基于云计算的位并行多维数据包分类系统设计

侯慧玲

摘  要： 传统位并行多维数据包分类系统的数据信息占据空间过大、分类效果较差。针对上述问题，基于云计算设计一种新的位并行多维数据包分类系统，主要分为硬件设计和软件设计两部分。系统硬件包括三个模块，分别为规则管理模块、存储管理模块和中断处理模块;软件由内部分类程序、数据分类程序、数据包包头合成程序和内核数据处理程序4个主要程序组成。为检测系统的工作效果，与传统系统进行实验研究，结果表明，基于云计算的位并行多维数据包分类系统数据信息占据空间小，分类效果优于传统系统设计。

关键词： 数据包分类; 位并行算法; 系统设计; 云计算; 位并行多维数据包; 内核数据处理

中图分类号： TN99?34; TP394                    文献标识码： A                      文章编号： 1004?373X（2020）17?0175?05

Abstract： The data information designed by the traditional bit?paralleled multi?dimension packet classification system occupies too large space and the classification effect is poor. In view of this， a new bit?paralleled multi?dimension packet classification system based on cloud computing is designed. The system consists of hardware and software. The system hardware includes three modules， which are rule management module， storage management module and interrupt processing module. The system software consists of 4 main programs， named internal classification program， data classification program， data packet header synthesis program and kernel data processing program. The designed system is compared with the traditional system by experiments to test the working effect. The results show that the data information of bit?paralleled multi?dimension packet classification system based on cloud computing occupies a smaller space， and the classification effect is better than that of the traditional system.

Keywords： data packet classification; bit?parallelism algorithm; system design; cloud computing; bit?paralleled multi?dimension data packet; kernel data processing

0  引  言

在当代社会不断发展的大背景下，经济与科学技术也在迅猛发展，互联网技术迎来了高速发展的时代，但发展的过程必然会产生一些问题与新兴技术的挑战。目前，互联网性能的主要调节方法是提高路由器等元件的运算速度，互联网的各种新兴业务的内容查看包括数据包的路由地址查看、内部分类协议的查看以及服务器状况的查看等[1]。鉴于以上情况，互联网数据的处理就是从简单的地址查询到多维数据包分类系统的处理。路由器等基础元件存在系统紊乱的问题，而路由器的更新换代速度十分迅速，为了更好地处理数据缓冲、存储、备份问题，必须比较计算变换时间与数据查询时间[2]。

对于数据包系统进行位并行多维数据处理是一种较为方便的处理方式，并行多维数据处理选择的算法为位并行算法，該算法需要进行多种维度检索，将检索问题分解为多个单个子问题，并将子问题进行适当组合，交叉计算，最终得到所求结果。位并行算法可以将多维度数据查询问题分为多个单维度数据查询，这些数据可以同时进行查询分析，从而大大降低了数据的分类时间[3]。

将位并行算法应用到数据包分类系统上，可以在多维度数据的基础上，对数据进行规则性处理，提高数据查询速度，然而此种算法在数据处理上的扩展性较差，通常仅可以应用在小规模的机体程序中，在规则数据库不断扩大的情况下，位并行算法的内部存储量损耗较大，数据分类的查询时间会随着位并行算法空间的复杂程度呈线性增长[4]。目前，比较有效的解决办法是通过对并行算法的复杂度与查询时间进行监测分析，并以此为基础改变机体程序规模，进而降低空间复杂度以及查询时间，更好地对数据包进行分类[5]。

本文基于云计算提出一种位并行多维数据包分类系统，硬件部分设计了调节规则管理模块、存储管理模块、中端处理模块，软件设计了工作流程。该系统在一定程度上可以缓解信息数据所占空间过大的问题，具有较为良好的扩展性，对于数据包的分类效果更佳。

1  位并行多维数据包分类系统硬件设计

本文设计的系统硬件部分共有三大模块：调节规则管理模块、存储管理模块、中断处理模块。分类系统硬件架构图如图1所示。

1.1  规则管理模块

依据规则对数据进行过滤处理，将系统应用过程利用库函数的运算法则移入整体系统，通过硬件系统采集规则和内核规则对内部对应值进行比较，共同实现对数据的分类[6]。

在硬件规则中，检测数据是否被遗弃或转移至服务器终端;在内核规则中，分析数据包数据，找到Ck字段对应系统过程，进而查询到相应的拷贝地址，为硬件加入查询或删除规则功能。规则管理模块框架结构如图2所示。

由图2可知，规则管理模块中共有3个规则与硬件规则抽象模块连接。模块本身为一个结构数组，并与每个规则对应的分类值是相吻合的，依据规则进行算法计算，产生不同的进程系统，同时处理多个数据包，简便分类过程[7]。进程及存储管理部分负责接收中断数据信息，数据包接收后，根据内部包头信息寻找到分类指数，并将分类指数作为下行信号抽取到对应规则的进程信息[8]。

