افزایش کارایی دسته بند درختی مبتنی بر TCAM به کمک برش‌های پویا در فضای ژئومتریک

نویسندگان

1 دانشگاه صنعتی اصفهان

2 دانشگاه بوعلی سینا

چکیده

دسته‌بندی بسته‌ها یکی از پردازش‌های اساسی است که اغلب توسط پردازنده‌های شبکه اجرا می‌گردد. در پیاده‌سازی سخت‌افزاری الگوریتم‌های دسته‌بندی بسته‌ها، از حافظه‌های تداعیگر چند‌وضعیتی (TCAM) برای جست‌و‌جوی موازی و افزایش سرعت پردازش استفاده می‌شود. در معماری دسته‌بند که عموما از دو مرحله تشکیل شده است، نخست درخت‌های تصمیم‌گیری ایجاد شده و قوانین دسته‌بند بین برگ‌های آن توزیع می‌شوند. در مرحله دوم، متناظر با برگ‌های درخت، قوانین در بلوک‌های متفاوتی از TCAM جای می‌گیرند. در این مقاله با ارائه الگوریتمی پویا، بهترین بیت‌ها برای برش فضای ژئومتریک قوانین با هدف توزیع متوازن قانون‌ها و کاهش تکرار آن‌ها در درخت تصمیم انتخاب می‌شوند. کارایی معماری پیشنهادی به کمک برش پویا، با معماری‌های موجود مقایسه شده است. مقایسه نتایج نشان می‌دهد، روش پیشنهادی قوانین را در بلوک‌های TCAM، متوازن‌تر توزیع می‌نماید. در نتیجه، میزان حافظه و توان مصرفی مورد نیاز تا حد چشمگیری کاهش می‌یابد

کلیدواژه‌ها


عنوان مقاله [English]

Increasing the Efficiency of TCAM-based Packet Classifiers using dynamic Cut Technique in Geometric Space

نویسندگان [English]

  • Shakoor Vakilian 1
  • Mahdi Abbasi 2
  • Ali Fanian 1
1
2
چکیده [English]

Packet classification is one of the main processes that often run on network processors. In hardware implementation of packet classification algorithms, Ternary Content Addressable Memories (TCAMs) are used to implement parallel search and process packets rapidly. In classifier architecture, first, decision tree is created and classifier rules are distributed among its leaves. In second stage, rules are included in different blocks of TCAM corresponding to leaf of the tree structure. In this study a new dynamic algorithm is offered to select the best bits for cutting in representation of rules in geometric space to distribute them equally and reduce their duplication in the decision tree. Efficiency of the proposed architecture which uses dynamic cuts has been compared with recent architectures. Comparing results shows that the proposed method can distribute rules in TCAM block more balanced than recent architectures. Therefore, memory and power consumption requirements are reduced considerably.

کلیدواژه‌ها [English]

  • Packet Classification
  • Decision Tree
  • TCAM
  • Consumption Power