| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-25页 |
| 1.1 研究背景 | 第15-17页 |
| 1.2 研究内容及挑战 | 第17-20页 |
| 1.2.1 吞吐率问题 | 第18-19页 |
| 1.2.2 能耗问题 | 第19-20页 |
| 1.3 研究意义 | 第20-21页 |
| 1.4 本文主要工作 | 第21-22页 |
| 1.5 本文组织结构 | 第22-25页 |
| 第2章 国内外研究现状 | 第25-33页 |
| 2.1 包分类算法研究现状 | 第25-27页 |
| 2.2 包分类规则研究现状 | 第27-28页 |
| 2.3 包处理平台相关工作 | 第28-29页 |
| 2.4 基于GPU平台的包分类研究 | 第29-30页 |
| 2.5 基于异构系统平台的包分类研究 | 第30-33页 |
| 第3章 基于CPU亲和性的包分类平台高性能低功耗优化 | 第33-56页 |
| 3.1 引言 | 第33-36页 |
| 3.2 发包平台 | 第36-40页 |
| 3.2.1 软件发包器 | 第36-38页 |
| 3.2.2 DPDK平台 | 第38-40页 |
| 3.3 AFFCON功耗优化方案 | 第40-47页 |
| 3.3.1 服务器平台架构 | 第40-41页 |
| 3.3.2 CPU亲和性 | 第41-42页 |
| 3.3.3 AFFCON功耗优化方案 | 第42-47页 |
| 3.4 实验评估 | 第47-54页 |
| 3.5 结论 | 第54-56页 |
| 第4章 基于社区发现的包分类算法 | 第56-72页 |
| 4.1 引言 | 第56-58页 |
| 4.2 规则相似性分析 | 第58-63页 |
| 4.2.1 传统的相似性算法 | 第58-59页 |
| 4.2.2 包分类规则分析 | 第59-62页 |
| 4.2.3 向量范围相似度算法 | 第62-63页 |
| 4.3 基于社区发现的包分类算法 | 第63-67页 |
| 4.3.1 传统的社区发现算法 | 第63页 |
| 4.3.2 ComCuts包分类算法 | 第63-67页 |
| 4.4 实验评估 | 第67-71页 |
| 4.5 小结 | 第71-72页 |
| 第5章 基于GPU的模糊控制包分类算法 | 第72-90页 |
| 5.1 引言 | 第72-73页 |
| 5.2 包分类并行计算 | 第73-74页 |
| 5.3 基于模糊控制的能耗优化 | 第74-80页 |
| 5.3.1 模糊控制模型 | 第74-77页 |
| 5.3.2 基于GPU的节能模糊控制模型 | 第77-80页 |
| 5.4 实验评估 | 第80-89页 |
| 5.4.1 GPU硬件配置参数 | 第80-83页 |
| 5.4.2 GPU软件设置参数 | 第83-84页 |
| 5.4.3 其它相关参数 | 第84-89页 |
| 5.5 小结 | 第89-90页 |
| 第6章 基于CPU-GPU异构平台的节能型高性能包分类算法 | 第90-102页 |
| 6.1 引言 | 第90-91页 |
| 6.2 CPU-GPU异构系统 | 第91-93页 |
| 6.2.1 异构系统架构 | 第91-92页 |
| 6.2.2 CPU内存 | 第92-93页 |
| 6.2.3 GPU内存 | 第93页 |
| 6.3 基于异构系统的包分类算法 | 第93-96页 |
| 6.3.1 GPU零拷贝 | 第93-95页 |
| 6.3.2 内存优化的包分类算法 | 第95-96页 |
| 6.4 实验评估 | 第96-100页 |
| 6.5 小结 | 第100-102页 |
| 结论 | 第102-104页 |
| 参考文献 | 第104-115页 |
| 附录A 完成论文和参加科研情况说明 | 第115-117页 |
| 致谢 | 第117-118页 |