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
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)