دسته بندی بسته ها یکی از پردازشهای اساسی در سیستمهای متنوع شبکهای است که اغلب توسط پردازنده های شبکهای اجرا میگردد. دسته بندی بسته ها فرآیندی خودکار است که جریانهای ترافیکی شبکه را براساس پارامترهای متعدد از جمله درگاه و آدرس فرستنده و گیرنده طبقهبندی مینماید. اکثر تحقیقات در حوزه دسته بندی بستهها تنها سعی نموده اند که بر اساس ارائه الگوریتمهای جدید، مصرف حافظه را کاهش و سرعت دستهبندی را افزایش دهند و هیچگاه تاثیر مشخصه های آماری قوانین دستهبند را در کارایی نهایی ارزیابی نکرده اند. در این پژوهش، ابتدا نحوه محاسبه ویژگیهای مهم آماری مهمی چون تعامد و تعمیم، طول جفت پیشوند آدرس و انحراف برای هر مجموعه قانون توضیح داده شده است. سپس، تاثیر هریک از شاخصها، به صورت منفرد و مجموع بر میزان کارایی الگوریتمهای دسته بندی مهم در روند دسته بندی بسته های آزمون ارزیابی شده است. نتایج ،H-Trie, AQT و Hicuts به نام های ارزیابی نشان میدهد با محاسبه شاخصهای مذکور در مورد قوانین دستهبندهای مورد استفاده در الگوریتمهای مذکور، میتوان کارایی الگوریتم دستهبند را از لحاظ میزان مصرف حافظه و سرعت دسته- بندی پیشبینی کرد. در مورد دو الگوریتم مذکور به ترتیب، وجود تعداد زیاد قوانین با جفت پیشوند آدرس طولانی و وجود ساختارهای قائم در مجموعه قوانین، تأثیر قابل توجهی در کاهش حافظه مصرفی و افزایش سرعت دسته بند دارد.
