Δημήτριος Λορέντζος

1. ΠΛΣ Διπλωματική Εργασία Εφαρμογή της Θεωρίας Βέλτιστης Παύσης στον έλεγχο συνέπειας (consistency) σε WWW Caching Servers Δημήτριος Λορέντζος Επιβλέπων: Χατζηευθυμιάδης Ευστάθιος Μέλη ΕΚ: Μοσχολιός Ιωάννης, Καψάλης Βασίλειος

2. Επισκόπηση • Θέμα (στόχοι) 1 slide • Σχετιζόμενα πεδία – ευρύτερο αντικείμενο1 slide • Μεθοδολογία6 slides • Αποτελέσματα3 slides • Συμπεράσματα1 slide

3. Θέμα Aξιολόγηση της εφαρμογής της Θεωρίας της Βέλτιστης Παύσης για τη διατήρηση της συνέπειας Web αντιγράφων, σε σύγκριση με την τεχνική του Adaptive TTL (ATTL). υλοποιείται και αξιολογείται σύστημα που εφαρμόζει την τεχνική του ΑΤΤL, προτείνεται συνάρτηση που παρακολουθεί πόσο επιτακτική είναι η ενημέρωση ενός αντιγράφου και υλοποιείται και αξιολογείται σύστημα που εφαρμόζει αλγόριθμο, ο οποίος παρατηρεί τις τιμές που λαμβάνει η παραπάνω συνάρτηση και επιβάλλει ένα κριτήριο παύσης.

4. Ευρύτερο Αντικείμενο Web Caching : χρήση αντιγράφων αποθηκευμένων σε ενδιάμεσους εξυπηρετητές (caching servers) • Πλεονεκτήματα Web Caching : • Χρήστες: μείωση καθυστέρησης απόκρισης από απομακρυσμένο server, δεν απαιτείται εκ νέου επικοινωνία με originserver • ISPs: μείωση κίνησης στο δίκτυό τους, μείωση εύρους ζώνης που δεσμεύει από άλλους ISPs • Πηγαίοι Εξυπηρετητές: μειωμένος αριθμός αιτήσεων που εξυπηρετούν, μειωμένο κόστος συντήρησης • Πρόβλημα Web Caching : • Διατήρηση συνέπειας αντιγράφου σε σχέση με το αυθεντικό • Μηχανισμός Ασθενούς Συνέπειας :Adaptive TTL • χρόνος ζωής = k * (send_time – last_modified_time)

5. Μεθοδολογία 1/6 Πηγή – Αρχείο Τροποποιήσεων Χρονικές αφίξεις: εκθετική κατανομή , με λ = 0.0026 αφίξεις/min Μέση Χρονική Απόσταση διαδοχικών Tροποποιήσεων: 391 min • Υλοποίηση Μηχανισμού Adaptive TTL • Caching Server – Αρχείο Αιτήσεων • Αντικείμενασε κάθε site: κατανομή Zipf • Mέση Χρονική Απόσταση διαδοχικών Αιτήσεων: κατανομή Pareto, 38min • 10000 αιτήσεις • Προσομοίωση - Αξιολόγηση • Αριθμός stale hit • Αριθμός ελέγχων για το αν τροποποιήθηκε ή όχι ένα αντικείμενο στην πηγή μετά τη λήξη του χρόνου ζωής του

6. Μεθοδολογία 2/6 Θεωρία Βέλτιστης Παύσης : Λήψη απόφασης έπειτα από παρατήρηση μιας διαδικασίας που εξελίσσεται χρονικά με τυχαίο τρόπο Μεγιστοποίηση κέρδους ή ελαχιστοποίηση κόστους Χρόνος παύσης : καθορίζει αν πρέπει να σταματήσουμε μετά το βήμα n σε μια ακολουθία παρατηρήσεων Χ1, Χ2, ..., Χn • Αλγόριθμος Odds : παύση σε συγκεκριμένο γεγονός που παρατηρείται τελευταίο σε μια ακολουθία γεγονότων • pk: πιθανότητα η παρατήρηση να είναι «ενδιαφέρουσα» • qk = 1 – pk • rk = pk/qk • παρατηρήσεις:k = 1, …, n

7. Μεθοδολογία 3/6 Αλγόριθμος Odds με σειριακή εκτίμηση των odds: Παραλλαγή αλγορίθμου Odds όταν pkάγνωστο • Προσδιορισμός «μελλοντικών τιμών» pk, qk και rkμε βάσηπρογενέστερες παρατηρήσεις : pk = p*fk, με fkγνωστό. • Εκτίμηση p με βάση τον αριθμό των «ενδιαφέροντων» παρατηρήσεων μέχρι το βήμα s: • Παύση στην πρώτη «ενδιαφέρουσα»παρατήρηση όταν k ≥ s,όπου s το βήμα για το οποίο ισχύει < 1. Αν δενυπάρχει s τότε ηπαύση γίνεται στο βήμα n.

8. Μεθοδολογία 4/6 Συνάρτηση που παρακολουθεί την ανάγκη για ενημέρωση του κάθε αντιγράφου i που ανήκει στο site x

9. Μεθοδολογία 5/6 • Υλοποίηση Odds with Sequential Estimation of Odds • Πηγή – Αρχείο Τροποποιήσεων • Όπως στο Adaptive TTL • Χρονικό διάστημα για τα οποία τα αντίγραφα θεωρούνται έγκυρα ορίστηκε ως k*ttl, όπου ttl είναι 200 φορές μεγαλύτερο από το χρόνο μεταξύ διαδοχικών τροποποιήσεων, όπου k είναι τυχαίος αριθμός με k [1,2] • Caching Server – Αρχείο Αιτήσεων • Όπως στο Adaptive TTL • Προσομοίωση - Βήματα • Αίτηση για νέο αντικείμενο:expires_time, expiration_time • Αίτηση για αντικείμενο που ήδη υπάρχει: ελέγχει για stale hit • Σε τακτά χρονικά διαστήματα υπολογίζει U για κάθε αντικείμενο και εφαρμόζει τον Αλγόριθμο

10. Μεθοδολογία 6/6 Προσομοίωση - Παράμετροι Χρονικό Διάστημα μεταξύ υπολογισμών συνάρτησης U 1000 min, 3000 min, 6000 min Πλήθος nτων τιμών της συνάρτησης U για τo οποίο ο Αλγόριθμος εφαρμόζεται για κάθε αντικείμενο 7 τιμές, 10 τιμές, 15 τιμές Τιμή Ικ πάνω από την οποία έχουμε «ενδιαφέρουσα» παρατήρηση για τη συνάρτηση U 0.8, 0.75, 0.7, 0.6, 0.5, 0.25 • Προσομοίωση - Αξιολόγηση • Αριθμός stale hits • Αριθμός ελέγχων για το αν έχει τροποποιηθεί το αντικείμενο στην πηγή μετά από απόφαση του Αλγορίθμου, δηλαδή όταν <1

11. Αποτελέσματα 1/3 Χρονικό διάστημα: 6000

12. Αποτελέσματα 2/3 Χρονικό διάστημα: 3000

13. Αποτελέσματα 3/3 Χρονικό διάστημα: 1000

14. Συμπεράσματα • Στις περισσότερες περιπτώσεις, με την εφαρμογή του αλγορίθμου Odds with sequential estimation πετυχαίνουμε καλύτερη συμπεριφορά από το ATTL ως προς τα stale hits. • Ωστόσο, λαμβάνει χώρα ένας μεγάλος αριθμός ελέγχων, πολλαπλάσιος σε κάποιες περιπτώσεις του αριθμού ελέγχων στο ATTL. • Μικραίνοντας το χρονικό διάστημα μεταξύ των υπολογισμών της U, ο αλγόριθμος εκτελείται πιο συχνάκαι περισσότερες φορές. Κατά συνέπεια, όλο και περισσότεροι έλεγχοι γίνονται και περισσότερα αντίγραφα ενημερώνονται, με αποτέλεσμα να μειωθεί ο αριθμός των stale hits. • Όταν η τιμή Ik πάνω από την οποία η παρατήρηση της U θεωρείται «ενδιαφέρουσα» είναι μικρή, ο αλγόριθμος καταλήγει πιο γρήγορα στο <1, λόγω του ότι σημειώνονται περισσότερες «επιτυχίες». Γίνονται επομένως περισσότεροι έλεγχοι και ενημερώνονται πιο πολλά αντίγραφα. • Τέλος, για μικρότερες τιμές του πλήθους τιμών nγια τις οποίες εφαρμόζεται • ο αλγόριθμος, η παύση γίνεται σε μικρότερο βήμα με αποτέλεσμα να εκτελούνται περισσότεροι έλεγχοι και να ενημερώνονται πιο πολλά αντίγραφα. • .

15. Τέλος Παρουσίασης