Parte II – Aplicações de Autonomic Computing Seminários 2007 – 2º Semestre Maíra Gatti.

Apresentação em tema: "Parte II – Aplicações de Autonomic Computing Seminários 2007 – 2º Semestre Maíra Gatti."— Transcrição da apresentação:

1 Parte II – Aplicações de Autonomic Computing Seminários 2007 – 2º Semestre Maíra Gatti

2 2 © LES/PUC-Rio Agenda Estado da Arte de AC –Exemplo 1: Architecture-based Self-Adaptation in the Presence of Multiple Objectives –Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems –Exemplo 3: Agents in a J2EE World –Projetos de Pesquisa na Indústria Bibliografia

3 3 © LES/PUC-Rio Exemplo 1: Architecture-based Self-Adaptation in the Presence of Multiple Objectives Como implementar um mecanismo de AC para se auto- adaptar na presença de múltiplos objetivos? Propuseram uma linguagem de adaptação –Expressiva para expertise de adaptação –Direcionada para descrever o raciocínio das decisões humanas de adaptação de alto-nível Ontologia para as tarefas dos administradores de sistema Formalismo de teoria de utilidade (Utility Theory) S.-W. Cheng, D. Garlan, B. Schmerl. Architecture-based Self-Adaptation in the Presence of Multiple Objectives. SEAMS06, May 21–22, 2006, Shanghai, China.

4 4 © LES/PUC-Rio Exemplo 1: Architecture-based Self-Adaptation in the Presence of Multiple Objectives Website de notícias Z.com Conteúdo de notícias gráficas Objetivo –garantir serviços mesmo em horário de picos Ações caso o sistema esteja prestes a voar :) –a) aumentar a quantidade de servidores até o máximo permitido pelos custos, ou –b) alterar os servidores para fornecer conteúdo textual Quando voltar ao normal –a) alterar os servidores para voltarem a fornecer conteúdo gráfico –b) diminuir quantidade de servidores S.-W. Cheng, D. Garlan, B. Schmerl. Architecture-based Self-Adaptation in the Presence of Multiple Objectives. SEAMS06, May 21–22, 2006, Shanghai, China.

5 5 © LES/PUC-Rio Exemplo 1: Architecture-based Self-Adaptation in the Presence of Multiple Objectives Considerações a serem levadas na hora da decisão... –O quanto de recurso a minha ação requer? –Quanto tempo a minha ação levaria para ser tomada? –Qual seria o efeito da minha ação no sistema? –Qual o rankeamento da minha ação em relação as outras? –...

6 6 © LES/PUC-Rio Exemplo 1: Architecture-based Self-Adaptation in the Presence of Multiple Objectives Proposta –Operador arquitetural Ação que pode ser tomada Exemplo: matar um processo em execução –Esquema Tático Condição, operadores arquiteturais e efeitos Resolve um problema em específico –Estratégias Modelo mental de todas as ações Resolve um tipo de problemas de sistema Árvore de esquemas táticos A escolha da estratégia em geral envolve –Heurísticas, tradeoffs e experiências –Funções de Utilidade

7 7 © LES/PUC-Rio Exemplo 1: Architecture-based Self-Adaptation in the Presence of Multiple Objectives Função de Utilidade

8 8 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Autonomous Nano-Technology Swarm (ANTS) Auto-Otimização –Rulers aprendem sobre asteróides –Messengers ajustam suas posições –Workers aprendem sobre asteróides

9 9 © LES/PUC-Rio relações conceitos Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Conceptual Graph Theory (CGT) –Representação gráfica do conhecimento e raciocínio –Permite construção de algoritmos sobre o conhecimento –Permite que o usuário entenda, manipule, edite e revise o conhecimento –Facilita no aprendizado através de generalizações e especializações

10 10 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Ontologia –Framewok que representa o conhecimento de um domínio, –contendo informações de relações, classes, objetos, e atributos –sobre instâncias e eventos em um domínio Grafos conceituais -> metodologia para descrever ontologias Ferramentas para implementar Grafos Conceituais –CG Tool Toscana –CharGer –Amine

11 11 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Ontologias são estáticas Adaptação -> Atributos dinâmicos! Concept Type Hierarchy of CGT –Informação parcial –Existem técnicas de aprendizado em CGT que permitem a expansão da hierarquia

12 12 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Visão parcial da ontologia para a missão ANTS

