[发明专利]决策树的生成方法和装置

说明书

技术领域

本发明实施例涉及计算机技术，尤其涉及决策树的生成方法和装置。

背景技术

流分类通常是指根据报文的某些特征定义一些规则，采用这些规则识别出符合某类特征的报文，从而实现对报文的分类。与特定规则匹配的多个报文构成一个流。流分类机制能够实现不同的流对应不同的服务质量(Quality of Service，简称QoS)。基于决策树的流分类方法，相对于基于专门硬件如三态内容可寻址存储器(Ternary Content Addressable Memory，简称TCAM)的流分类方法，在匹配规则的查找速度、成本节约等方面具有较大的优势。

基于决策树的流分类方法的原理是通过建立决策树，将一个规则集合划分为多个小规则集合，在这些小规则集合中查找与报文匹配的规则。一棵决策树包括一个根节点、多个中间节点以及多个叶节点。使用决策树执行规则查找可以通过如下操作实现：首先对报文的报文头进行解析，得到用于查找的关键字，根据关键字的一比特或若干比特，在决策树的某个中间节点选择分支，以横穿决策树直到决策树的一个叶节点，每个叶节点包含一组规则，报文与确定的叶节点包括的一组子规则集合进行匹配，如果该组子规则集合存在多个与报文匹配的规则，则从多个发生匹配的规则中选出优先级最高的规则，作为对该报文进行分类的规则。流分类器对该报文执行与优先级最高的规则对应的动作。基于决策树的流分类方法具体实现时可以是HiCuts、HyperCuts或者Modular。

HiCuts和HyperCuts方法用几何的观点研究流分类问题。从几何的观点看，如果流分类器中的规则由分别对应k维空间的k个域组成，则每条规则对应k维空间的一个“超矩形(hyperrectangle)”区域；而每个报文则对应k维空间的一个点。查找与某个报文匹配的规则的过程就相当于计算该报文所对应的点落入哪些“超矩形”当中。在HiCuts和HyperCuts方法中，规则中的每个域都被看成范围，将范围不同的域放在一起进行切分，以将规则集合划分为小的子规则集合。当子规则集合中的规则数小于预先设定的阈值时，切分终止。通过切分可以建立一棵决策树。决策树的中间节点保存切分方法相关的信息，如选择哪一维或几维进行切分，每维的切分次数是多少，叶子节点保存的子规则集合等。

在Modular方法中，规则集合包括多个长度相等的规则。每个规则包括多个比特。每个比特为“0”、“1”或者通配符。通配符可以用“*”表示。将规则集合切分为多个子规则集合时，需要计算规则集合中某一位置所对应的多个比特中“0”，“1”或通配符的个数，并根据特定算法选择某一位置对规则集合进行切分。选定对规则集合进行切分所依据的基准位置后，规则集合所包含的多条规则中基准位置为“0”的规则被放入一个子规则集合。规则集合所包含的多条规则中，基准位置为“1”的规则被放入另一个子规则集合。规则集合所包含的多条规则中，基准位置为通配符的规则被放入上述两个子规则集合中。本申请文件中将上文描述的将基准位置为通配符的规则放入两个子规则集合中的情形称为规则复制。通过上述操作，一个规则集合就被分为两个子规则集合。可以对生成的子规则集合重复上述操作，直到最后得到每个子规则集合中的规则数小于预先设定的阈值为止。这样，可以建立一棵二叉决策树。决策树的中间节点保存用于对规则进行切分的基准比特的标识和中间节点的两个子节点的指针；每个叶子节点保存一个子规则集合。

上述基于决策树的流分类方法，在决策树的生成过程中发生规则复制的概率较高。发生规则复制则意味着需要占用更多存储空间。

发明内容

本发明提供一种决策树生成方法和装置，有利于降低发生规则复制的概率。

一方面，本发明实施例提供了一种决策树的生成方法，包括：