liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Implementing and Comparing Static and Machine-Learning scheduling Approaches using DPDK on an Integrated CPU/GPU
Linköpings universitet, Institutionen för datavetenskap, Programvara och system.
Linköpings universitet, Institutionen för datavetenskap, Programvara och system.
2019 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

As 5G is getting closer to being commercially available, base stations processing this traffic must be improved to be able to handle the increase in traffic and demand for lower latencies. By utilizing the hardware smarter, the processing of data can be accelerated in, for example, the forwarding plane where baseband and encryption are common tasks. With this in mind, systems with integrated GPUs becomes interesting for their additional processing power and lack of need for PCIe buses.This thesis aims to implement the DPDK framework on the Nvidia Jetson Xavier system and investigate if a scheduler based on the theoretical properties of each platform is better than a self-exploring machine learning scheduler based on packet latency and throughput, and how they stand against a simple round-robin scheduler. It will also examine if it is more beneficial to have a more flexible scheduler with more overhead than a more static scheduler with less overhead. The conclusion drawn from this is that there are a number of challenges for processing and scheduling on an integrated system. Effective batch aggregation during low traffic rates and how different processes affect each other became the main challenges.

Ort, förlag, år, upplaga, sidor
2019. , s. 72
Nyckelord [en]
GPU, Jetson Xavier, DPDK
Nationell ämneskategori
Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:liu:diva-162295ISRN: 2019 | LIU-IDA/LITH-EX-A--19/092--SEOAI: oai:DiVA.org:liu-162295DiVA, id: diva2:1373336
Externt samarbete
Ericsson
Ämne / kurs
Informationsteknologi
Presentation
2019-11-11, Alan Turing, 581 83 Linköping, Linköping, 19:17 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2019-11-29 Skapad: 2019-11-26 Senast uppdaterad: 2019-11-29Bibliografiskt granskad

Open Access i DiVA

fulltext(2088 kB)55 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2088 kBChecksumma SHA-512
9805a609529236e236cb489c0f30caea54f0b0cc6e679f1eca55b5ff1448baeea736c67534b8237d9241d1508100f871a12e54e68847a980657566960eb2fef9
Typ fulltextMimetyp application/pdf

Av organisationen
Programvara och system
Teknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 55 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 825 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf