Carlo Marcello Thiago Roberto Borille

1. A Self-Organizing Composition Towards Autonomic Overlay NetworksUmaComposiçãoAuto-OrganizávelPara Redes Overlay Autonômicas I. Al-Oqily, A. Karmouch Network Operations and Management Symposium, 2008. NOMS 2008. 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 • Composição • 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 pathmontado 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 MS D F C B A E MC RC(S1+S2+S3)

16. Funcionamento MS D F C B A E MC RC(S1+S2+S3)

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

18. Funcionamento MS D F C B A E MC RC(S1+S2+S3)

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

20. Funcionamento • 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 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 • 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