Δ Ι Π Λ Ω Μ Α Τ Ι Κ Η Ε Ρ Γ Α Σ Ι Α

Transcript

1 Α Ρ Ι Σ Τ Ο Τ Ε Λ Ε Ι Ο Π Α Ν Ε Π Ι Σ Τ Η Μ Ι Ο Θ Ε Σ Σ Α Λ Ο Ν Ι Κ Η Σ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Δ Ι Π Λ Ω Μ Α Τ Ι Κ Η Ε Ρ Γ Α Σ Ι Α ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Simulation of Wireless Data Broadcasting in Environments with Locality of Demand ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ: ΝΙΚΟΠΟΛΙΤΙΔΗΣ ΠΕΤΡΟΣ ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Α.Π.Θ. ΘΕΣΣΑΛΟΝΙΚΗ,

2 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ 2

3 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Π Ε Ρ Ι Λ Η Ψ Η Καθώς τα ασύρματα δίκτυα και η κινητή πληροφορική γίνονται όλο και πιο δημοφιλείς, η μετάδοση δεδομένων έχει προκύψει σαν ένας αποτελεσματικός τρόπος για παράδοση δεδομένων σε κινητούς πελάτες οι οποίοι έχουν έναν μεγάλο βαθμό ομοιοτήτων στα πρότυπα των αιτημάτων τους. Σε πολλές εφαρμογές, οι πελάτες ομαδοποιούνται σε αρκετές ομάδες, κάθε μία από τις οποίες τοποθετείται σε μια διαφορετική περιοχή, με τα μέλη της κάθε ομάδας να έχουν παρόμοια αιτήματα. Στα ασύρματα συστήματα μετάδοσης σταθερού ρυθμού bit (fixed-bit-rate wireless broadcast systems), η ισχύς μετάδοσης τίθεται σε επίπεδο τέτοιο που εξασφαλίζει το αναγκαίο επίπεδο ληφθείσας ενέργειας ανά bit για όλους τους πελάτες στην περιοχή εξυπηρέτησης, έτσι ώστε να μπορούν να λειτουργούν υπό κάποιο προκαθορισμένο επίπεδο ποσοστού σφάλματος bit (bit error rate level). Ωστόσο, καθώς στα ασύρματα κυψελωτά περιβάλλοντα η απώλεια λόγω απόστασης των ασύρματων σημάτων είναι τυπικά αντιστρόφως ανάλογη με την τέταρτη δύναμη της απόστασης μεταδότη-παραλήπτη, υπάρχει ένας αυξανόμενος πλεονασμός στο επίπεδο της ληφθείσας ενέργειας ανά bit για ελαττωμένες αποστάσεις από την κεραία του εξυπηρέτη. Στη συγκεκριμένη εργασία δημιουργήθηκε εξομοιωτής ενός μηχανισμού που εκμεταλλεύεται την τοπική φύση των αιτημάτων προκειμένου να αυξήσει την απόδοση των ασύρματων συστημάτων διάδοσης δεδομένων. Ειδικότερα, ανταλλάσσει την ληφθείσα ενέργεια ανά διάδοση bit σε αποστάσεις μικρότερες από την ακτίνα της περιοχής εξυπηρέτησης, με ένα αυξημένο ρυθμό bit για την μετάδοση των ζητούμενων αντικειμένων σε τέτοιες αποστάσεις. Σαν αποτέλεσμα έχουμε μια αυξημένη ταχύτητα μετάδοσης για πολλά αντικείμενα. Η γνώση της θέσης των πελατών μεταφέρεται στον εξυπηρέτη μέσω ενός απλού παλμού ανατροφοδότησης από τους πελάτες. Επίσης, παρουσιάζονται τα αποτελέσματα της προσομοίωσης τα οποία αποκαλύπτουν μια αξιοσημείωτη βελτίωση της απόδοσης για τα περιβάλλοντα που χαρακτηρίζονται από τοπικότητα των πελατειακών αιτημάτων. Όροι Κλειδιά --- Προσαρμοζόμενη μετάδοση δεδομένων, ασύμμετρα ασύρματα περιβάλλοντα, αυτόματα μάθησης, τοπικότητα αιτημάτων. 3

