DPDK提供了三种classify算法：最长匹配LPM、精确匹配（Exact Match）和通配符匹配（ACL）。
其中的ACL算法，本质是步长为8的Multi-Bit Trie，即每次可匹配一个字节。一般来说步长为n时，Trie中每个节点的出边为2^n，但DPDK在生成run-time structures时，采用DFA/QRANGE/SINGLE这几种不同的方式进行数据结构的压缩，有效去除了冗余的出边。本文将为大家介绍ACL算法的基本原理，主要内容包括：trie树的构造、运行时的node array生成和匹配原理。对于ACL接口的使用，参考DPDK的官方文档即可。
0.规则的构造
0.1 定义匹配区域 rte_acl_field_def
ACL规则主要面向的是IP流量中的五元组信息，即IP/PORT/PROTO，算法在这个基础上进行了抽象，提供了三种类型的匹配区域：
RTE_ACL_FIELD_TYPE_BITMASK：单字节区域如ip头部一个字节的proto字段；
RTE_ACL_FIELD_TYPE_MASK：采用MASK方式描述，一般对应4字节的源/目的地址；
RTE_ACL_FIELD_TYPE_RANGE：一般对应TCP或UDP头部2字节的PORT区域。
熟悉这三种类型的使用后，完全可以用它们去匹配网络报文的其它区域，甚至将其应用到其它场景中。
具体来说，rte_acl_field_def有5个成员：type、size、field_index、input_index、offset。
如果要深入理解算法，可以思考这几个字段的意义，或者换个角度来看：
前面提到的三种type，往往对应3种size，那么size字段是多余的吗，什么时候size与一般情况下的使用不同，为什么？
field_index，它一般采用enum类型定义，在 rte_acl_field_def结构中也基本是连续的，是否可以去掉?
offset用来指定匹配时data的偏移，那么是不是意味着匹配时不是逐字节匹配？
有了offset指名偏移，为什么还要input_index字段呢?
0.2 定义具体规则 acl_ipv4_rule
对于规则的定义，要注意如下两点：
a)对于每一个field给出明确的定义
比如定义了5个field，那么请给出每一个的具体定义：
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0x0,},
.field[1] = {.value.u32 = IPv4(0, 0, 0, 0), .mask_range.u32 = 0,},
.field[2] = {.value.u32 = IPv4(192, 168, 2, 4), .mask_range.u32 = 32,},
.field[3] = {.value.u16 = 0, .mask_range.u16 = 0xffff,},
.field[4] = {.value.u16 = 1024, .mask_range.u16 = 0xffff,},
像field[1]中IP和mask都为0，表示匹配所有的IP地址；field[3]中range由0到65535，表示匹配所有。类似这样的全匹配一定要显示的定义出来，因为如果不明确定义，这些字段的值取决于编译器的，最后编译的ACL规则很可能与原有设想存在偏差。
b)field的全匹配方式
如果在规则中，对于某个field不进行限制，对于不同type的field，规则书写时有一定差异：
对于BITMASK和MASK类型，全0代表匹配所有，如上例中的field[0]、field[1]；
对于RANGE，则按照上述field[3]中的形式定义。
1.trie树的构造
规则定义好后，会转换为trie树并最终合并到一起。
实际处理过程中，build_trie函数会自底向上的将rule中的每个field转换为node，然后将这些node合并生成这条rule的trie，最后将这个trie与已有的trie进行merge，最终生成整个rule set的trie。
1.1 node数据结构
tire由node组成，其主要数据成员如下：
struct rte_acl_node {
struct rte_acl_bitset values;
uint32_t num_ptrs; /* number of ptr_set in use */
struct rte_acl_ptr_set *ptrs; /* transitions array for this node */
int32_t match_flag;
struct rte_acl_match_results *mrt; /* only valid when match_flag != 0 */
uint64_t node_index; /* index for this node */
int32_t match_index; /* index to match data */
uint32_t node_type;
int32_t fanout;
union {
char transitions[RTE_ACL_QUAD_SIZE];
/* boundaries for ranged node */
uint8_t dfa_gr64[RTE_ACL_DFA_GR64_NUM];
};
…
};
其中values/num_ptrs/ptrs/match_flag/mrt用于描述trie树。
node_index/match_index/node_type/fanout/union用于记录构造node array时的中间数据。
node中values成员用于记录匹配信息，ptrs则用于描述node的出边，用于指向转换后的node。
values采用bitmap进行压缩，其数据结构为struct rte_acl_bitset values; 一个byte取值范围是[0,255]，可通过256个bit位来进行对应，并实现byte值的快速查找：即通过第x位的bit值是否为1来判断是否包含数值x（0 <= x < 256）。