在加入规则的过程中，根据规则生成算法处理数据包，在运算过程中，将计算动作并集按照信息叠加方法进行进程挂载，自动设置到规则下方，保证所匹配的数据包可以查询到两条相关联的数据信息。删除规则操作时，在删除规则的同时要注意彻底清理直接与间接规则的生成物残留。

1.2  存储管理模块

存储管理模块主要负责记录系统收发包状况，并为数据包的传输提供收发缓冲。在系统运作中，利用零拷贝的方法，连接应用空间与内核空间的缓冲系统，并建立映射关系，同时减少拷贝的数量，依据规则管理模块查找的数据包信息相对应的进程用户名，查询内核存储系统位置，进而将数据包拷贝至与之对应的系统缓冲器中[9]。

系统进程的初始化利用用户空间的库函数进行计算，并向内核发送注册请求，存储管理模块结构图如图3所示。

如图3所示，系统用户进程经过初始化处理后，注册成功，该模块依据内部存储系统的映射关系在内核中建立多个系统存储数据块。进程管理中，以系统进程用户名作为指导引擎的分类数据组，管理系统数据进程存储空间的规则。当中断处理模块接收数据包以后，利用数据包包头的分类值在管理模块中的规则位置获取相应的用户名，最后，依据此用户名查找进程管理中的相应存储数据，最终完成对数据包的拷贝。在系统程序退出时，要依据进程管理规则对分类值进行合理删除清理[10]。内核系统中要设置能够独立寻找发送环数据的内核线程，利用系统驱动进行收发包操作，进而使系统更好地进行数据包分类处理。

1.3  中断处理模块

中断处理模块通过对系统收包操作的处理，完成数据包分类的异步事件。该模块的基础设置为64 bit的路由卡，数据包由DMA传输至服务器终端系统，避免中断次数过多而对系统运作产生影响，在系统内部设置缓冲数据块，在其接收到的数据包大小接近一个数据块大小时，进行立即中断操作。在数据包完成传送过程后，再进行一次系统中断操作，鉴于数据包在一定几率下会产生长时间停止发送状况，某些数据依旧存储于缓冲数据块中，因此，设置系统超时机制，在数据缓冲块中存在数据包但却没有填充满整个缓冲数据块的情况下，固定一个时间点，在此时间点下，系统硬件将自动传输数据填充未满空间，并进一步进行数据包传输[11]。

2  位并行多维数据包分类系统软件设计

本文研究的系统软件主要负责响应系统处理的配置，并进一步维护系统配置过程的过滤原则，处理系统数据内部缓存问题。首先将硬件程序进行系统初始化处理，然后将硬件中整合提取的数据进行分析并传送到应用程序，最后将应用程序中的数据通过硬件系统传送出去[12]。基于云計算的位并行多维数据包分类系统软件程序共包括4个主要程序：内部分类程序、数据分类程序、数据包包头合成程序和内核数据处理程序。

2.1  内部分类程序

内部分类程序主要负责对数据包进行分类。在对系统进行分类规则测算的同时，设计与规则相符合的分类值，当系统硬件完成对数据包的分类处理后，应在与分类规则相对应的数据包前连接设置分类值的数据包头，在内核接收处理后的数据包，根据综合简便的查询，追踪到分类值，由此查询到最适合数据包包头的分类规则指数，进而分配相符程序。其内部分类协议的数据包包头格式如图4所示。

在数据传导的过程中，将数据包包头的包长进行整合处理，利用其长度规则对数据包进行组装与拆离，进一步分析系统的存储空间，将数据包整合为数据块模式，传导至服务器系统终端，在服务器终端接收数据块后，利用数据包头包长的指数值分配数据包组，进而将数据块整合为数据包的形式，并将处理后的数据包传输到系统程序中[13]。此种方法对于降低服务器中断频率，提高分类处理效率具有较大的作用。

内部分类程序可以利用校验字段对数据包发生的错误进行处理分析，在检测到错误时，遗弃数据块尾端数据，在不破坏数据块连续性的同时，确保系统的有效性。本文设计的分类程序在三态CAM的基础上，运用ULT处理方式进行内部分类协议设计，传统系统在设计过程中存在着无法准确告知内核数据包分类最终效果以及将硬件传送至服务器的问题。为解决以上问题，以规则算法为出发点，提出内部的分类协议设计，并对数据包包头进行处理分析，整合内核数据。

2.2  数据分类程序

数据分类程序主要负责外部数据的分类工作。在数据包发生意外状况的情况下，一些数据包储存在系统中无法回收处理，因此，设置time?out模式，在数据传输达到指定时间，即使数据包未填充满存储空间，分类程序也照常进行数据包的传输。在数据未达到一个数据包的标准填充时，后续过程添加无用数据信息，在校验过程中，将正常数据与无用数据分辨出来，其中数据包分类引擎工作过程如图5所示。

