IP包分类算法研究

IP包分类算法研究

论文摘要

网络新业务的不断出现,对网络传输速度提出了越来越高的要求。为适应这些新变化,ISP (Internet Service Provider)一方面必须升级因特网骨干网络的速度,一方面必须筹划新的有差别的网络服务,以满足不同用户的需要。由于光纤技术和DWDM(DenseWavelength-Division Multiplexing)技术的发展使得链路的速率不再成为瓶颈,而路由器作为连接链路的节点,其性能会成为主要瓶颈。高速路由器要求包分类装置具有线速度的吞吐能力,使得包分类的设计具有很高的难度,成为路由器处理流程中最大的瓶颈之一,并且随着IP网络应用领域的不断扩展,要求包分类算法对规则维数、规则数量和每维的宽度可扩展能力强,这也加剧了包分类算法设计的难度,成为扩宽IP (Internet Protocol)网络应用的障碍。IP包分类是路由器根据IP包的多个域,从分类器数据库中匹配每个输入包,确定包转发规则的技术。分类器为实现因特网新业务提供了统一的方式,包分类是因特网提供一切有差别服务和其他新业务的基础,高速包分类问题是具有重要现实意义和理论价值的研究课题。路由器不仅要完成按照IP包头目的地址转发IP包的任务,同时也要满足能区分不同的数据流的任务。一维IP包分类用于处理前一个任务,多维IP包分类用于处理后一个任务。IP包分类算法根据IP包头地源地址、IP目的地址、源端口号、目的端口和协议五个域进行分类,把不同的包归为不同的流,以便为不同的流提供有差别的服务。本文首先介绍了IP包分类算法的应用背景,然后给出了IP包分类问题的详尽数学描述。对现有的各种IP包分类算法进行了详细的分析,并对各种算法的查找性能和存储空间需求进行了分析比较。在此基础上,针对AQT (Area-based Quad Tree)算法提出了改进算法。为了使原有AQT算法能够应用于五维的IP包分类,使用无冲突哈希函数处理源端口号、目的端口和协议域,提出了一种新的IP包分类算法NCHAQT(Non-Collision Hash Area-based Quad Tree)。详细地给出了该算法的基本思想、预处理过程、包匹配过程,并对规则优先权给出了明确的定义。经理论分析与仿真实验证明,该算法是一个综合性能较高的算法。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究背景
  • 1.2 论文的内容和结构
  • 1.2.1 论文内容
  • 1.2.2 论文的组织结构
  • 第二章 IP 包分类问题概述
  • 2.1 IP 包分类的数学模型
  • 2.1.1 IP 包分类的相关术语
  • 2.1.2 IP 包分类问题的定义
  • 2.2 IP 包分类的性能评价指标
  • 2.3 IP 包分类算法的工作原理
  • 2.4 一维IP 包分类算法
  • 2.4.1 最长前缀匹配
  • 2.4.2 范围匹配转化为前缀匹配
  • 2.4.3 一维包分类算法分类
  • 2.5 多维IP 包分类算法
  • 第三章 IP 包分类问题的研究现状
  • 3.1 一维IP 包分类算法研究现状
  • 3.1.1 基本二叉键树
  • 3.1.2 路径压缩键树
  • 3.1.3 级压缩键树
  • 3.1.4 受控前缀扩展算法
  • 3.1.5 紧致压缩键树
  • 3.1.6 地址前缀长度的二分查找
  • 3.1.7 地址区间的二分查找
  • 3.1.8 基于TCAM 的路由查找
  • 3.1.9 一维IP 包分类算法的性能比较
  • 3.2 多维IP 包分类算法的研究状况
  • 3.2.1 分层查找树
  • 3.2.2 Grid-of-tries 算法
  • 3.2.3 RFC 算法
  • 3.2.4 智能层次切割算法
  • 3.2.5 AQT 算法
  • 3.2.6 位并行算法
  • 3.2.7 Cross-Product 算法
  • 3.2.8 Tuple Space Search 算法
  • 3.2.9 Modular 算法
  • 3.2.10 基于TCAM 数据包分类
  • 3.2.11 IP 包分类算法的性能比较
  • 3.3 当前研究工作的不足
  • 3.3.1 一维IP 包分类算法的不足
  • 3.3.2 多维IP 包分类算法的不足
  • 第四章 基于AQT 的多维IP 包分类算法
  • 4.1 概述
  • 4.2 AQT 算法
  • 4.2.1 AQT 算法概述
  • 4.2.2 构造四叉树
  • 4.2.3 搜索四叉树
  • 4.3 哈希函数
  • 4.3.1 哈希表的概念
  • 4.3.2 哈希函数的构造方法
  • 4.3.3 处理冲突的方法
  • 4.4 NCHAQT 算法
  • 4.4.1 选择无冲突的哈希函数的依据
  • 4.4.2 构造无冲突的哈希函数
  • 4.4.3 算法性能分析及仿真
  • 4.4.4 小结
  • 第五章 结论及未来的工作
  • 致谢
  • 攻读硕士学位期间从事的科研工作
  • 参考文献
  • 相关论文文献

