复旦大学规划机科学本事学院徐扬教会科研团队的盘问论文《BMW Tree: Large-scale， High-throughput and Modular PIFO Implementation using Balanced Multi-Way Sorting Tree》被ACM SIGCOMM 2023摄取，论文的第一作家为博士生姚如意欧美性爱，第二作家为博士生张志禹，设备磨真金不怕火为徐扬教会和刘森后生副盘问员。该责任聚拢了复旦大学微电子学院和纽约大学共同完成。
ACM SIGCOMM是海外通讯网罗范围的顶尖会议，以高质地、高影响力著称，在该会议几十年的历史上，第一单元是国内大陆科研院所的论文总额很少，这亦然复旦大学初次以第一完成单元在SIGCOMM会议上发表学术秩序。SIGCOMM 2023将于2023年9月10-14日在好意思国纽约市召开。
在网罗竖立中，数据包诊疗器对网罗讹诈的管事质地起着至关繁重的作用。传统的网罗竖立诊疗政策固化，不时只维持小数常见的诊疗算法供用户通过成就参数礼聘使用。然则在刻下以数据中心网罗为代表的复杂网罗环境中，网罗模子和流量模子愈发复杂，网罗讹诈的诊疗目标也变得多种千般。跟着新讹诈的不休出现，将来还可能出现新的未知的诊疗目标。传统固化的数据包诊疗器还是难以适用于多种诊疗目标的网罗环境，需要可编程诊疗器来天真浅薄地收场各式诊疗算法。
可编程诊疗器数据结构示例：2叉均衡多路排序树
灯塔-党建在线近几年海外上不竭有盘问团队暴虐不同的可编程诊疗器筹划决策，然则现存的决策无法兼顾高迷糊量、高可延伸性和高诊疗准确度这三个目标。针对该问题，论文筹划了一种新式数据结构：均衡多路排序树（BMW-Tree），该数据结构具有节点模块化，“插入均衡性”好（Insertion-Balanced），维持活水线操作，以及维持准确诊疗等优点。基于此数据结构，论文筹划了两种省略高效的硬件收场决策。第一种是基于寄存器的R-BMW决策，通过活水线筹划，R-BMW省略赢得与树深度无关的厚实高迷糊量。第二种决策（RPU-BMW）基于论文中暴虐的RPU（Ranking Processing Unit）科罚引擎；通过将树节点存储在SRAM中，按需动态加载到RPU中进行排序操作，不错极地面缩小寄存器的使用，赢得极高的可延伸性。
论文将两种决策在Xilinx Alveo U200 FPGA加快卡上进行了原型收场。评估秩序标明欧美性爱，与原始PIFO收场比拟（SIGCOMM 2016论文），R-BMW在赢得同样容量的同期，迷糊量缓助了4.8倍。论文在GlobalFoundries的28纳米工艺上笼统收场了具有更好可延伸性的RPU-BMW决策。秩序标明，一个具有8层4叉的RPU-BMW诊疗器仅需使用约0.5%的芯单方面积和0.57MB的片外SRAM存储支出，就能收场每秒2亿次数据包诊疗和87，000个流的诊疗范围。