مهدی عباسی

دستهبندی بستهها یکی از پردازشهای اساسی در مولفههای متنوع شبکهای است که اغلب توسط پردازندههای شبکهای اجرا میگردد. این فرآیند خودکار جریانهای ترافیکی شبکه را براساس پارامترهای متعدد از جمله شماره درگاه و آدرس فرستنده و گیرنده دستهبندی مینماید. مهمترین شاخص کارایی الگوریتمهای دستهبندی بستهها، سرعت جستجو جهت یافتن بهترین قانون منطبق بر اطلاعات سرآیند بسته میباشد. بیشتر دستهبندهای موجود تنها ویژگیهای قوانین دستهبند بستهها برای افزایش سرعت دستهبندی بستهها استفاده میکنند. نگاهی به عملکرد دستهبندهای بسته، در یک بازه زمانی نشان میدهد که فراوانی تطابقهای هر قانون دستهبند با بستههای ورودی در گذر زمان متغیر است. این مشاهده کلیدی انگیزه اصلی برای طراحی دستهبندهای ترافیک-آگاه است. در دستهبندهای ترافیک آگاه ساختار دستهبند متناسب با الگوی ترافیک بستههای ورودی بروزرساتی میشود. در این پژوهش یک روش دستهبند ترافیک- اگاه مبتنی بر درخت تاشونده ارائه شده است. در روش ارائه شده قانونها در یک درخت تاشونده قرار میگیرند. در درخت تاشونده هر گاه گرهای مورد دسترسی قرار میگیرد بلافاصله به ریشه درخت منتقل میشود. به منظور سازگاری چرخشها در درخت با الگوی ترافیک بستههای ورودی، چند سناریو ارائه گردیده است. در سناریوهای ارائه شده از یک حد آستانه و ویژگیهای آماری بستههای ورودی برای تغییر ساختار درخت به منظور تسریع تطبیق با قانونهای پرتطبیق استفاده شده است. در سه سناریوی اول گرههای پرتطبیق با استفاده از عملیات چرخش در نزدیکی ریشه قرار میگیرند. در سناریوی چهارم گرههای پرتطبیق در یک حافظه نهان از نوع تداعیگر درج میشوند در ارزیابیها از مجموعه قوانین و بستههای آزمایشی تولید شده توسط ابزار Classbench استفاده شده است. به منظور شباهت بیشتر بستههای تولیده شده توسط ابزار ClassBench به ترافیک بسته های واقعی اینترنت به بستههای آزمونی یک برچسب زمانی اضافه شده است. نتایج ارزیابیها با مجموعه قوانین و حجم بسته های آزمون مختلف، حاکی از آن است که سه سناریوی اول به ازای مجموعه قوانین با اندازه 155 و k 4 و حجم بالای بستههای ورودی با میزان Skew بالا، با کاهش قابل توجه متوسط تعداد دسترسیها به حافظه برای چرخشها و در عین حال کاهش متوسط تعداد دسترسیها به حافظه برای جستجو عملکرد قابل قبولی را نسبت به درخت تاشونده دارند. سناریوی چ