信息中心网络数据平面大规模名称数据快速检索技术研究

Information-Centric Networking (ICN) is considered to be the most promising development direction of future Internet Architecture. However, the fast lookup of the large-scale named data in the data plane is still a very challenging task. Currently, the study on the data plane of ICN focuses more on the optimization of the data structure and coding of the named data, and does not fully consider the sharing problem of routing and caching information. Therefore, the project is based on the prophase research work about data plane and has the following novelties: 1) it puts forward data structure CoMBF which can achieve data index and information sharing in the on-chip memory , then scientifically clarifies its features; 2) on the data plane of Content Centric Networking, it researches the storage structure CMaPIT&CS and CMaFIB which are the high performance multilevel storage structure based on CoMBF; 3) it studies fast name lookup algorithm based on the above two kinds of storage structures. Achievements on data structure, storage structure and name lookup algorithm of this research not only can adequately respond to the very large-scale data volume (in millions) of content routing as well as the fast lookup of longer string named data, but also can further realize the sharing of routing and caching information so as to lay the theoretical foundation for the application and deployment of the Information-Centric network in the future.

信息中心网络被认为是未来互联网架构最具潜力的发展方向。然而，其数据平面中大规模名称数据的快速检索和压缩存储仍然是一个极具挑战性的课题。目前对数据平面的研究多关注于数据结构的优化以及名称数据的编码，并没有充分考虑到信息中心网络路由数据、缓存信息的共享问题。为此，本项目在前期关于数据平面研究工作的基础上，展开如下创新研究：一是提出可实现片内直接数据索引与信息共享的数据结构CoMBF，并科学阐明其结构特性；二是以内容中心网络数据平面为范例，研究基于CoMBF的联合索引存储结构CMaPIT&CS和高性能多级存储结构CMaFIB；三是研究基于上述两种存储结构的名称数据快速检索算法。该研究所得数据结构、存储结构、检索算法成果，在充分应对内容路由百万级别超大规模数据量，以及变长字符串名称数据快速检索的同时，还能进一步实现路由数据、缓存信息的共享，为信息中心网络未来的应用部署奠定理论基础。

为了有效解决信息中心网络内容路由器超百万级别名称数据的快速检索、压缩存储问题，《信息中心网络数据平面大规模名称数据快速检索技术研究》课题组从2017年开始到2019年底的三年时间里，组织开展了大量而深入的研究开发工作：以“科学应用”为目标，提出了内容路由器新型数据索引模型B-MBF和基于机器学习方法的索引模型Learning Tree，详细分析、测试了上述模型的存储消耗、检索速度、误判概率，科学阐明了机器学习方法应用于路由数据检索时的工作特性；提出了内容路由器FIB表存储结构MaFIB、B-MaFIB，PIT表存储结构B-MaPIT，以支持内容路由器多种类型的数据检索需求；提出了基于机器学习方法的内容路由器FIB、Content Store存储结构及数据检索算法，为支持内容路由器的特殊工作需求奠定技术基础。此外，项目组还研究了基于信息中心网路的5G移动通信架构和车联网通信架构，并搭建测试环境，对其开展移动通信性能测试。. 依托本项目，课题组共发表科学和技术论文9篇，其中SCI检索5篇、CCF计算机网络A类会议Poster1篇、中文核心论文3篇；授权发明专利1项，申请发明专利13项。课题组完成的工作解决了内容路由器数据检索时过分依赖片外低速存储器的难题，证明了机器学习方法应用于路由数据检索的可行性和科学价值，促进了内容路由器名称数据快速检索、存储技术的完善与发展，为信息中心网络的应用与部署奠定了基础。