一种高效的OpenFlow流表存储与查找实现方法

目前Open Flow流表的存储与查找还面临一些挑战,如流表项匹配字段数量的不断增加、流表规模的爆炸性增长以及实现Open Flow硬件交换机的端口线速处理更加困难.针对这些问题,本文提出了一种高效的Open Flow流表存储与查找实现方法.该方法将Open Flow流表划分成多个规模更小、匹配字段更少的子流表,进一步根据字段匹配类型将子流表切分成多个字段,不同字段采用不同的算法和硬件进行存储和查找,得到字段匹配结果后再结合汇总表查找从而得到子流表的匹配结果.通过划分流表与切分子流表来压缩流表存储空间,根据子流表的查找选择和子流表内部查找优化来减少查找过程中硬件资源开销.通过大量模拟实验表明,该存储与查找方法能够压缩50%左右的存储空间,且可以有效减少流表项匹配过程中80%硬件资源的消耗.

基于包成批特性的OpenFlow流表高效区分存储算法

随着OpenFlow流表规模的不断增大,容量有限的TCAM资源难以满足OpenFlow流表的存储需求.本文采用TCAM和SRAM相结合,给出了一种OpenFlow流表区分高效存储算法.该算法基于网络包成批特性,将OpenFlow流区分为少量的包成批流和大量的包稀疏流,并设计包成批流识别方法和流表项替换方法,将对应的流表项动态区分存储在TCAM和SRAM中,以解决OpenFlow流表存储空间有限问题,进而提高流表查找性能.采用实际网络流量样本,评估所提的流表区分算法的性能.结果表明:所提算法的TCAM命中率明显高于目前主流的大象流/老鼠流区分算法,增强了OpenFlow流表存储的动态适应能力,有效提高了OpenFlow流表查找性能,从而满足大规模流表的存储需求.