4 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ A B S T R A C T With the increasing popularity of wireless networks and mobile computing, data broadcasting has emerged as an efficient way of delivering data to mobile clients having a high degree of commonality in their demand patterns. In many applications, clients are grouped into several groups, each one located in a different region, with the members of each group having similar demands. In fixed-bit-rate wireless broadcast systems, transmission power is set at such a level that guarantees the necessary level of received energy per bit for all clients in the service area so that they can operate under a predefined bit error rate level. However, as in wireless cellular environments, the path loss of wireless signals is typically inverse to the fourth power of the transmitter/receiver distance, there exists an increasing redundancy in the level of received energy per bit for decreasing distances from the server s antenna. This paper proposes a mechanism that exploits locality of demand in order to increase the performance of wireless data dissemination systems. Specifically, it trades the received energy per bit redundancy at distances smaller than the radius of the service area for an increased bit rate for transmission of items demanded by clients at such distances. This results in an increased transmission speed for many items. The bit rate for an item transmission is dynamically determined from the distance between the server s antenna to the group of clients that demand this item. Knowledge of clients positions is conveyed to the server via a simple feedback from the clients. Simulation results that reveal significant performance improvement over fixed-bit-rate broadcasting in environments characterized by locality of client demands are presented. Index Terms --- Adaptive data broadcasting, asymmetric wireless environments, learning automata, locality of demand. 4

5 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Π Ε Ρ Ι Ε Χ Ο Μ Ε Ν Α ΠΕΡΙΛΗΨΗ... 3 ABSTRACT... 4 ΠΕΡΙΕΧΟΜΕΝΑ... 5 ΚΕΦΑΛΑΙΟ 1 : ΕΙΣΑΓΩΓΗ... 7 Εισαγωγή ΓΕΝΙΚΑ... 9 ΚΕΦΑΛΑΙΟ 2 : ΣΧΕΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΚΠΟΜΠΗΣ Σετικά Συστήματα Εκπομπής ΜΗ ΠΡΟΣΑΡΜΟΣΤΙΚΑ ΜΟΝΤΕΛΑ ΩΘΗΣΗΣ ΔΙΣΚΟΙ ΜΕΤΑΔΟΣΗΣ-BROADCAST DISKS ΠΡΟΣΑΡΜΟΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΩΘΗΣΗΣ-ADAPTIVE PUSH SYSTEMS ΣΥΣΤΗΜΑ ΕΛΞΗΣ ΚΑΙ ΥΒΡΙΔΙΚΟ ΣΥΣΤΗΜΑ ΚΡΙΤΙΚΗ ΠΡΟΣΑΡΜΟΣΤΙΚΟΤΗΤΑΣ ΣΤΙΣ ΑΝΑΓΚΕΣ ΤΩΝ ΠΕΛΑΤΩΝ ΚΕΦΑΛΑΙΟ 3 : ΤΟ ΠΡΟΤΕΙΝΟΜΕΝΟ ΣΥΣΤΗΜΑ ΩΘΗΣΗΣ Το Προτεινόμενο Σύστημα Ώθησης ΑΥΤΟΜΑΤΑ ΜΑΘΗΣΗΣ ΕΞΥΠΗΡΕΤΗΣ ΜΕΤΑΔΟΣΗΣ ΒΑΣΙΣΜΕΝΟΣ ΣΕ ΑΥΤΟΜΑΤΑ ΜΑΘΗΣΗΣ ΣΧΗΜΑ ΑΝΑΝΕΩΣΗΣ ΠΙΘΑΝΟΤΗΤΩΝ Ο ΑΛΓΟΡΙΘΜΟΣ ΠΡΟΣΑΡΜΟΣΤΙΚΗΣ ΔΡΟΜΟΛΟΓΗΣΗΣ ΚΕΦΑΛΑΙΟ 4 : ΑΠΟΤΕΛΕΣΜΑΤΑ-ΕΚΤΙΜΗΣΗ ΑΠΟΔΟΣΗΣ Αποτελέσματα - Εκτίμηση Απόδοσης ΤΟ ΜΟΝΤΕΛΟ ΤΟΥ ΕΞΥΠΗΡΕΤΗ ΤΟ ΜΟΝΤΕΛΟ ΤΩΝ ΠΕΛΑΤΩΝ ΤΟ ΠΕΡΙΒΑΛΛΟΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΑΠΟΤΕΛΕΣΜΑΤΑ ΠΡΟΣΟΜΟΙΩΣΗΣ

