Linux下自适应网络数据捕获系统设计

2017-04-10周莹

中国新通信 2017年4期

周莹

【摘要】本文在对零拷贝技术改进的基础上提出了一种适应不同网络负载环境下的自适应的数据捕获方法，重点介绍了其实现的关键技术、数据捕获整体结构，自适应数据捕获方法使用范围更广、在同等条件下有效的减轻了CPU的负荷，提高了数据捕获的效率。

【关键词】自适应数据捕获 Linux系統

一、引言

网络数据捕获是网络安全性分析过程中一种常用的方法，一般采用NAPI中断轮询机制、零拷贝技术和TOE等关键方法来提升数据捕获的性能，但是这些方案在实际应用中存在适用范围小性能提升有限等问题。本文提出了自适应网络数据捕获方法，实现一种应用范围更广的数据捕获方案。

二、自适应数据捕获及其关键技术

为了提高数据捕获的效率，适应不同的网络环境，本文在零拷贝的基础上提出一种自适应的网络数据捕获机制。

2.1 自适应网络数据捕获整体结构

与零拷贝技术相比，将接口程序中队列中的去写数据的方式从硬件中断方式改为轮询方式，设定自适应的轮询定时器，采用自适应的方式根据流量大小对定时器的工作时间进行调整，如果网络中数据流量较大时则增大定时器的定时时间间隔，如果流量较小时则减小定时器定时时间。通过这种方式可以减小中断带来的系统开销，同时能够根据不同的网络环境适时调整轮询频率，及时高效的处理网络数据。

2.2 自适应定时器

自适应网络数据捕获方法减少中断次数的关键就是根据网络流量大小修正轮询时定时器计时的时间间隔。其核心是根据已经采集的数据流量大小预测定下一次定时器启动的时间。在预测时间时首先按照一定的时间间隔采集当前网络流量大小得到一个连续的时间序列，网络流量数据可以用如下数据形式描述：

X={x1，x2，x3，…xt，t=1，2，3…}

其中xt表示网络中t到t+1时刻网络中数据流量大小，X表示为连续的网络流量时间序列。网络流量预测根据过去的现在已知的或者非确定的网络流量状态建立一个网络流量预测模型从而预测未来的流量，可以用如下函数表示：

其中为其与预测值。为了不增加额外的开销，在流量预测时使用计算相对简单预测也较准确的基于数理统计的泊松过程模型。

2.3 内存地址映射

为了避免数据在内存之间的拷贝，在用户和内核中设置了一块共享的缓冲区，但是用户程序所使用的地址和硬件使用的物理地址是不相同的。Linux操作系统中每个应用程序维护一个多级页表来实现地址之间的转换。

内存地址转换时首先将用户缓冲区UserBuff经过页对齐之后的首地址传入内核中并以此为首地址逐级映射到物理地址表phy_addr_table。物理地址表phy_addr_table一旦初始化后就锁定不可更改。具体过程如下：

For（i=0；i<（BUFF_BLK_NUM）>>1）；i++，addr+=PAGE_SIZE）

经过映射之后，用户就可以直接访问送入Phy_addr_ table中的网络数据包。

三、测试

为了对自适应网络数据数据捕获方法进行进一步分析，对整个系统进行了测试。测试是使用linux2.6.21操作系统，realtek rtl8168 8111网卡，CPU为Intel（R） i3-2100 CPU。为了测试自适应数据捕获系统的性能，测试了64字节小包发送不同速率的数据包对CPU资源的占用情况，测试结果如表1所示：