RVH：用于快速在线数据包分类的范围向量哈希
网络与互联网体系结构
2019-09-17 v1
摘要
依据多字段规则集进行数据包分类是许多网络应用的关键组件。新兴的软件定义网络与云计算需要频繁更新规则集以实现灵活的策略配置。它们的成功依赖于新一代分类器的可用性，该类分类器能同时支持快速规则集更新与高速数据包分类。然而，现有数据包分类方法或聚焦于高速数据包分类，或聚焦于快速规则更新，尚无已知方案同时满足两项要求。本文中，我们提出范围向量哈希（RVH），以基于哈希的算法有效加速数据包分类，同时确保快速规则更新。RVH 建立于我们的关键观察：各字段前缀长度的不同组合数量并非均匀分布。为减少用于快速分类的哈希表数量，我们引入新颖概念范围向量，其指定了投影规则的各字段前缀的长度范围。RVH 通过平衡哈希表数量与哈希冲突概率，克服了阻碍基于哈希的数据包分类的主要障碍。实验结果表明，RVH 平均可实现高达最先进算法 15.7 倍的分类速度与 2.3 倍的更新速度，同时仅多消耗 44% 的内存。
引用
@article{arxiv.1909.07159,
title = {RVH: Range-Vector Hash for Fast Online Packet Classification},
author = {Tong Shen and Gaogang Xie and Xin Wang and Zhenyu Li and Xinyi Zhang and Penghao Zhang and Dafang Zhang},
journal= {arXiv preprint arXiv:1909.07159},
year = {2019}
}