基于FPGA的高速流分类算法研究

基于FPGA的高速流分类算法研究

论文摘要

随着Internet的不断发展,英特网提供商(ISP)希望网络能提供更多、更好的服务,如Qos保障、防火墙、虚拟专用网络(VPN)等。虽然这些服务的种类繁多,但所有这些服务都要求路由器能够对包头进行分类处理,而相关的规则查找技术即为流分类算法。本文首先简单介绍了国内外现有的部分研究成果,并在剖析Hicuts算法的基础上,结合RFC算法提出了一种适合FPGA实现的实用高速流分类算法。算法根据规则集的特征,在可用空间资源受限的前提下,给出了一种优化的建树方法。提出了流水线方式和主从并行方式的查找策略,提高了查找效率。测试结果表明,在同等规模的规则集下,相比HiCuts算法在空间上具有显著优势,而且算法达到3Mpps的分类速度。在文章末,利用自顶向下的设计方法完成了各模块的划分以及功能定义,并给出了算法实现的FPGA设计结构。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 背景介绍
  • 1.2 研究现状
  • 1.3 问题描述
  • 第二章 相关算法研究及性能分析
  • 2.1 基本数据结构算法
  • 2.1.1 线性查找(Linear Search)
  • 2.1.2 一维树结构(Radix trie)
  • 2.1.3 分层树结构(Hierarchical Tries)
  • 2.1.4 集合剪枝树(Set-Pruning Tries)
  • 2.1.5 格栅树结构(Grid-of-tries)
  • 2.2 基于计算几何算法
  • 2.2.1 交叉乘积(Crossproducting)
  • 2.2.2 AQT(Area-based quadtree)
  • 2.2.3 FIS-树(Fat Inverted Segment Tree)
  • 2.3 启发式算法
  • 2.3.1 TSS(Tuple space search)
  • 2.3.2 Tuple Pruning Algorithm
  • 2.3.3 RFC(Recursive Flow Classification)
  • 2.3.4 HiCuts(Hierarchical Intelligent Cuttings)
  • 2.4 硬件算法
  • 2.4.1 TCAM
  • 2.4.2 位图交集(Bitmap-intersection)
  • 2.5 各种算法性能分析比较
  • 2.6 本章小结
  • 第三章 改进的HICUTS算法
  • 3.1 算法描述
  • 3.2 数据结构的设计
  • 3.2.1 决策树
  • 3.2.2 树结点结构
  • 3.2.3 叶结点规则集
  • 3.3 算法优化
  • 3.3.1 删除冗余的结点
  • 3.3.2 叶结点规则集排序
  • 3.3.3 规则的存储形式
  • 3.4 处理通配规则
  • 3.5 查找
  • 3.5.1 流水线方式
  • 3.5.2 主从并行方式
  • 3.5.3 查找性能分析
  • 3.6 性能评估
  • 3.7 算法仿真及数据分析
  • 3.7.1 测试环境
  • 3.7.2 测试规则
  • 3.7.3 测试结果
  • 3.8 本章小结
  • 第四章 算法的FPGA实现
  • 4.1 FPGA简介
  • 4.2 FPGA开发流程
  • 4.3 FPGA系统设计
  • 4.4 算法实现的模块划分
  • 4.4.1 顶层模块定义
  • 4.4.2 建树模块
  • 4.4.3 通配规则处理模块
  • 4.4.4 更新模块
  • 4.4.5 查找模块
  • 4.5 存储映射
  • 4.5.1 片外RAM
  • 4.5.2 片内RAM
  • 4.6 FPGA的实现结构
  • 4.7 本章小结
  • 第五章 总结与展望
  • 致谢
  • 参考文献
  • 研究成果
  • 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:;  ;  

    基于FPGA的高速流分类算法研究
    下载Doc文档

    猜你喜欢