Veri odaklı iletişim ağlarında ölçeklenebilir ve verimli yönlendirmeyi desteklemek için GPU hızlandırmalı yüksek performanslı IP araması

Neden Daha Hızlı İnternet Yolları Önemli

Paylaştığınız her fotoğraf, izlediğiniz her video veya gönderdiğiniz her ileti, yönlendiriciler adı verilen dijital kavşaklar labirentinden geçmek zorunda. Her yönlendirici, her veri paketinin bir sonraki adımda nereye gideceğine hızlıca karar vermek zorunda. Küresel internet kullanımının patlamasıyla bu kararlar saniyede milyarlarca kez veriliyor ve küçük gecikmeler bile daha yavaş gezinti veya tıkalı ağlar olarak hissedilebiliyor. Bu makale, bu karar sürecinin en zaman alıcı adımlarından birini hızlandırmak için video oyunlarını ve yapay zekâyı da çalıştıran grafik işlemcilerin (GPU) muazzam paralel gücünden yararlanarak gelecekteki ağların hızlı ve ölçeklenebilir kalmasını sağlayan yeni bir yolu inceliyor.

İnternetin Gizli Adres Defteri

Her yönlendiricinin merkezinde, IP adres aralıklarını bir sonraki atlama noktasıyla eşleyen büyük bir adres defteri, yani yönlendirme tablosu bulunur. Bir paket geldiğinde, yönlendirici hedef adresle en iyi eşleşen girişi bulmak zorundadır; bu, kısmi adres eşleşmeleri arasından en özel olanı seçen "en uzun önek eşleşmesi" kuralıyla yapılır. Geleneksel yazılım yöntemleri bu önekleri ağaç benzeri yapılarda saklayıp adım adım dolaşır. Bu yaklaşım işe yarar, ancak tablolar on binlerce ya da yüz binlerce girdiye ulaştıkça süreç yavaşlar ve özellikle aynı anda sınırlı sayıda işi yürütebilen sıradan merkezi işlemcilerde daha çok bellek gerektirir.

Grafik Çipini Trafik Polisi Yapmak

Yazarlar bu ağır arama işini binlerce küçük görevi paralel çalıştırmak üzere tasarlanmış bir grafik işlem birimine (GPU) yüklemeyi öneriyor. Tasarımları GPU'yu ana işlemciye yardımcı bir birim olarak ele alıyor. Merkezi işlemci yönlendirme tablosunu hazırlar ve düzenler, sonra veri sıkıştırılmış, kompakt hâllerini GPU'ya gönderir. Paketler geldiğinde hedef adresler bölünür ve GPU'ya gönderilir; GPU'da birçok iş parçacığı aynı anda en iyi eşleşmeyi arar. Yüzlerce ya da binlerce aramanın paralel gerçekleşmesine izin vererek, yönlendirici modern veri odaklı iletişim talepleriyle başa çıkabiliyor.

Kararları Hızlandırmak İçin Adresleri Küçültmek

Çalışmanın temel bulgularından biri daha kısa adreslerin aramanın daha hızlı olmasını sağlamasıdır. Ham IP adresleri yerine yazarlar, en yaygın adres desenlerine daha kısa kodlar atayan kayıpsız bir yöntem olan Huffman kodlamasıyla adresleri sıkıştırıyor. Bu, her girişi temsil etmek için gerekli olan ortalama bit sayısını azaltarak hem bellek kullanımını hem de alttaki arama yapısının yüksekliğini düşürüyor. Ardından önekleri, her seferinde yalnızca bir bit yerine birkaç biti inceleyen "çok bitli" bir ağaçta saklıyorlar ve böylece gereken adım sayısını daha da azaltıyorlar. GPU’nun gücüne uyum sağlamak için bu ağacı basit tek boyutlu dizilere dönüştürüyorlar; karmaşık işaretçi takiplerini binlerce iş parçacığının verimli şekilde yürütebileceği düzenli indeks hesaplamalarıyla değiştiriyorlar.

Devasa Paralellik İçin Problemi Bölmek

Performansı daha da artırmak için araştırmacılar her sıkıştırılmış adresi iki eşit yarıya bölüp birinci yarı için bir ağaç, ikinci yarı için ayrı bir ağaç inşa ediyorlar. Bir paket geldiğinde GPU her iki ağacı paralel olarak arıyor. Her arama olası küçük bir eşleşme kümesi döndürüyor ve nihai yanıt bu kümelerin kesişiminden, ortak en özel önek bulunarak elde ediliyor. İş bölündüğünden ve eşzamanlı işlendiğinden geçen süre esasen maksimum önek uzunluğuna ve her adımda incelenen bit sayısına bağlı oluyor; tablodaki giriş sayısına bağlı kalmıyor. Gerçek İnternet yönlendirme verileri kullanılarak yapılan testler, tablo büyüse bile bu tasarımın neredeyse sabit bir arama süresi sağladığını gösteriyor.

Deneyler Ne Gösteriyor

Takım GPU tabanlı yöntemlerini klasik ikili ağaçlar, sıkıştırılmış ağaçlar ve karma ve ikili arama ağaçları gibi diğer GPU hızlandırmalı şemalar dahil olmak üzere çeşitli iyi bilinen yaklaşımlarla karşılaştırdı. Gerçek yönlendirme veri setlerinde sistemleri dramatik kazançlar sağladı: popüler merkezi işlemci tabanlı ağaç yöntemlerinden yaklaşık %83–91 daha hızlı ve önceki GPU yöntemlerinden %89–97 daha hızlı. Sıkıştırma ayrıca ortalama olarak bellek kullanımını yaklaşık üçte bir oranında azalttı; sınırlı çip içi bellek üzerindeki baskıyı hafifletti ve GPU’nun arama yapılarını sığ ve verimli tutmaya yardımcı oldu. Önemli olarak, yöntemin performansı farklı yönlendirme tablosu boyutlarıyla kararlı kaldı; bu da büyüyen ağlar için uygunluğunu vurguluyor.

Günlük Kullanıcılar İçin Anlamı

Uzman olmayan biri için sonuç şu: yazarlar grafik çipini, adres bilgilerini akıllıca küçültüp bölerek internet verisi için son derece verimli bir trafik memuruna nasıl dönüştürebileceklerini gösteriyor. Sıkıştırma, daha akıllı ağaç düzenleri ve devasa paralel aramayı birleştirerek yaklaşımları, internetin adres defterleri genişledikçe yavaşlamadan her paket için en iyi rotayı çok daha hızlı buluyor. Çalışma esas olarak bugünün adres sistemi için gösterilmiş olsa da aynı fikirler yarının daha geniş adres alanına da uyarlanabilir; bu da veri talebimiz artmaya devam ederken gelecekte çevrimiçi hizmetlerin duyarlı kalmasına yardımcı olabilir.

Atıf: Sonai, V., Bharathi, I., Alshathri, S. et al. High performance IP lookup through GPU acceleration to support scalable and efficient routing in data driven communication networks. Sci Rep 16, 9612 (2026). https://doi.org/10.1038/s41598-025-33233-x

Anahtar kelimeler: GPU yönlendirme, IP araması, ağ ölçeklenebilirliği, paket iletimi, paralel hesaplama