比如bitmap 0x040 = 1 << 6，可匹配6（IPPROTO_TCP）
num_ptrs用于描述出边数目，ptrs即为实际的出边，它记录了其匹配值values和匹配后的节点指针。
match_flag和mrt则用于记录匹配结果，trie树中叶子节点一定是记录匹配结果的节点。
trie树其详细结构比较复杂，这里将其结构进行简化，如下所示：
上图的trie树有4个node，通过ptrs进行指向，values字段为匹配值的bitmap表示，为了表述的简洁，后续会采用simple的方式进行描述。
在trie simple中，实心节点表示匹配节点，边上的数字代表匹配值（为便于阅读，采用实际值而不再是bitmap形式），…代表其它匹配值。
1.1 由field到node
不同type的field，转换为node的方式会有所不同。
目前提供的3种类型：BITMASK描述一个byte的匹配，支持mask模式；MASK用于描述4个byte的匹配，支持mask模式；RANGE描述2个byte的匹配，此时mask表示上限。
field到node的转换，见build_trie中的for循环，具体转换函数则参考：
acl_gen_mask_trie和acl_gen_range_trie
对于BITMASK，如{.value.u8 = 6, .mask_range.u8 = 0xff,}，它最后的转换形式如下：
对于MASK，如{.value.u32 = IPv4(192, 168, 2, 4), .mask_range.u32 = 32,}，它会转换为如下形式：
对于RANGE，如{.value.u16 = 1024, .mask_range.u16 = 0xffff,}，它会转换为如下形式：
上述RANGE采用的bitmap值而不是匹配值，这里对bitmap的计算进行简要说明：RANGE表示两个字节，1024 = 0x400，范围是0x400 ~ 0xFFFF，对于高字节，匹配的值为4 255，对于低字节匹配的值为0255，所以最终的bitmap形式为0xFF::FFF0（高位字节）与0xFF::FF（低位字节）。
1.2 由field到rule trie
构造field的node时，总会在结尾添加一个空的end节点，最后一个field除外（它是match node）。在for循环中每完成了一个field的解析后，会将其合并到root中，从而生成这个rule的trie。
合并前，也会先构造一个空的end node（见build_trie函数中，while循环下的root创建），让它与field构成的node头合并，因为不相交，所以merge时会将匹配信息合并到end node并释放原有的头，并将field链的end节点返回（保存到end_prev中），下次合并时，就用此end节点与新的node头合并。
循环遍历完所有的field后，这些node就串联起来了，构成这个rule的trie。
root = acl_alloc_node(context, 0);
root->ref_count = 1;
end = root;
for (n = 0; n < rule->config->num_fields; n++) {
field_index = rule->config->defs[n].field_index;
fld = rule->f->field + field_index;
end_prev = end;
...
/* merge this field on to the end of the rule */
if (acl_merge_trie(context, end_prev, merge, 0,
NULL) != 0) {
return NULL;
}
}
1.3 rule trie的合并
对于多个rule，每次构造完成后会merge到整体的trie中。
这里详细介绍下merge算法原理，其实仔细阅读acl_merge_trie函数的注释即可。
对于node A和node B的merge， acl_merge_trie函数返回一个节点，这个节点指向它们路径的交集。
这里给出三个例子用于展示merge前后的变化。为了减少状态点，构造rte_acl_field_def如下：
struct rte_acl_field_def ipv4_defs[NUM_FIELDS_IPV4] = {
{
.type = RTE_ACL_FIELD_TYPE_BITMASK,
.size = sizeof(uint8_t),
.field_index = PROTO_FIELD_IPV4,
.input_index = RTE_ACL_IPV4_PROTO,
.offset = 0,
},
{
.type = RTE_ACL_FIELD_TYPE_MASK,
.size = sizeof(uint32_t),
.field_index = SRC_FIELD_IPV4,
.input_index = RTE_ACL_IPV4_SRC,
.offset = offsetof(struct ipv4_hdr, src_addr) -
offsetof(struct ipv4_hdr, next_proto_id),
},
};
示例1：
struct acl_ipv4_rule acl_rules[] = {
{
.data = {.userdata = 102, .category_mask = 1, .priority = 1},
.field[0] = {.value.u8 = IPPROTO_TCP, .mask_range.u8 = 0xff,},
.field[1] = {.value.u32 = IPv4(192, 168, 1, 2), . mask_range.u32 = 32,},
},
{
.data = {.userdata = 104, .category_mask = 1, .priority = 2},