数据分类程序在启动工作状态后，首先抽取数据包包头信息进行分析处理，接着对数据包进行进一步的加工过滤，滤除数据信息的错误部分，最后根据数据包包头基础信息和分类规则配置数据包，对其进行分类整合，遗弃与分类规则不相符的数据包信息。数据包根据匹配规则得到相应的分类值，并进行数据包包长信息的获取，组合成包头部分安装至数据包前端，得到存储数据包，以数据块为基础传送至服务器终端。在实行具体方案的同时，将数据包相对应的首端抽调相关分类信息，并整合为关键字形式，在预定的CAM系统中根据分类规则进行查询，在最终查询结果中得到与CAM相匹配的分类结果。

2.3  数据包包头合成程序

在原有的软件程序基础上进行改造，采用分类计算法对数据包的包长进行计算，同时，与获得的合成值进行合成计算，共同组成数据包包头，安装进数据包，合成数据包包头的过程如图6所示。

2.4  内核数据处理程序

数据包包头生成后，需要进行内核的收集，利用零拷贝的方法，在内核的存储系统与应用层的存储空间中构建内存映像，减少数据拷贝数量。内核将数据块作为基本单位，依据包长字段快速锁定下个数据包位置信息，实现数据块的拆离。对数据包进行处理时，同时检查数据包数据信息，发现由硬件超时机制传送的数据，则为校验错误，在此种情况下，记载数据丢弃分类部分，其内核数据处理过程如图7所示。

在进行内核处理时，需要执行数据中断操作，中断操作流程如图8所示。

分析图8可知，数据包数量较多的情况下，中断操作会在未完成的DMA中发起，产生两个中断状况。此时，要在记录中断系统请示的同时启动系统传输。启动后，对数据包进行处理分析，此种做法可以将数据传送与分析同步操作，同时对不同的数据缓冲区进行处理，可以大大提高系统的处理速度，使系统的分类程度得到更好的优化处理。

3  实验研究

3.1  实验目的

为了检测基于云计算的位并行多维数据包分类系统的有效性，设定对比实验，选取传统分类系统和本文分类系统进行实验对比。

3.2  实验参数设置

设置实验参数如表1所示。

3.3  实验结果与分析

分类系统数据信息占据空间测试实验结果如图9所示。

由图9可知：在检测时间为10 s时，传统系统得到的数据信息占据空间为39 GB，而本文系统得到的数据信息占据空间仅仅为9 GB;在检测时间为20 s时，传统系统得到的数据信息占据空间高达55 GB，本文系统得到的数据信息占据空间为35 GB;在检测时间为30 s时，传统系统得到的数据信息占据空间高达68 GB，本文系统得到的数据信息占据空间为41 GB。由此可见，在相同的监测时间内，本文设计系统的占据空间小于传统系统，灵活性更高，能够更好地对数据包进行分类处理。

4  结  语

本文在传统系统设计的基础上设计了一种新式的基于云计算的位并行多维数据包分类系统。相对于传统设计，本系统的设计很好地缓解了数据信息过大的问题，具有较好的分类效果，由于本设计的计算方法较为简便，因此，拥有更加广阔的市场推广前景。但设计本身存在着能耗较大的问题，应进一步寻找更低消耗、更经济的分类器进行数据处理，并不断改进规则分类算法，使其具有更大的存储空间。

参考文献

[1] 李凯，常征.基于云计算的并行数据挖掘系统设计与实现[J].微计算机信息，2017，27（6）：121?123.

[2] 黄成云，左明章，荣先海.基于云计算的移动学习系统设计[J].现代教育技术，2018，20（8）：102?105.

[3] 张少凤，马健，高凌洁，等.物联网和云计算环境下关天经济区农业信息服务系统设计[J].电子设计工程，2018，26（11）：33?36.

[4] 罗弦，查志勇，徐焕，等.基于云计算的大数据自动分类处理系统设计[J].计算机测量与控制，2017，25（10）：278?280.

[5] 衡军，王新宁，衡辉.浅析基于云计算的实验室管理信息系统设计[J].自动化与仪器仪表，2017，11（5）：65?66.

[6] 林静怀.基于云计算的电网调度控制培训仿真系统设计[J].电力系统自动化，2017，41（14）：164?170.

[7] 金宇.基于云计算环境的大数据兼容性存储系统设计[J].现代电子技术，2019，42（1）：24?27.

[8] 魏秀然.基于云计算的科普资源服务系统研究与设计[J].教育现代化，2017（41）：239?240.

[9] 王微.一种基于云计算的数据挖掘平台架构设计研究[J].电子制作，2017（15）：82?83.

[10] 温贺平，柯居鑫，陈俞强.基于云计算的混合超混沌分组密码方案研究[J].计算机测量与控制，2018，26（7）：153?156.

[11] 王曙霞，焦家林，黄志武.基于云计算的高校虚拟实验云平台设计[J].电脑与电信，2017，12（9）：5?7.

[12] 王春媚.多串口并行通信数据传输系统设计[J].现代电子技术，2017，40（4）：86?90.

[13] 郭晴，杨海霞，刘永泰.云计算环境下的复杂数据库并行调度模型仿真[J].计算机仿真，2015，32（6）：360?363.