基于包成批特性的OpenFlow流表高效区分存储算法

摘要 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.