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0x0,},
.field[1] = {.value.u32 = IPv4(192, 168, 4, 0), .mask_range.u32 = 24,},
},
};
acl_rules[1]为trie A，acl_rules[0]对应trie B，最终trie B合并到trie A上，具体如下：
1和1’合并时，因为level为0，所以1’直接合并到1中；
4和4’合并时，因为节点无交集，所以创建新节点c1(node 4的拷贝)，并将4'上的边拷贝到c1中。
示例2，rule类别相同，但优先级不同：
struct acl_ipv4_rule acl_rules[] = {
{
.data = {.userdata = 102, .category_mask = 1, .priority = 1},
.field[0] = {.value.u8 = IPPROTO_TCP, .mask_range.u8 = 0xff,},
.field[1] = {.value.u32 = IPv4(192, 168, 1, 2), . mask_range.u32 = 32,},
},
{
.data = {.userdata = 104, .category_mask = 1, .priority = 2},
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0x0,},
.field[1] = {.value.u32 = IPv4(192, 168, 0, 0), .mask_range.u32 = 16,},
},
};
acl_rules[1]为trie A，acl_rules[0]对应trie B，最终trie B合并到trie A上，具体如下：
6和6’是match node，类别相同，且6的优先级为2大于6’的优先级。
6和6’合并时，直接返回6。而前面创建的新节点，如d1，已包含5’的所有边（非ACL_INTERSECT_B），所以最终返回5，free d1。
同理依次往上回溯，a4，b3，c2，也依次被释放，最终merge的trie即为原来的trie A。
示例3，rule类别不同，优先级相同：
struct acl_ipv4_rule acl_rules[] = {
{
.data = {.userdata = 102, .category_mask = 1, .priority = 1},
.field[0] = {.value.u8 = IPPROTO_TCP, .mask_range.u8 = 0xff,},
.field[1] = {.value.u32 = IPv4(192, 168, 1, 2), . mask_range.u32 = 32,},
},
{
.data = {.userdata = 104, .category_mask = 2, .priority = 1},
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0x0,},
.field[1] = {.value.u32 = IPv4(192, 168, 0, 0), .mask_range.u32 = 16,},
},
};
acl_rules[1]为trie A，acl_rules[0]对应trie B，最终trie B合并到trie A上，具体如下：
6和6’是match node，因为类别不同，所以最终创建了新node e1，这也导致示例3和示例2最终merge结果的不同。
合并是一个递归的过程，逆向思考构造过程会有助于理解算法。另外，在build_trie之前会sort_rule，匹配范围更大的rule会放到前面优先构造trie，个人为这样node A包含node B的概率更大，这可能也是merge时创建的node C是A的拷贝而不是B的拷贝的原因，因为这样出现ACL_INTERSECT_B的概率相对较低。
一些说明：
1.merge完后，对于有分支的边，”…” 表示匹配除了其它分支以外的所有值，图中表述不准确（不太好画）；
2.对于虚线的节点，表示merge完后会被释放；红色节点表示新建的node；红色的边，表示有修改或新增的边；实心节点表示match节点。
3.node创建的顺序是a\b\c\…，但决定node是否free，则是1\2\3\…，见红色节点的名称。
2.node array的构造
trie树构造完成后，会将其由指针跳转的形式转换为等效的数组索引形式，即node array，既可让匹配数据更紧凑，也可提高匹配算法的效率。
采用node array的方式进行状态点的压缩是很常见的优化方式，比如snort里面的ac算法(acsmx.c)：
笔者也曾经做过类似的优化，通过将出边由指针方式修改为索引方式，整个匹配tree的内存占用只需要原来的1/5。
将指针方式转换为node array形式是优化的第一步，对于Next[256]出边又可以采用多种压缩方式，比如snort中新的ac算法(acsmx2.c)，就采用了Sparse rows和Banded rows等多种压缩方式，但其原理是将出边进行映射转换，本质上还是做DFA状态跳转。
2.1 node type
DPDK对边的压缩方式与上述类似，不过它优化的粒度更细，不同type的node有不同的压缩方式：
对于出边比较多的节点它会被标记为RTE_ACL_NODE_DFA；
对于出边比较少的节点则使用RTE_ACL_NODE_QRANGE；
如果节点出边仅一条则为RTE_ACL_NODE_SINGLE；
对于Match节点会被标记为RTE_ACL_NODE_MATCH。
比如在示例三中，node 1为DFA节点（根节点强制使用DFA方式），2、3、a5、b4、c3、d2为QRANGE，4、5为SINGLE，6、e1为MATCH。