6 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ ΠΑΡΑΡΤΗΜΑ : ΠΡΟΣΟΜΟΙΩΤΗΣ Κώδικας Προσομοίωσης Σε Matlab ΣΥΝΟΨΗ Σύνοψη Και Περεταίρω Έρευνα Βιβλιογραφία

7 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Κ Ε Φ Α Λ Α Ι Ο 1 : Ε Ι Σ Α Γ Ω Γ Η 7

8 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Ε Ι Σ Α Γ Ω Γ Η Στόχος της παρούσας εργασίας είναι η παρουσίαση των ασύρματων δικτύων μετάδοσης δεδομένων με τοπικότητα ζήτησης και η δημιούργια προσομοιωτή ενός τέτοιου ασύρματου δικτύου. Στη συνέχεια, η παρούσα εργασία οργανώνεται σύμφωνα με τα ακόλουθα κεφάλαια : Στο Κεφάλαιο 1 παρουσιάζονται κάποιες γενικές πληροφορίες σχετικά με τις διάφορες προσεγγίσεις μετάδοσης δεδομένων καθώς και παραδείγματα εφαρμογών. Επίσης γίνεται ανφορά στην τοπικότητα ζήτησης και στο σημαντικό ρόλο αυτής για τα ασύρματα δίκτυα εκπομπής δεδομένων. Στο Κεφάλαιο 2 παρουσιάζεται η σχετική έρευνα που έχει πραγματοποιηθεί γύρω από τα συστήματα εκπομπής και παρουσιάζονται συστήματα εκπομπής που προτάθηκαν στο παρελθόν. Στο Κεφάλαιο 3 παρουσιάζεται το προτεινόμενο σύστημα ώθησης και το διάγραμμα ροής του. Στο Κεφάλιο 4 παρουσιάζονται τα αποτελέσματα της σχετικής έρευνας και γίνεται η εκτίμηση της απόδοσης και η σύκριση των αποτελεσμάτων με προηγούμενες έρευνες που έχουν γίνει γύρω από το προτεινόμενο σύστημα. Στο Παράρτημα παρουσιάζεται ο κώδικας του προσομοιωτή του προτεινόμενου συστήματος καθώς και παρέχεται η επεξήγησή του. Η εργασία κλείνει με την Σύνοψη και γίνονται προτάσεις για περαιτέρω έρευνα. Ακολουθεί η Βιβλιογραφία της παρούσας εργασίας. 8

9 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ 1. 1 Γ ε ν ι κ ά Η μετάδοση δεομένων έχει ανέλθει σε ένα αποτελεσματικό μέσο για τη διάδοση της πληροφορίας στα ασύμμετρα ασύρματα δίκτυα. Παραδείγματα εφαρμογών μετάδοσης δεδομένων είναι η πληροφορία κυκλοφορίας, η καιρική πληροφόρηση και τα συστήματα διανομής ειδήσεων.. Σε τέτοιες εφαρμογές, οι πελατειακές ανάγκες όσων αφορά τα αντικείμενα δεδομένων, πολλές φορές επικαλύπτονται. Συνεπώς, η μετάδοση αποτελεί μια αποτελεσματική λύση καθώς η μετάδοση ενός μοναδικού αντικειμένου πληροφορίας πιθανώς να ικανοποιήσει έναν (συχνά μεγάλο) αριθμό πελατειακών αιτημάτων. Επιπρόσθετα, σε πολλές εφαρμογές, όπως η καιρική πληροφόρηση και η διανομή ειδήσεων, η τοποθεσία των πελατών καθορίζει και τα αιτήματά τους. Η ασυμμετρία των επικοινωνιών οφείλεται σε έναν αριθμό γεγονότων, όπως και η ασυμμετρία εξοπλισμού (π.χ. η έλλειψη δυνατότητας μετάδοσης των πελατών και οι περιορισμοί της ισχύς των πελατών), η ασυμμετρία στο σύστημα δικτύου (π.χ. μικρό εύρος ζώνης ανερχόμενης/κατερχόμενης κίνησης), και η ασυμμετρία εφαρμογών (π.χ. το πρότυπο κίνησης των εφαρμογών πελάτη-εξυπηρέτη). Ο επιδιωκόμενος στόχος στις περισσότερες προτεινόμενες προσεγγίσεις διανομής δεδομένων είναι δίπτυχος: 1) ο καθορισμός μιας αποτελεσματικής ακολουθίας (πρόγραμμα μετάδοσης) για την μετάδοση των αντικειμένων δεδομένων του εξυπηρέτη, με έναν τρόπο που ο μέσος χρόνος απόκρισης (συνολικός μέσος χρόνος πρόσβασης μεταξύ πελατών-overall mean access time) να ελαχιστοποιείται, και 2) η διαχείριση και λειτουργία της τοπικής μνήμης των πελατών (cache) έτσι ώστε η υποβάθμιση απόδοσης ενός πελάτη να μειώνεται όταν συμβαίνουν αναντιστοιχίες μεταξύ των προτύπων ζήτησης των πελατών και του προγράμματος του εξυπηρέτη. Η εργασία αυτή επικεντρώνεται στην ελαχιστοποίηση του χρόνου απόκρισης κάτω από δυναμικά και τοπικά-εξαρτώμενα πελατειακά πρότυπα ζήτησης. Μέχρι τώρα, τρεις σημαντικές προσεγγίσεις έχουν παρουσιαστεί όσων αφορά το πρόγραμμα μετάδοσης του εξυπηρέτη. 1) Στην προσέγγιση που βασίζεται στην έλξη (pull-based approach), ο εξυπηρέτης μεταδίδει πληροφορία μετά από 9

