[发明专利]基于神经网络的命名数据网内容存储池

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，包括：片内存储单元和片外存储单元，所述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，其上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，以提高数据检索速度；另部署一个双向跳表结构，以存放数据包在学习位图内容存储池中的存储位置信息，且每个双向跳表节点中存有先入先出队列FIFO单指针和最近最少使用LRU双指针。

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(Content Store)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Content Store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Content Store需能够存储数百万规模的数据存储量。此外，Content Store作为临时的内容缓存，其容量有限，所以Content Store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Content Store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，Content Store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：

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

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

发明内容

本发明的目的是提供一种新型的存储结构学习位图内容存储池(Learnedbitmap-Content Store，LBM-CS)，该结构能够在保证存储效率的基础上，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。本发明通过采用基于神经网络的高效动态索引数据结构学习位图(Learnedbitmap，LBM)，同时结合双向跳表(Double skip list，DSL)，实现上述目的。技术方案如下：