2、3、a5、b4虽然在图上仅有一条有效边，但它不为SINGLE，因为对于无效的匹配其实也会有出边，所以它的真实出边数目并不唯一，只有像4、5这类全匹配节点才是真正的SINGLE节点。
在构造node array前，会调用acl_calc_counts_indices函数更新node的node type，fanout等信息。
node type依据其fanout值决定，fanout计算见acl_count_fanout函数，其原理是：
1.计算node的values（bitmap）中连续为0的区间数；
2.计算node的各个出边values（bitmap）中连续为1的区间数；
3.将上述结果相加即为fanout值；
比如对于示例3中的d2节点：
1.node的values为：0xFFFF::FFFF，全1，bit为0的区间不存在
2.对于指向node 6的出边，其values为：0xFFFF::FFFB，连续1的区间数为2（1111...1011）
3.对于指向node e1的出边，其values为：0x0000::0004，连续1的区间数为1（0000...0100）
4.故计算得到的fanout值为3
fanout计算完成后，若其值为1则为SINGLE节点，(1, 5]为QRANGE节点，(5, 256]为DFA节点。
注意：对于trie树的root节点，不论fanout值为多少，会强制将其构造为DFA节点，且其fanout值会重新计算。
2.2 内存布局
type和fanout计算完成后，会统计各类节点数目，信息保存在acl_calc_counts_indices传入的counts参数中，随后rte_acl_gen依据这些信息将整块的node array内存分配出来，其布局大致如下：
Data indexes中用于保存在rte_acl_field_def中定义的offset；
Results对应match node，用于保存匹配结果。
Trans table包含整个匹配过程中的跳转点：
1.DFA0和idle节点用于构造失效节点，某一次匹配失效后会一直处于idle状态，直到匹配结束；
2.DFAs、QUADs、SINGLEs即为trie树中依据node的不同type对应的array模式；
静态将整块node array分配完成后，就需要依据trie 树的node信息填充Trans table和Results了，具体过程见acl_gen_node函数；Data indexes的填充则在acl_set_data_indexes中完成。
2.3 跳转表的构造
2.2中的内存布局大致描绘了各种类型节点的分布情况，DFAs内部由一个一个的DFA节点组成，QUADs和SINGLEs也一样，都是由相同类型的节点构成。
对于每一个节点，其结构则类似如下形式：
DFA节点的fanout一般为4，出边数为fanout*RTE_ACL_DFA_GR64_SIZE；（图中画的为fanout为4的情况，256条出边）
QUAD节点的fanout不超过5，即为节点的出边数不超过5；（图中画的为fanout为4的情况）
SINGLE节点只有一个出边；
图中的trans即为这个节点的出边，它本质是一个uint64的数据结构，通过trans和input信息即可计算得到下一个节点的index，从而实现匹配跳转。trans中不同bit位包含着丰富的信息，具体见acl.h中的说明即可。
高32位对于不同类型的节点有不同的解释：
1.对于MATCH节点，高32位没有意义，match节点一定是叶子节点（这与AC算法或其它匹配算法不一样，它没有贪婪模式）；
2.对于QRANGE即QUAD节点，通过高32位和input_byte可以计算得到index；
3.SINGLE节点，高32位其实意义不大，因为通过低32位的node_addr即可知道下一跳节点的位置，不过转换过程中还是采用与QRANGE一样的计算方式获取index，如scalar_transition函数中的处理；
4.对于DFA节点，也是通过高32位与input_byte得到index，只是计算方式略有区别。
低32位：
1.高三位用于指定node type，是这条边指向节点的类型，而不是这个节点的类型；
2.低29位用于指定node addr，即指向节点的addr。
在实际处理过程中，通过高32位与input_byte计算得到index，与低32位中的addr，即可快速定位到下一个trans：trans_table + (addr+index)。
这里的处理其实与传统的DFA跳转差别很大，传统处理时，next = node[‘input’]，跳转到下一个节点，然后采用next[‘input’]进行跳转和匹配，即使有数据结构的压缩，跳转目标仍是状态点。但DPDK中，跳转时直接采用trans_table + (addr+index)，直接找到了状态点的边（trans），而不是到状态点。
跳转表具体构建时，采用acl_gen_node函数完成：
首先通过采用广度优先的形式遍历所有的node，node的adds通过index进行记录；
对于QRANGE，高32位的transition计算比较复杂，在acl_add_ptrs中完成。第一次acl_add_ptrs中resolved为0，将自身64bit的trans构造完成记录在node_index中，第二次acl_add_ptrs时resolved为1，因为child的node_index已构造完成，此时将child的node_index赋值给这个node的trans（见对node_a的赋值），即完成了出边的构造。（这里代码较复杂，建议多读几遍）
DFA与QRANGE类似，对于MATCH、SINGLE的trans处理则相对简单。
3.匹配原理
匹配的过程与跳转表的构建其实是互为一体的，如何构建跳转表就决定了如何进行匹配。
在2.3节，对于跳转的形式已进行了说明，具体可阅读rte_acl_classify_scalar函数：跳转时直接采用trans_table + (addr+index)，直接找到了状态点的边（trans），而不是到状态点。
