Modélisation multi-modèles des réseaux dynamiques : cas des réseaux pair-à-pair

Transcription

1 Modélisation multi-modèles des réseaux dynamiques : cas des réseaux pair-à-pair Julien Siebert, Laurent Ciarletta et Vincent Chevrier {julien.siebert, laurent.ciarletta, vincent.chevrier}@loria.fr LORIA - Campus Scientifique - BP Vandœuvre-lès-Nancy Cedex 17 janvier / 17

2 Introduction Contexte : Réseaux pair-à-pair et simulation multi-agents Proposition Cas d étude et modèle Premières expérimentations Conclusion 2 / 17

3 Thème général Contexte : réseaux dynamiques et informatique ambiante (P2P, adhoc, Mesh...). Le comportement des utilisateurs : une composante active de la QoS. Quel est son impact? Comment peut-on l évaluer? Des modèles existent déjà à chaque niveau d abstraction (Comportement des utilisateurs, Protocoles d interaction, Environnement physique). Approche multi-modèles liant Réseau et Multi-Agents. 3 / 17

4 Un cas d étude : Les systèmes Pair-à-Pair (P2P) Qu est ce? Systèmes distribués à large échelle. Pair : à la fois consommateurs et fournisseur d un service. VoIP, Messagerie instantanée, Streaming (Radio,Vidéo), Partage de fichiers. Comment ça marche? Une application : le client (amule, emule, Azureus...). Un protocole d interaction (gnutella, edonkey, kademlia, bittorrent...) 4 / 17

5 Caractéristiques P2P Avantages recherchés : Robustesse, tolérance aux pannes. Passage à l échelle. Inconvénient : La qualité de service dépend du comportement des usagers. Disponibilité. Manque de partage (free-riding). Connexions/Déconnexions (churn), durée des sessions. Contenu. Corruption des données. Illégalité. Problématique générale Comprendre l impact du comportement des usagers sur les performances réseaux et la qualité de service. 5 / 17

6 Intérêt de la simulation multi-agents Expériences réelles : Maîtrise des conditions initiales? Possibilité de rejouer une expérience à l identique? Temps expérience >> temps simulation. Limites des modèles mathématiques classiques : Grand nombre de variables + relations complexes. Difficulté de modéliser l action, le comportement. Quel réalisme, quelle granularité? Approche par simulation multi-agents : Bien adaptée aux simulations des systèmes complexes (éthologie, écosystèmes, trafic routier...). Représenter directement les entités, leurs comportements et leurs interactions. Effet d un comportement local sur le fonctionnement global. 6 / 17

7 Système Multi-Agents (SMA) Définition Un ensemble d entités organisées qui interagissent au sein d un environnement. Agent : entité autonome, proactive, flexible, située. De réactif à cognitif. Environnement : lois du monde (localisation, évolution), medium de l interaction. Interactions : actions qui affectent l agent dans la réalisation de son but. Organisation : groupes, rôles. Application : génie logiciel agent (web services), robotique collective, simulation. 7 / 17

8 Travaux existants Modélisation du comportement des utilisateurs des réseaux : Théorie des jeux. Sciences cognitives (réseaux sociaux ; diffusion d opinion). Limite : prise en compte des aspects réseaux. Modélisation des protocoles/réseaux : Comportement des utilisateurs très simplifié. Constat Besoin d un couplage entre les différents niveaux d abstractions : Utilisateur, Service & Protocole, Réseau Physique. 8 / 17

9 Proposition : couplage SMA - P2P À notre connaissance, pas de travaux dans cette direction. Des modèles existent pour chaque niveau d abstraction. Comment les faire interagir? Idée Utiliser le paradigme multi-agents pour coupler ces différentes échelles de représentation : Agent (proactif, flexible...) : Utilisateur. Interactions : Protocole P2P. Environnement (médium de l interaction) : Réseaux physiques sous-jacents. Organisation (groupes, rôles) : initiale ou émergente. 9 / 17

10 Un premier cas d étude : le P2P Problématique générale Impact du comportement des utilisateurs Quelles problématiques : Manque de partage. Corruption des données. Quels modèles : Comportement : relativement simple (agent réactif). Protocole : Kademlia (emule). Réseau sous-jacent : temps de transfert messages/données. Quel outil : Simulateur SMA : pas de modélisation du réseau sous jacent ni des protocoles. Simulateur réseau (niveau paquets) : trop détaillé, passage à l échelle. Simulateur réseau Overlay : bon compromis. 10 / 17

11 Outil utilisé : PeerFactSim.Kom, TUD Darmstadt Simulateur de réseaux overlay (Can, Chord, Kademlia). Open Source Java. De l ordre de 10 5 nœuds annoncés. Architecture de l outil : séparation des différents niveaux d abstraction. 1 1 http :// 11 / 17

12 Modification apportées Simulateur Overlay Focalisé sur l envoi de messages des protocoles P2P. Manques comblés : Client P2P : Partage des données. Réseau Physique : Transfert des données d un pair à un autre. Ressources : Modélisation de la pollution des données. Utilisateur : Implanter un comportement. 12 / 17

13 Un premier modèle comportemental : l agent réactif Schéma comportemental simple, proche du réflexe Perceptions Coût de consommation/partage des ressources (bande passante upload/download). Nombre de sources disponibles. Temps de téléchargement. États internes. Volonté de partager (générosité). Conscience de la pollution. Actions Connexion/déconnexion. Recherche/téléchargement d une ressource. Partage ou non d une ressource. Contrôle du taux de pollution d une ressource. 13 / 17

14 Scénario expérimental : Étude partage + pollution Réseau de N noeuds. Initialement : P utilisateurs publient f fichiers. B 0 copies polluées et G 0 saines. Plusieurs étapes : Recherche des ressources. Demande de téléchargement. Partage automatique des données récupérées. Vérification de l avancement du téléchargement. Si oui (4), sinon (5). Contrôle de la pollution. Si fichier ok : partage? Sinon suppression et (5). Relancer la procédure. 14 / 17

15 Premières expériences Impact du nombre de publications initiales sur la charge par utilisateur C. P augmente répartition de C N = 1000 f = 1 P = / 17

16 Premières expériences Impact du nombre de publications initiales sur la charge par utilisateur C. P augmente répartition de C N = 1000 f = 1 P = / 17

17 Premières expériences Impact du nombre de publications initiales sur la charge par utilisateur C. P augmente répartition de C N = 1000 f = 1 P = / 17

18 Bilan Implanter un modèle comportemental. Adapter un outil de simulation. Approche de modélisation cohérente. (En Cours) Impact du local sur le global. 16 / 17

19 Conclusion et perspectives Bilan Problématique : impact comportement des utilisateurs. Proposition : approche multi-modèles. Preuve de concept mais manque d outils d analyse. Perspectives Continuité des travaux en P2P. Généralisation (Services/Réseaux différents). Direction générale : une boîte à outil SMA-Réseaux. modéliser simuler comprendre contrôler/concevoir 17 / 17