[发明专利]一种深度报文检测集群中的数据包调度方法

说明书

本发明提供一种深度报文检测集群中的数据包调度方法。所述深度报文检测集群中的数据包调度方法，包括以下步骤：S1、每个DPI节点的数据平面运行改进过的MV‑Sketch进行流量分布信息收集，并以30分钟为周期将sketch传递给中心服务器。本发明提供一种深度报文检测集群中的数据包调度方法，该方法利用上下行流量大小通常分布不均的特点，通过决策树对流量的分布进行学习和预测，将拥有同一流的字节数最多的DPI节点作为该流的最佳处理节点，把其他数据包转发到该节点上，对比基于哈希的聚类方法相比，所用方法造成的集群内带宽开销约降低了73.75％，使得带宽开销大大降低。

技术领域

本发明涉及计算机网络领域，尤其涉及一种深度报文检测集群中的数据包调度方法。

背景技术

数据包是TCP/IP协议通信传输中的数据单位，TCP/IP协议是工作在OSI模型第三层、第四层上的，帧工作在第二层，上一层的内容由下一层的内容来传输，所以在局域网中，“包”是包含在“帧”里的，在包交换网络里，单个消息被划分为多个数据块。

目前能够将同一流的数据包转发到同一处理节点的数据包调度方法主要分为两类，第一类，通过负载均衡器在集群外部对网络流量进行集中式调度，通常将负载均衡器放置在DPI集群的前面，负载均衡器接收数据包，然后通过负载均衡算法将数据包分配给集群中的某个DPI节点；第二类，通过聚类在集群内部对网络流量进行点对点的调度，聚类能够实现将与特定流关联的所有数据包转发到同一DPI节点，确保每流一致性。

相关技术中，随着网络流量的不断增加，DPI设备集群的规模也随之不断增长，而现有的聚类方法存在以下问题，对于基于广播的聚类而言，广播包所消耗的带宽较大，节点每次收到未知流的数据包时都需要进行广播询问，在面临高带宽网络环境和大规模的DPI集群时，广播包的数量和所占用的带宽不可忽视；而对于基于哈希的聚类而言，相当于通过哈希算法每个流在DPI集群中随机选取了一个节点，则存在一种情况，该处理节点可能并不是该流的原始路由所经过的任何一个节点，这种情况下，一个流的所有数据包都需要额外带宽进行转发，因此，现有的两种聚类方法都需要消耗大量集群内的链路带宽和内存，并不能很好的满足人们的使用需求。

因此，有必要提供一种深度报文检测集群中的数据包调度方法解决上述技术问题。

发明内容

本发明提供一种深度报文检测集群中的数据包调度方法，解决了需要消耗大量集群内的链路带宽和内存的问题。

为解决上述技术问题，本发明提供的深度报文检测集群中的数据包调度方法，包括以下步骤：

S1、每个DPI节点的数据平面运行改进过的MV-Sketch进行流量分布信息收集，并以30分钟为周期将sketch传递给中心服务器；

S2、中心服务器收到每个DPI节点报告的sketches，将流量分布信息提取为（DPI节点ID，（源IP，目的IP），字节数）的格式，其中，流的源IP和目的IP作为属性，DPI节点ID作为分类标签，每个节点上所经过的字节数作为相应DPI节点类别的权重，为了限制最终生成的转发规则数量，设置决策树的最大叶子节点数量为10000，进行训练；

S3、将训练所得决策树叶子节点表示的决策规则转化为TCAM规则形式，作为转发规则传递给每一个DPI节点，安装到CFT中，后续到达的数据包根据该表的查找结果进行调度转发；

S4、中心服务器从决策规则中提取5000条合并规则传递给DPI节点，因为合并规则对准确率有更高的要求，因此在S3之后继续训练决策树至15000个叶子节点，得到15000个准确率更高的决策规则；

S5、使用迭代合并算法，设置规则准确率阈值Γ=0.65，将本周期所得决策规则中准确率大于Γ的决策规则作为合并规则，若准确率大于Γ的规则超过5000条，则按准确率对这些规则进行降序排序，仅保留前5000条作为合并规则，安装到各个DPI节点的CFT中，用于预测下一个周期中数据包的转发。