对于具体的匹配过程，还有一点需要注意，即GET_NEXT_4BYTES的使用，每次匹配时候都会去4BTYTES进行匹配，这也是为什么定义input fields时要求4字节连续。比如我在dpdk-dev邮件组中问的这个问题。
解决4字节连续，可以通过定义相同的input_index来解决，比如像邮件中提到的设置sport/dport的input_index相同，这是因为data indexes的构造取决于input_index，见acl_build_index函数；同时field_index不同、input_index相同时可避免对field区间的优化（如果优化，将某个field去掉了，这时4字节匹配会失效）。邮件中的问题，正是因为field[3]被优化掉后，4字节连续匹配出现问题。
在特定的场合还必须通过指定.size为32来解决，即使type类型为BITMASK，见DPDK的ACL文档中关于tos示例的说明。
另外再说下field_index，前面提出一个问题：field_index是否多余？
答案是不多余，因为算法中会对field进行优化，如果不指定field_index字段，这个优化就无法进行了，具体的优化处理见acl_rule_stats函数。
优化过程中要进行input_index的判断，这是因为相同的input_index可以有多个field，但其中只有某个field是completely wild时应避免进行优化。只有相同input_index的所有field都是completely wild时，才应该将这个field优化掉。
上面的一系列说明，都是针对GET_NEXT_4BYTES每次匹配四个字节的匹配进行的补充说明。
匹配的具体过程，这里用图形的方式进行简要说明，为了能有多种类型的node，这里构造规则如下：
struct acl_ipv4_rule acl_rules[] = {
{
.data = {.userdata = 102, .category_mask = 1, .priority = 1},
/* proto */
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0,},
/* source IPv4 */
.field[1] = {.value.u32 = IPv4(192, 168, 0, 0), . mask_range.u32 = 16,},
},
{
.data = {.userdata = 102, .category_mask = 1, .priority = 2},
/* proto */
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0,},
/* source IPv4 */
.field[1] = {.value.u32 = IPv4(192, 200, 0, 0), . mask_range.u32 = 16,},
},
{
.data = {.userdata = 102, .category_mask = 1, .priority = 3},
/* proto */
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0,},
/* source IPv4 */
.field[1] = {.value.u32 = IPv4(192, 12, 0, 0), . mask_range.u32 = 16,},
},
{
.data = {.userdata = 102, .category_mask = 1, .priority = 4},
/* proto */
.field[0] = {.value.u8 = 0, .mask_range.u8 = 0,},
/* source IPv4 */
.field[1] = {.value.u32 = IPv4(192, 80, 0, 0), . mask_range.u32 = 16,},
},
};
trie树如下所述：
trie树进行转换时，node0作为根节点，会转换成为DFA1；
node1是唯一的一个quad节点，且其出边数目为3；
node2出边数目为9，所以被转换为DFA2；
node3、node4、node6、node7、node9、node10、node12、node13为singles节点，每个节点一个出边，对应粉红色区域的t0~t7；
node5、node8、node11、node14为match节点。
对应的node array如下图所示：
假设输入数据为：proto 16, ip 192.12.8.8，则transition跳转方式如上图红线所示：
1.通过acl_start_next_trie，第一个transition对应DFA1的边t16；
2.t16指向quad1，type为QUAD，GET_NEXT_4BYTES获取到了接下来的4个字节：192、12、8、8；
3.scalar_transition中通过t16与192的计算，得到下一个transition为QUAD1的t1；
4.t1指向DFA2，type为DFA，通过t1与12计算，得到下一个transition为DFA2的t12；
5.t12指向single节点，不论输入什么都会跳转到singles的t2；
6.t2同样为single节点，不论输入什么都会跳转到t3；
7.t3指向一个Match节点，type为match，通过低32位的addr即可获取到匹配结果在matches中的索引2；
8.读取m2，获取到匹配结果。
注意：node array中indexes、DFA0和idle省略了。
4.其它
关于trie树相关的理论知识参考这里。
5.总结
本文主要介绍了DPDK的ACL算法，详细描述了如何由规则生成trie，并将trie转换为node array的过程，在文末通过示例介绍了具体的匹配过程。文章旨在介绍ACL算法的基本思路，希望对大家能有所帮助。