[发明专利]基于神经网络的命名数据网内容存储池数据插入方法

说明书

本发明提供一种基于神经网络的命名数据网内容存储池插入方法，所采用的存储池包括：片内存储单元和片外存储单元，片内存储单元使用高速存储器，片内部署一个神经网络模型以实现对数据名称的均匀映射，并部署一个改进型位图，用以将包含相同名称前缀的数据包映射到同一桶中；片外存储单元使用低速存储器，部署多个与改进型位图的动态索引单元的槽slot对应的动态存储器，来存储每个名称前缀的跳表信息，用于指导相同名称前缀Data包在双向跳表中的下一次查找；另部署一个双向跳表结构。此专利给出在所述的存储池中插入Interest包的方法；在所述的存储池插入Data包的方法。

技术领域

本发明属于高性能路由器结构设计领域中，特别针对命名数据网转发平面中内容存储池 (ContentStore)新型存储结构设计及其算法问题。

背景技术

随着互联网规模的爆炸式增长，创新技术和计算模式的不断涌现，加速了互联网由“通信信道”向“数据处理平台”的角色转变。为了应对互联网内容化、个性化、超高移动性、“零”时延、超高流量密度等未来业务需求，彻底解决当前互联网IP架构下所带来的诸多问题，一种以内容缓存为特色、面向通信内容的命名数据网应用而生。

命名数据网不仅可以通过使用名称数据，实现互联网面向内容的通信模式；还可以通过在路由节点中部署缓冲存储器，缩短用户访问缓存数据的响应时间，实现真正意义上的内容共享，极大地降低网络负载，有效提高网络数据传输速率。因此被认为是未来互联网架构领域最有前景的发展方向之一。

然而命名数据网也面临着一系列亟待解决的问题和挑战^[1]，特别是路由数据平面中，对于ContentStore线速处理支持的问题^[2]。命名数据网中路由表的表项数据通常是由数字和字符组成的，并具有变长、无边界特点的字符串来命名，导致ContentStore需能够存储数百万规模的数据存储量。此外，ContentStore作为临时的内容缓存，其容量有限，所以ContentStore 需能够高效压缩存储数据以减少存储消耗，并及时进行缓存替换为新插入的数据包清理空间。另外，数据包的名称具有对传输网络不透明的特点。在转发平面中，命名数据网络中的各类应用程序可以在遵守统一命名策略的前提下，根据自己的需求使用不同的名称方案，且 ContentStore对两种类型的数据包：兴趣(Interest)包和数据(Data)包，处理过程具有差异性，因此，为完成内容转发，ContentStore需能够在各类名称方案下快速支持不同名称数据检索算法^[2]。

参考文献：

L.Zhang et al.,“Named Data Networking,”ACM SIGCOMM ComputerCommunication Review,vol.44,no.3,pp.66-73,2014.

Z.Li,Y.Xu,B,Zhang,L.Yan,and K.Liu,“Packet Forwarding in Named DataNetworking Requirements and Survey of Solutions,”IEEE Communications SurveysTutorials,DOI: 10.1109/COMST.2018.2880444,2018.

发明内容

本发明提供一种的新型存储结构学习位图内容存储池(称之为Learnedbitmap-

Content Store，LBM-CS)，并给出其插入方法。本发明结合Content Store的工作特点，对学习位图内容存储池存储结构进行优化，使之能够在保证检索效率，提升检索速度，同时支持数据缓存替换策略和所有子名称匹配及精确名称匹配名称数据检索算法基础上，支持数据的插入操作。技术方案如下：