    • [1].大数据挖掘中的数据分类算法技术研究[J]. 电子技术与软件工程 2015(14)
    • [2].基于粒度空间的最小生成树分类算法[J]. 南京大学学报(自然科学) 2017(05)
    • [3].一种心律失常分类算法[J]. 电子世界 2020(04)
    • [4].数据挖掘中数据分类算法的比较分析[J]. 吉林师范大学学报(自然科学版) 2008(04)
    • [5].数据挖掘分类算法研究综述[J]. 中国高新技术企业 2008(24)
    • [6].包分类算法研究综述[J]. 计算机工程 2015(12)
    • [7].传统图像分类与深度学习分类算法比较研究[J]. 荆楚理工学院学报 2020(02)
    • [8].Titanic生存问题常见分类算法对比分析[J]. 电子世界 2017(22)
    • [9].基于贝叶斯理论的分类算法研究[J]. 计算机光盘软件与应用 2014(16)
    • [10].数据挖掘中分类算法综述[J]. 重庆师范大学学报(自然科学版) 2011(04)
    • [11].基于多层感知器神经网络的智能分类算法[J]. 通信电源技术 2020(05)
    • [12].百科实例的分类算法探究[J]. 科技创新与应用 2015(13)
    • [13].一种快速的五元一维包分类算法[J]. 电脑知识与技术 2009(36)
    • [14].因素空间理论下基点分类算法研究[J]. 智能系统学报 2020(03)
    • [15].低代价的数据流分类算法[J]. 计算机系统应用 2016(12)
    • [16].云环境下的信息分类算法研究[J]. 太原师范学院学报(自然科学版) 2015(04)
    • [17].基于距离的粒计算分类算法[J]. 信阳师范学院学报(自然科学版) 2015(02)
    • [18].快速流分类算法的研究[J]. 数字通信 2010(01)
    • [19].基于基因表达式编程的代价敏感分类算法[J]. 吉林大学学报(信息科学版) 2009(04)
    • [20].集成学习之随机森林分类算法的研究与应用[J]. 电脑知识与技术 2020(21)
    • [21].基于组合分类算法的源代码注释质量评估方法[J]. 计算机应用 2016(12)
    • [22].社交地点分类算法设计与实现[J]. 现代计算机(专业版) 2017(20)
    • [23].关于数据挖掘中的数据分类算法的综述[J]. 电子制作 2014(13)
    • [24].稀有类分类算法的研究[J]. 电脑开发与应用 2010(09)
    • [25].基于K近邻分类算法的敏感信息过滤方法研究[J]. 科学技术创新 2020(28)
    • [26].大数据处理中分类算法的数值比较[J]. 数学的实践与认识 2019(13)
    • [27].一种改进的并行K_近邻网络舆情分类算法研究[J]. 微电子学与计算机 2015(06)
    • [28].基于分布式数据流的大数据分类算法[J]. 饮食科学 2019(04)
    • [29].基于聚类核的半监督情感分类算法研究[J]. 计算机技术与发展 2016(12)
    • [30].基于多传感器数据融合的目标分类算法[J]. 航天电子对抗 2013(04)

    标签:;  ;  ;  ;  ;  

    IP包分类算法研究
    下载Doc文档

    猜你喜欢