13 13 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Desta forma, a ontologia dinâmica é capaz de: –Derivar relacionamentos entre objetos e eventos –Identificar padrões e tendências candidatas –Manter todas as hipóteses possíveis –Derivar intenções (explorar, avaliar, medir, etc.) –Priorizar soluções –Eliminar hipóteses não aprovadas –Manter hipóteses parciais ou que ainda não puderam ser provadas como alternativas válidas

14 14 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems Verificação –Antes de operar Modelos formais para garantir propriedades do sistema e prover validação –Em operação O modelo descrito pela ontologia precisa ser monitorado para garantir que está dentro dos limites aceitáveis e que determinadas propriedades de relacionamentos entre entidades estão mantidas

15 15 © LES/PUC-Rio Exemplo 2: Self Optimization using Conceptual Graphs for NASA Autonomous Systems SAIC: From Science to Solutions® –www.saic.com Science Applications International Corporation (SAIC) –defense modernization efforts, –intelligence, homeland security, –logistics and product support, –health and life sciences, –space and earth sciences and –global commercial services. D. Corbett, C. Rouff. Self Optimization using Conceptual Graphs for NASA Autonomous Systems. Proc. of the Third IEEE Int. Workshop on Eng. of Autonomic & Autonomous Systems (EASE06).

16 16 © LES/PUC-Rio Exemplo 3: Agents in a J2EE World J2EE Application Servers

17 17 © LES/PUC-Rio Exemplo 3: Agents in a J2EE World J2EE Agent-based Application Servers

18 18 © LES/PUC-Rio Exemplo 3: Agents in a J2EE World Vantagens –As características de agentes vão muito além das características de EJBs EJBs são reativos, Agentes são autônomos e pró-ativos EJBs tem restrições técnicas (por exemplo, não são permitidos inicializarem a sua própria thread) EJBs não são separados dos outros (compartilham o mesmo name space) EJBs não tem mobilidade Agentes podem resolver problemas em cooperação S. Brantschen & T. Haas; Agents in a J2EE World. White paper, 2002, Whitestein Technologies AG.

19 19 © LES/PUC-Rio Projetos de Pesquisa na Indústria IBM – The Autonomic Computing Toolkit (ATK) –ATK é composto de classes, bibliotecas, plugins, e ferramentas para o ambiente Eclipse –Para dar suporte tanto para o desenvolvimento quando execução, o ATK depende de versões espeíficas da JRE –Ex.: Agent Based Learning Environment (ABLE)

20 20 © LES/PUC-Rio Projetos de Pesquisa na Indústria SUN –N1 –Virtualization The process of modeling all the components in the network. –Application and service level provisioning The process of configuring and deploying software on systems. –Dynamic policy management Automations of the configuration and deployment of software in the system. Hewlett-Packard –The Adaptive Enterprise Microsoft –Dynamic Systems Initiative –To deliver self-managing dynamic systems –Provide a common language, or meta-model, that is used to create models that capture the organizational knowledge relevant to entire distributed systems. Intel –Proactive Computing –Focus on human-supervised operation, where the user stays out of the loop as much as possible until required to provide guidance in critical decisions.

21 21 © LES/PUC-Rio Projetos de Pesquisa na Indústria IBM – The Autonomic Computing Toolkit (ATK)

22 22 © LES/PUC-Rio Projetos de Pesquisa na Indústria Extensões da Intel B. Melcher et al., Towards an Autonomic Framework: Self-Configuring Network Services and Developing Autonomic Applications. Intel Technology Journal. Acessed from: http://developer.intel.com/technology/itj/index.htm

23 23 © LES/PUC-Rio Bibliografia M. Parashar, S. Hariri; Autonomic Computing: An Overview. J.-P. Banâtre et al. (Eds.): UPP 2004, Springer, LNCS 3566, pp. 247–259, 2005. P. Lin, A. MacArthur, J. Leaney. Defining Autonomic Computing: A Software Engineering Perspective. IEEE. Proc. of the 2005 Australian Soft. Eng. Conf. (ASWEC05) S.-W. Cheng, D. Garlan, B. Schmerl. Architecture-based Self-Adaptation in the Presence of Multiple Objectives. SEAMS06, May 21–22, 2006, Shanghai, China. D. Corbett, C. Rouff. Self Optimization using Conceptual Graphs for NASA Autonomous Systems. Proc. of the Third IEEE Int. Workshop on Eng. of Autonomic & Autonomous Systems (EASE06). S. Brantschen & T. Haas; Agents in a J2EE World. White paper, 2002, Whitestein Technologies AG.

24 Parte II – Aplicações de Autonomic Computing Seminários 2007 – 2º Semestre Maíra Gatti