10 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ σαφή αιτήματα των κινούμενων πελατών μέσω του καναλιού ανερχόμενης κίνησης. Αυτή η προσέγγιση είναι δυνατόν να προσαρμοστεί σε δυναμικά πρότυπα ζήτησης πελατών. Ωστόσο, δεν είναι αποτελεσματική όσων αφορά την επεκτασιμότητα της. Αυτό συμβαίνει λόγω του ότι όταν ο πελατειακός πληθυσμός γίνεται πολύ μεγάλος, τα αιτήματα των πελατών είτε θα συγκρουστούν μεταξύ τους, είτε θα υπερχειλίσουν τον εξυπηρέτη. 2) Στην προσέγγιση που βασίζεται στην ώθηση ( push-based approach), ο εξυπηρέτης υποτίθεται ότι έχει μια α priori εκτίμηση της ζήτησης ανά αντικείμενο πληροφορίας και κάνει μεταδόσεις αντικειμένων ανάλογα με αυτήν την εκτίμηση. Τα συστήματα ώθησης παρέχουν υψηλή επεκτασιμότητα και απλότητα όσων αφορά το υλικό των πελατών εφόσον οι πελάτες δεν χρειάζεται να προϋποθέτουν ικανότητα μετάδοσης πακέτων δεδομένων. Ωστόσο, τα συστήματα ώθησης είναι ανίκανα να λειτουργήσουν αποτελεσματικά σε περιβάλλοντα με δυναμικά πρότυπα ζήτησης. Παρόλα αυτά, με ελάχιστες αλλαγές στο υλικό του πελάτη και του εξυπηρέτη, στο [1] επεκτείνεται η εφαρμοσιμότητα της προσέγγισης ώθησης στα περιβάλλοντα χωρίς α priori γνώση και με δυναμικά αιτήματα πελατών και παρουσιάζει αποτελέσματα που αποκαλύπτουν αποτελεσματική λειτουργία σε τέτοια περιβάλλοντα. 3) Οι υβριδικές προσεγγίσεις επιδιώκουν να συνθέσουν τα οφέλη των προσεγγίσεων καθαρής-ώθησης και καθαρής-έλξης. Ωστόσο, οι προσεγγίσεις αυτές πρέπει να βρουν με προσοχή μια ισορροπία ανάμεσα στην ώθηση και την έλξη και να διαχειριστούν έναν αριθμό πρόσθετων ζητημάτων ( καθορισμός και δυναμική επιλογή εύρους ζώνης διαθέσιμου για ώθηση και έλξη, επιλογή αντικειμένων προς ώθηση και αντίστοιχα προς έλξη, κτλ.). Οι εφαρμογές διάδοσης πληροφορίας μπορούν να χαρακτηριστούν από τοπικότητα πελατειακών αιτημάτων. Ένα πιθανό παράδειγμα αυτής της περίπτωσης θα μπορούσε για παράδειγμα να αποτελεί η περίπτωση ενός μουσείου που διαθέτει την υποδομή που χρειάζεται για να παραδώσει στους χρήστες πληροφορίες σχετικές με τα εκθέματα. Τα περισσότερα μουσεία 10

