A Framework Integrating FPGAs in VNF Networks
Notice bibliographique
Résumé
Future telecommunications networks require more throughput and lower latency. The slowdown of Moore’s Law forces one to think beyond traditional CPU servers to satisfy these needs. FPGAs have been shown to provide exceptional throughput and latency, but they currently lack support for many of the orchestration and reconfiguration tools required by telecommunications networks, namely exposing a standard configuration API for SDN applications to control, and having the ability for tools such as Kubernetes to provision and reuse these compute resources.We propose an FPGA Framework for Interactive VNF Environments, or FFIVE for short. We utilize the framework for the creation of FPGA-based containers allowing them to be deployed by Kubernetes and virtually connected via VXLAN. This enables us to migrate the FPGA as needed in the virtual network, allowing for quick image substitution as usage changes. We also enable the use of RESTful APIs to control, reprogram, and manage an FPGA making it usable by SDN applications. Essentially, our framework makes the deployment and management of FPGA-based containers in telecom analogous to their CPU counterparts but with the improved bandwidth, efficiency, and latency provided by FPGAs. Comparing the network stack and chaining of our approach with conventional multi-threaded CPU server implementations, we offer 59-fold to 175-fold throughput increase and a 97.5% reduction of latency for networking and chaining. We are also able to reduce the latency of a real-world firewall VNF by 92.3%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».