ترجمه مقاله تطبیق پیشوند نام با استفاده از پیش جستجوی فیلتر بلوم برای شبکه محتوی محور - نشریه الزویر

قیمت خرید این محصول

۲۹,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

تطبیق پیشوند نام با استفاده از پیش جستجوی فیلتر بلوم برای شبکه محتوی محور

عنوان انگلیسی

Name prefix matching using bloom filter pre-searching for content centric network

صفحات مقاله فارسی

22

صفحات مقاله انگلیسی

13

سال انتشار

2016

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد ✓

کد محصول

F971

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است ☓

وضعیت ترجمه منابع داخل متن

به انگلیسی درج شده است ✓

doi یا شناسه دیجیتال

https://doi.org/10.1016/j.jnca.2016.02.008

دانشگاه

گروه مهندسی الکترونیک، دانشگاه Ewha Womans، سئول، کره

رشته های مرتبط با این مقاله

مهندسی فناوری اطلاعات و کامپیوتر

کلمات کلیدی

شبکه محتوی محور، تطبیق پیشوند نام، فیلتر بلوم، پیشوند نام trie

گرایش های مرتبط با این مقاله

مهندسی الگوریتم ها و محاسبات، شبکه های کامپیوتری و اینترنت و شبکه های گسترده

مجله

مجله شبکه و کاربردهای کامپیوتری - Journal of Network and Computer Applications

ترجمه این مقاله با کیفیت متوسط انجام شده است. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1. مقدمه
2. پژوهش‌های مرتبط
2.1 پیشوند نام trie
2.2 الگوریتم‌های پیشین جستجوی نام
2.3 تئوری فیلتر بلوم
3. الگوریتم‌های پیشنهادی
3.1 NPT مبتنی بر هش (ترکیب-NPT)
3.2 پیشوند نام trie همراه با یک فیلتر بلوم (NPT-BF)
3.3 پیشوند نام trie همراه با اتصال زنجیره‌ای فیلتر بلوم (NPT-BF-زنجیره‌ای)
4. ارزیابی عملکرد
5. نتیجه‌گیری

نمونه چکیده ترجمه متن فارسی

چکيده
به عنوان يک نمونه‌ي شبکه‌ بندی جديد براي اينترنت آينده، فناوري شبکه‌بندي محتوی محور(CCN) يک زيرساخت ارتباطي محتوی محور براي مقدار روز افزون ترافيک داده، ارائه می کند. براي پياده‌سازي موفق CCN، لازم است که يک موتور ارسال کارآمد طراحي شود که جست و جوی نام را با سرعت بالايي اجرا کند. اين مقاله، استفاده از يک پيشوند نام trie مبتني بر هش و يک فيلتر بلوم را پيشنهاد مي‌کند. در روش پیشنهادی، يک جدول هش خارج چيپ که گره های پيشوند نام trie را ذخيره مي‌کند، تنها زماني دردسترس قرار مي‌گيرد که فيلتر بلوم، وجود نود trie را در صف پيشوندها تأييد نمايد. در دسترسي به نود، بسته به نتایج فيلتر بلوم، ما دو الگوريتم با راهبرد های مختلف را پيشنهاد می کنیم . اولين الگوريتم به نود trie براي هر نتيجه‌ي مثبت فيلتر بلوم دسترس می یابد، در حالي که الگوريتم دوم، در ابتدا با استفاده از پرس و جو های فيلتر بلوم تلاش مي‌کند تا طولاني‌ترين طول تطبيق را تعيين نمايد. نودهاي trie با استفاده از طولاني‌ترين مسیر ممکن مورد دسترسي قرار مي‌گيرند و اگر هيچ تطبيقي وجود نداشته باشد، جستجو از سر گرفته مي‌شود. نتايج شبيه‌سازي نشان مي‌دهند که روش پيشنهادي مي‌تواند خروجی هر نام ورودی با دسترسی تک گره ای به طور متوسط و با دسترسی دو گره ای دربدترین سناریو با استفاده از اندازه منطقی فیلتر بلوم فراهم کند.

نمونه چکیده متن اصلی انگلیسی

Abstract

As a new networking paradigm for future Internet, content centric networking (CCN) technology provides a contents-oriented communication infrastructure for the rapidly increasing amount of data traffic. For the successful realization of CCN, it is essential to design an efficient forwarding engine that performs high-speed name lookup. This paper proposes the use of a hashing-based name prefix trie and a Bloom filter. In the proposed approach, an off-chip hash table storing the nodes of the name prefix trie is only accessed when the Bloom filter states that the node under querying exists in the trie. In accessing the node depending on the result of the Bloom filter, we propose two algorithms that have different strategies. The first algorithm accesses the trie node for every positive result of the Bloom filter, while the second algorithm first attempts to determine the longest matching length using Bloom filter queries. Trie nodes are accessed from the possible longest length, and tracked back if there is no match. Simulation results show that the proposed approach can provide the output face of each input name, with a single node access on average and with two node accesses in the worst-case using a reasonable size of a Bloom filter.