Maximizando o desempenho de funções de rede virtualizadas utilizando aceleração de hardware a partir de FPGAs

Abstract

Virtualização de funções de rede (NFV, Network Functions Virtualization) propõe desacoplar funções de rede de plataformas de hardware dedicadas e implementá-las em máquinas virtuais. Embora esta tecnologia tenha o potencial de melhorar o escalonamento e provisionamento sob demanda, implementações baseadas em software não correspondem, para algumas funções, ao alto desempenho que os dispositivos de hardware dedicado oferecem, tipicamente, podendo ser um gargalo para o ambiente de rede com taxas de transferência na ordem de Gigabit/s. Portanto, este trabalho propõe explorar o uso de aceleração de hardware no contexto de NFV, com o objetivo de aumentar a taxa de transferência e diminuir a latência das Funções de Rede Virtualizadas (VNFs, Virtualized Network Function), assegurando as vantagens previstas por essa tecnologia. Nesse cenário, os Arranjos de Portas Programáveis (FPGAs, Field Programmable Gate Array) convêm como aceleradores apropriados, por conta de fornecerem implementações de alto desempenho e serem completamente reprogramáveis.

Network Function Virtualization (NFV) proposes to decouple network functions from dedicated hardware platforms and to implement them in virtual machines. While this technology improves on-demand scheduling and provisioning, software-based implementations do not match, for some functions, the high performance that dedicated hardware devices typically offer, and can be a bottleneck for the network environment with transfer rates in the order of Gigabit / s. Therefore, this work proposes to explore the use of hardware acceleration in the context of NFV, with the objective of increasing the transfer rate and reducing the latency of Virtualized Network Functions (VNFs), ensuring the advantages provided by this technology. In this scenario, Field Programmable Gate Array (FPGAs) act as appropriate accelerators because they provide high-performance implementations and are fully reprogrammable.