在不同数据平面和应用程序的的性能。

  • 文章名称:A Zero Flow Entry Expiration Timeout P4 Switch
  • 发表时间:2018-5
  • 来源:SOSR
  • 针对什么问题?
    • 为了支持大规模的 sdn 网络,OpenFlow 交换机需要维护大量的流表项。然而流表是受限于 TCAM 的容量的。
    • 为了减少 TCAM 的占用,交换机在延时期满时将会移除没有被匹配的相应的流表项。
    • 控制器根据两个延时:hard timeout and idle timeout 来管理交换机添加或者删除流表项,这代表需要在流表的利用率和控制器的负担之中进行权衡。
    • 如果设定很小的 timeout,那么会给控制器带来额外的负担。因为控制器可能需要重复添加相同的流表项多次。
  • 解决方案
    • 当探测 FIN 和 RST 包时立即移除对应的流表项。
    • 如果没有探测到流表项则在设定的 idle timeout 超时时也会被移除。
    • 简单来说,原本要在 idle timeout 期满时且没有被匹配时才会移除流表项。那么如果一个连接已经发出了结束的包那么就提前移除而不必等待 idle timeout。
  • 所提出的架构有哪些实现难点?
  • 贡献有哪些?
    • 达到最佳的流表利用率而不用增加控制器额外的负担。

  • 文章名称:P4DB: On-the-fly Debugging of the Programmable Data Plane
  • 发表时间:2017-10
  • 来源:ICNP
  • 针对什么问题?
    • P4 程序运行时的错误无法快速定位并解决。出错后网络操作员只能输出 match-action tables 中所有的表项然后逐个排查。
  • 解决方案
    • 提出一个通用的调试平台 —— P4DB
    • 允许管理员配置一系列原语从而在三个层次(network level、device level、table level)上进行调试 P4 程序。
  • 所提出的架构有哪些实现难点?
  • 贡献有哪些?
    • 据作者所知,P4DB 是第一个用于调试运行时错误的调试平台。
    • 提出三个全新的设计:一、促进解决不同的运行时的错误;二、简化调试的流程;三、 提供不同级别的可视化;
    • 运行了基于 P4-specific PDP 和 hypervisorspecific PDP 的 P4DB 原型。相应的执行了全面的测试,结果显示只需要增加很小的性能负担。

原文地址:https://www.cnblogs.com/multhree/p/9710688.html

时间: 2024-08-06 19:12:27

P4 文献阅读(一)的相关文章

数学文献阅读

1.  Z. Skalak,      On the regularity of the solutions to the Navier-Stokes equations via the gradient of one velocity component,      Nonlinear Analysis,     104      (2014), 84--89. 数学文献阅读,码迷,mamicode.com

文献阅读笔记——group sparsity and geometry constrained dictionary

周五实验室有同学报告了ICCV2013的一篇论文group sparsity and geometry constrained dictionary learning for action recognition from depth maps.这篇文章是关于Sparsing Coding的.Sparse coding并不是我的研究方向.在此仅仅是做个文献阅读后的笔记,权当开拓下我的视野. 从标题就能够看出,这篇论文试图通过学习到group sparsity和geometry constrain

英文文献阅读

怎样看科研论文 一.先看综述 先读综述,可以更好地认识课题,知道已经做出什么,自己要做什么,,还有什么问题没有解决.对于国内文献一般批评的声音很多.但它是你迅速了解你的研究领域的入口,在此之后,你再看外文文献会比一开始直接看外文文献理解的快得多.而国外的综述多为本学科的资深人士撰写,涉及范围广,可以让人事半功倍. 二.有针对地选择文献针对你自己的方向,找相近的论文来读,从中理解文章中回答什么问题,通过哪些技术手段来证明,有哪些结论?从这些文章中,了解研究思路,逻辑推论,学习技术方法.1. 关键词

空间插值文献阅读(Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall)

空间插值技术应用必读论文---P. Goovaerts, Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. Journal of Hydrology, 2000, 113-129. 本博文从研究意义.研究区及预处理.所使用的插值方法以及对插值方法的评价这四个角度对该文进行了详细评述,并分析了该文的一些不足. 1内容评述 该文利用三种以高程作为辅助信息的

文献阅读001

文献题目如下: [1] 2002 ICIP Face photo recognition using sketch [2] 2005 CVPR a nonlinear approach for face sketch synthesis and recognition [3] 2017 Data-driven vs. model-driven Fast face sketch synthesis 本周刚入实验室,粗略地阅读张老师推荐的三篇论文,了解一下研究方向. 大方向:人脸识别(face re

深度学习文献阅读笔记(2)

  12.深度学习的昨天.今天和明天(中文,期刊,2013年,知网) 记录了Hinton提出的两个重要观点:一是多隐层神经网络具有优异的特征学习能力,而是深度网络在训练上的难度可通过"逐层初始化"有效克服.详细描述了及机器学习的两次浪潮:浅层学习和深度学习,并指出深度学习研发面临的重大问题,属于一篇技术总结性文章. 13.基于卷积神经网络的植物叶片分类(中文,期刊,2014年,知网). 主要讲述CNN的发展历史. 14.改进的深度卷积网络及在碎纸片拼接中的应用(中文,期刊,2014年,

深度学习文献阅读笔记(4)

31.卷积神经网络及其在及其视觉中的应用(Convolutional Networks and applications in Vision)(英文,会议论文,2010年,IEEE检索) 文章对CNN的原理.结构介绍得比较详细,总结了卷积神经网络在很多方面的应用,并给出了CNN的无监督训练改进方案,做了大量对比实现,参考文献具有权威性. 32.卷积网络和非卷积网络的联合训练(Joint training of convolutional and non-convoltional neural n

深度学习文献阅读笔记(7)

61.基于PCANet-RF的人脸检测系统(中文,期刊,2016,知网) PCANet人脸检测. 62.使用人脸图像的SVM性别分类(Gender Identification using SVM Based on Human Face Images)(英文,会议,2014,EI检索) 就是单纯的使用LBP+SVM进行性别识别,之处在性别识别中多项式核要优于高斯核. 63.基于深度神经网络和树搜索的围棋博弈(英文,期刊,2016,Nature) 这是2016年击败人类的AlphaGo模型对应的论

深度学习文献阅读笔记(1)

转眼间已经研二了,突然想把以前看过的文献总结总结与大家分享,留作纪念,方便以后参考. 1.深度追踪:通过卷积网络进行差异特征学习的视觉追踪(DeepTrack:Learning Discriminative Feature Representations by Convolutional Neural Networks for visual Tracking)(英文,会议论文,2014年,EI检索) 将卷积神经网络用于目标跟踪的一篇文章,可将CNN不仅仅可以用做模式识别,做目标跟踪也是可以,毕竟