Carlo Marcello Thiago Roberto Borille

Apresentação em tema: "Carlo Marcello Thiago Roberto Borille"— Transcrição da apresentação:

1 Carlo Marcello Thiago Roberto Borille
A Self-Organizing Composition Towards Autonomic Overlay Networks Uma Composição Auto-Organizável Para Redes Overlay Autonômicas I. AL-OQILY, A. KARMOUCH NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM, NOMS IEEE Carlo Marcello Thiago Roberto Borille

2 Roteiro Introdução Trabalhos Relacionados
Composição auto-organizável de serviços Algoritmo / Funcionamento Regras de aprendizado Experimentos Conclusão

3 Introdução SSONs (Service Specific Overlay Networks)
Redes Overlay Específicas a Serviços Computação Autonômica Adapta às alterações do meio Simplifica e automatiza o gerenciamento Economiza tempo e custos de manutenção Composição de entidades autônomas para atingir objetivos globais

4 Introdução - Composição de Serviços
Permite que serviços simples formem serviços complexos Definida como um grafo acíclico dirigido G(N, L,W) N = número de serviços em G l(u, v) em L = composição de serviço entre u e v com custo W Service Path – caminho em G que minimiza um critério de custo PROBLEMA: Impossível contar com serviços predeterminados Re-computar G para cada mudança é custoso

5 Trabalhos Relacionados
Projetos de Composição de Serviços: Gri-PhyN SWORD Libra Ninja CANS Contam com uma entidade central para tratar da descoberta, integração e composição de serviços ou Assumem o conhecimento prévio de um grafo de serviços base para seus algoritmos de composição

6 Composição auto-organizável de serviços
Elementos autonômicos garantem seu gerenciamento SSONs são compostas de muitos elementos autonômicos Requerimentos para SSONs: Descentralização Eficiência Robustez Dinamismo

7 Composição auto-organizável de serviços
Tipos de composição de serviços MP (MediaPort)

8 Composição auto-organizável de serviços
Cada MP conhece os seus serviços e de sua vizinhança. A vizinhança é determinada por MPs de uma sub-área. Um MediaClient (MC) solicita mídia de um MediaServer (MS) O problema de composição é determinar um media flow que consegue transformar os dados do MS em um formato aceito pelo MC O service path montado deve atender ao QoS solicitado pelo MC

9 Suposições e Regras Cada nó conhece sua localização geográfica;
A área é dividida em sub-áreas de tamanho igual; Cada nó sabe à qual sub-área ele pertence, e pode passar essa informação para todos os nós da rede; Inicialmente a requisição é repassada usando somente o conhecimento local; Requisição enviada somente para nós que estão no caminho direto entre o MC e o MP

10 Área de Pesquisa

11 Área de Pesquisa Onde, (x1,y1) é a posição do MC, (x2,y2) é a posição do MS e (x0,y0) é a posição do MP MP está na área de busca se

12 Classificação na ActiveList
R(A,B) = 4, A sabe que junto com B pode prestar um serviço completo; R(A,B) = 3, A sabe que junto com B pode prestar um serviço parcial; R(A,B) = 2, A sabe que B pode prestar um serviço completo sem ele; R(A,B) = 1, A sabe que B pode prestar um serviço parcial sem ele; R(A,B) = 0, A sabe que B não pode prestar o serviço;

13 Pacote de Requisição de Composição
Request ID (RID) MediaClient Input (I) MediaServer Output (O) Requisitos de QoS Ângulo α[0,180] Histórico de Composição

14 Exemplo Uma Requisição de Composição = RC(S1+S2+S3) Sendo:
S1 = Converter vídeo MPEG em AVI S2 = Inserir o áudio no vídeo AVI S3 = Inserir a legenda no vídeo (já com o áudio)

15 Funcionamento RC(S1+S2+S3) ID Serviço Rank A S1 4 F S4 3 MS D F C B A
MC RC(S1+S2+S3)

16 Funcionamento ID Serviço Rank D S2 C 2 MS D F C B A E MC RC(S1+S2+S3)

17 Funcionamento ID Serviço Rank D S3 B MS D F C B A E MC RC(S1+S2+S3)

18 Funcionamento ID Serviço Rank E S3 2 MS D F C B A E MC RC(S1+S2+S3)

19 Funcionamento ID Serviço Rank MS D F C B A E MC RC(S1+S2+S3)

20 Funcionamento RC(S1+S2+S3)
MS aguarda por mensagens recebidas em período de tempo T; Analisa as mensagens e escolhe um caminho conforme critérios da requisição; MS D F C B A E MC RC(S1+S2+S3)

21 Funcionamento RC(S1+S2+S3)
MS envia ao MC uma mensagem de falha pelo caminho inverso MS D F C B A E MC RC(S1+S2+S3)

22 Funcionamento MC aumenta o ângulo(α) de pesquisa; MC refaz a pesquisa;
MS D F C B A E MC

23 Regras de aprendizado Aprender com as interações
Armazenar informações de outros MPs para uso futuro; Se a ActiveList estiver cheia, descarta os MPs com menor Rank; Feedback positivo e negativo Incrementa e Decrementa o Rank de um nó na ActiveList dependendo da suas cooperação recente para o respectivo serviço; Movimentação orientada Mover requisição numa direção específica; Previne loops;

24 Experimentos Self-Org Self-Org+ 625 serviços 2000 nodos
LF (Limited Flooding com TTL) Solicitação de composição enviada para todos os vizinhos diretos Graph Based (GB) Serviços registram em um diretório central Solicitações de composição são enviadas ao diretório Self-Org+ Self-Org + regras de aprendizado 625 serviços 2000 nodos

25 Experimentos – Network Load
Número total de mensagens geradas

26 Experimentos – Average Composition Time
Diferença entre o tempo inicial da solicitação de composição e a chegada dos resultados completos

27 Experimentos – Packet Stretch
Número de hops usados por um pacote overlay dividido pelo número de hops que o pacote usa em um caminho de camada IP entre a mesma fonte e destino Stretch maior = SSON ineficiente, pois rotas longas atrasam os pacotes.

28 Experimentos – Success Rate
Número de solicitações que recebem respostas positivas, dividido pelo numero de solicitações

29 Conclusão Permite que elementos se organizem em SSONs
Uso de regras de aprendizagem derivadas de sistemas biológicos Eficiente em relação a outras abordagens