近年来,随着网络用户对网络业务及品质需求的高速增长,高速的网络传输和多种多样的数据包类型给交换机处理带来新的挑战。流识别是交换机的主要功能之一,其目的是对网络中的数据包进行识别和分类,并根据数据包的类型来提供更加精准的服务。随着40/100Gb以太网标准的出现,不断增长的转发速率需求对交换机的转发性能和硬件设计提出了新的挑战。同时,软件定义网络(SDN)的出现,使网络更加灵活多变,OpenFlow协议是目前SDN技术中最重要的南向接口标准,OpenFlow协议中规定了44个待匹配的字段信息,这就大大增加了交换机需识别的字段数目。目前,可以将流识别技术面临的挑战总结为:1)流识别模块的处理速度需要达到40/100Gb以太网标准;2)流识别模块需要能处理多样的流类型;3)节约流识别模块所占用的存储空间。在此背景下,本文的主要研究方向为高速流识别的设计与实现,主要工作内容有:1)分析了国内外流识别方向的最新的研究成果,总结其优缺点。2)着重介绍了相关背景技术:基于比特向量的stride BV算法。3)在背景技术的基础上,提出了一种适用于范围字段的匹配方法:RSBV算法,该方法是比特向量法的改进,并以此方法为基础,提出了支持多字段匹配的高速流识别方法:AFBV算法。该方法首先将数据包中的信息分为适合范围匹配的信息和适合其他匹配方式的信息,基于范围匹配的信息利用此算法对其进行查找,而其他匹配方式信息利用二维流水结构的stride BV算法对其进行查找,将两种类型的数据包信息的查找结果相“与”得到最终的匹配结果。此查找方案适合数据包中任意匹配类型的信息的查找和匹配,但其缺点是占用的存储空间较大。4)针对上述查找方案的占用存储空间大的缺点,进行改进。改进的方案是,将规则集分级成多级流表,每一级只存储一个字段或几个字段的信息,且不存储重复信息,该方案有效节约了52.3%的存储空间。5)利用verilog硬件描述语言实现提出的算法,并利用Xilinx vivado软件进行仿真,最终在Xilinx ZedBoard FPGA板上进行了板级验证。综上所述,本文的主要工作在于提出了一种存储优化的支持多种类型字段的高速流识别算法。根据理论分析及板级验证结果,本算法的优势在于:1)将庞大的规则集进行分级,有效节约了52.3%存储空间;2)处理速度可达100Gbps;3)能够完成多字段信息的匹配,可以适应规则集的重构与扩展。未来的改进目标是使该方案支持动态更新并进一步提高其运行频率。