基于聚類的高效包分類算法研究及其應用.pdf

1、近年來，網絡技術的發(fā)展催生了很多新興的網絡應用，但是現有的網絡性能不能很好地支持這些應用。性能良好的包分類算法對于網絡性能的提升具有至關重要的作用。網絡已經逐漸出現僵化的狀態(tài)，很大程度上影響了其性能的提升空間。OpenFlow成為互聯(lián)網創(chuàng)新理念的強大促成者。而OpenFlow網絡中由于其靈活性和可擴展性，對包分類的要求更高更復雜，現有研究中很少有專門針對OpenFlow包分類的解決方案，并且在性能上存在一定的局限性。因此，設計一款針對O

2、penFlow的包分類方案成為當務之急。
　　針對上述問題，本文主要做了以下工作:
　　(1)根據數據挖掘中的聚類思想提出了一種基于無前綴關系聚類的高效層次Trie樹結構，該方案依據的是不同前綴關系聚類的方式來消除回溯。算法首先會根據前綴關系來將規(guī)則劃分為不同的聚類，然后再根據這些聚類來構建多棵層次特里樹，在單棵層次特里樹中就不存在前綴關系的節(jié)點，從而消除了回溯。并且由于算法結構采用了節(jié)點的路徑壓縮策略，該結構在很大程度上提

3、高算法的存儲性能。
　　(2)針對OpenFlow的超五元組包分類，本文提出了另一種聚類方式，也就是基于前綴長度聚類的設計方案。該方案根據前綴長度對不同的前綴進行聚類，每個聚類中的前綴都具有相同的前綴長度。然后再選擇性地對這些聚類進行合并,進行選擇的原則除了滿足聚類元素數目的要求，也需要滿足合并之后的聚類內部元素之間不具有前綴關系的要求。最后將生成的聚類構建為層次特里樹。
　　(3)針對OpenFlow12元組匹配問題，本文