Distribuição de Mídia Contínua Localizaçao e Seleçao de Servidores e Roteamento Jussara M. Almeida Junho 2004

Problema Rede Remota Rede “Local” Rede “Local” Rede “Local” Servidor Origem Servidor Proxy Servidor Proxy Servidor Proxy 1)Quantos servidores e onde? 2)Qual servidor cada cliente vai contactar 3)Qual a rota da resposta? Objetivo: min custo total de transmissao Precisa: topologia da rede, custos relativos de transmissao na rede e do servidor

Metodologia Derivacao de soluçao otima –Modelo de otimizacao de custo Analise de topologias canonicas com 2 ou 3 clientes –Obtencao de intuicao sobre o problema Derivacao de várias heuristicas Avaliacao com topologias reais da Internet –Escolha criteriosa

Topologias de Rede Topologias a nivel de roteadores e a nivel de Autonomous Systems (AS) –Custo de fluxo multicast ainda em aberto Topologia a nivel de roteadores: –1000 Traceroutes entre pares de sites –24 Sites: laboratorios, universidades, ISPs –Distribuiçao geografica: 4 continentes –Cada site representa subrede local Topologia a nivel de AS –Mapeamento da topologia de roteadores e tabelas BGP –Mais realista do que simplesmente usar tabelas BGP, como em trabalhos anteriores Exemplo da Fig. 1

Premissas Otimizacao de localizacao e roteamento para conjuntos de client sites Arvore de distribuicao fixa Custo de transmissao = custo de rede + de servidor –Proporcional a banda de rede e banda de servidor –Banda de rede: soma da banda em cada hop das árvores de distribuicao Hop = AS ou link entre dois roteadores –Chegada de requisicoes: Poisson (banda logaritmica) –Cada replica: objeto completo, um unico objeto Extensoes Futuras: –Segmentos : interatividade –Multiplos objetos

Solucao Otima Exemplos (Figs 2 e 3) Modelo de Otimizacao de Custo (Fig 4) –Solucao para varios protocolos –localizacao e roteamento otimos para numero m de servidores –Varia m para determinar solucao otima. Em comparacao com modelos anteriores –Solucao conjunta para roteamento e localizacao –Modelo para BW Skim e Patching: nao lineares nao convexas : problema! –Reformulacao do modelo: complexidade alta! Tabelas com bw pre-computadas Aproximacao linear –Restricoes adicionais para reduzir espaco de busca

Experimentos com Modelo de Otimizacao Comparar: –Custo da solucao otima para BW Skimming –Custo se solucao otima para unicast e usado para transmissao via BW Skimming Instalacao de servidores: clientes ou pontos de entroncamento Custo relativo de banda do servidor e da rede,  : ?? –Nossos experimentos:  = 0 Topologias: –AS e roteadores –Diferentes niveis de dispersao dos clientes: importante! –Distribuicao da carga entre clientes: homogenea e heterogenea

Experimentos com Modelo de Otimizacao Figs 5 e 6 Conclusoes: –Solucoes otimas para unicast podem ser significativamente subotimas para multicast –Necessidade de heuristicas eficientes: modelo demora muito pra rodar –Numero otimo de replicas: tradeoff entre banda de rede e banda de servidor Modelo inclui este tradeoff de maneira mais precisa que trabalhos anteriores

Analise de Arvores Canonicas Arvore de Distribuicao Otima (t min ) –Custo : Soma da banda de cada link; a bada de cada link e logaritmica na taxa de requisicoes Trade-off entre min caminhos entre servidor e clientes & max compartilhamento nos links Arvore de Menor Numero de Links (t fl ): max. compartilhamento, mas alguns caminhos podem ser longos Arvore dos Caminhos mais Curtos (t sp ): min. caminhos, mas baixo compartilhamento

Analise de Arvores Canonicas Topologia canonica, com 2 sites clientes Conclusoes: Arvore de Caminhos mais Curtos Custo total de transmissao aumenta, no maximo, em onde f e a razao entre o comprimento do caminho mais curto entre os clientes e a soma dos comprimentos dos segmentos nao compartilhados entre servidor e clientes. Arvore com Menor Numero de Links: custo ilimitado (teorico) Localizacao de Servidores: nenhuma regra simples encontrada A c a b B S d servidor Site cliente

Heuristicas para Localizacao de Servidores Localizacao do primeiro servidor: –No em S cuja arvore de caminhos mais curtos para todos os clientes tem custo minimo

Heuristicas: Localizacao de Servidores Localizacao do i th servidor (i  1): 2 alternativas 1.Min cost tsp –Considere cada no servidor em S ainda nao usado –Cada cliente contacta o servidor mais proximo –Seleciona o no que, juntamente com as arvores ja criadas, tem o menor custo total das arvores de caminhos mais curtos 2.Maximum Savings –Considere cada no servidor ainda nao usado que esta em uma das i-1 arvores criadas previamente –Selecione o no que acarreta a maior economia de banda quando removido –Se nao houver nenhum no, use min cost tsp Otimizacao: mover servidor da raiz para algum no interno se acarretar economia de banda

Heuristicas para Roteamento Construcao da arvore de distribuicao: 1.Min-Inc-Cost: [ZhEV02] –Adiciona, a seguir, o cliente que pode ser conectado a qualquer uma das arvore com custo incremental minimo 2.Ordered MinCost: –Adiciona clientes em ordem decrescente de carga –Conecta cliente a arvore com custo incremental minimo 3.Shortest Path Routing bom desempenho para um servidor [ZhEV02] aumento de custo sobre otimo limitado

Avaliacao das Heuristicas Todas heuristicas produzem solucoes proximas do otimo para nossas topologias (Fig. 7) (heterogeneas, homogeneas, AS, roteadores, diferentes niveis de dispersao) Localizacao: –min-cost tsp igual ou melhor que maximum savings –min-cost tsp melhor que solucoes tradicionais (unicast) –min-cost tsp produz solucoes ate 16% do otimo (nos exps) Se min-cost tsp –shortest path = ordered min cost = min-inc-cost (min-inc-cost mais complexo) Shortest path routing: custo ate 28% maior que otimo –Maior que no paper da Yanping –Menor que limite analitico: Caracteristicas dos caminhos na Internet???