MapReduce并行算法验证OpenFlow网络属性，解决配置错误问题

该论文研究的是一种基于MapReduce的OpenFlow网络属性并行验证算法，主要针对OpenFlow网络中常见的问题，如流表配置错误导致的转发回路、路由黑洞以及访问控制规则失效。OpenFlow是一种网络虚拟化技术，通过软件定义的方式实现网络流量的控制，而流表配置错误可能会严重影响网络的正常运行。 该算法的核心思想是将网络属性验证过程分解为两个阶段：map阶段和reduce阶段。在map阶段，通过划分规则等价类，将复杂的网络规则集转化为易于处理的结构，使得多个规则可以并行处理。等价类的划分有助于减少重复计算，提高效率。 在reduce阶段，算法构建了基于交换机端口谓词的网络转发图，这是一种图形化的表示方式，用于分析每个规则等价类的可达性。通过原子谓词的应用，将规则匹配域的传统多维集合运算转换为整数集合运算，进一步简化了计算，提升了可达性分析的性能。原子谓词的优势在于能够消除交换机端口谓词集合中的冗余，从而节省存储空间。 论文作者们还进行了理论分析和仿真实验来验证算法的有效性和性能优势。他们证明了算法在处理大规模网络时具有较高的正确性和时间效率，并在存储开销方面也表现出明显的优势。此外，研究还得到了国家“863”计划和郑州市科技领军人才项目的资助，表明这项工作得到了学术界和工业界的广泛关注。 该算法对于OpenFlow网络的维护和优化具有重要意义，尤其是在分布式环境下，通过并行处理可以显著提升网络属性验证的效率，减少人为错误造成的网络故障，保障网络的稳定性和安全性。这对于现代网络管理和运维人员来说是一项实用且有价值的工具。