11 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ περιλαμβάνουν αρκετούς τομείς με κάθε τομέα να περιλαμβάνει εκθέματα διαφορετικού τύπου (π.χ. Αιγυπτιακά, Ελληνικά, κτλ.). Θα ήταν θεμιτό για τους επισκέπτες ενός τομέα να βοηθούνται στην ξενάγησή τους λαμβάνοντας πληροφορία σχετική με τα περιεχόμενα του τομέα στην γλώσσα προέλευσής τους. Αν υποθέσουμε ότι ο εξυπηρέτης πληροφόρησης μεταδίδει τέτοια πληροφορία σε αρκετές γλώσσες, είναι προφανές ότι υπάρχει όντως τοπικότητα αιτημάτων, καθώς οι ομάδες των επισκεπτών (που είναι της ίδιας εθνικότητας) τείνουν να βρίσκονται στο ίδιο μέρος και πολλές ομάδες είναι συνήθως παρούσες μέσα στο μουσείο την ίδια στιγμή. Σε ένα ασύρματο σύστημα διανομής δεδομένων, η ισχύς μετάδοσης του εξυπηρέτη καθορίζει την περιοχή εξυπηρέτησης. Έτσι, αν κάποιος επιθυμεί να παρέχει υπηρεσίες διανομής δεδομένων σε μια περιοχή ακτίνας R, η ισχύς μετάδοσης πρέπει να οριστεί σε επίπεδο τέτοιο που να εξασφαλίζει τον λόγο της απαραίτητης ενέργειας σε bit προς την πυκνότητα του θορύβου σε Hertz (Ε b / N 0 ) για τους πελάτες που βρίσκονται στο όριο της περιοχής εξυπηρέτησης. Ωστόσο, σε ασύρματα κυψελωτά περιβάλλοντα, η απώλεια διαδρομής των ασύρματων σημάτων σε μια απόσταση d είναι απώλεια τύπου 1/d n με ένα τυπικό n>4. Αυτό το γεγονός δημιουργεί έναν αυξημένο πλεονασμό στο λόγο Ε b / N 0 για πελάτες σε απόσταση d < R από την κεραία. Αυτή η εργασία παρουσιάζει τον προσομοιωτή ενός μηχανισμού που εκμεταλλεύεται την τοπικότητα των αιτημάτων προκειμένου να αυξήσει την απόδοση των ασύρματων συστημάτων διανομής δεδομένων. Η τοπικότητα των αιτημάτων σημαίνει ότι οι πελάτες είναι ομαδοποιημένοι σε ομάδες, καθεμία από τις οποίες βρίσκεται σε διαφορετική θέση, και τα μέλη της κάθε ομάδας έχουν παρόμοια αιτήματα για τα αντικείμενα πληροφορίας, τα οποία είναι διαφορετικά από τα αιτήματα των πελατών των άλλων ομάδων. Η προτεινόμενη προσέγγιση μπορεί να ανταλλάξει τον πλεονασμό Ε b / N 0 σε πελάτες που βρίσκονται σε ομάδες σε απόσταση d < R προς ένα αυξημένο ρυθμό bit για τις μεταδόσεις των ζητούμενων αντικειμένων από τις συγκεκριμένες ομάδες. Η γνώση των θέσεων των πελατών μεταφέρεται στον εξυπηρέτη μέσω ενός απλού παλμού ανατροφοδότησης από τους πελάτες, ένας μηχανισμός που χρησιμοποιείται για ν προσδώσει προσαρμοστικότητα σε δυναμικά αιτήματα πελατών. Έτσι, η προτεινόμενη προσέγγιση παρουσιάζεται στο πλαίσιο του προσαρμοζόμενου ασύρματου συστήματος ώθησης του [1]. Εδώ αξίζει να σημειωθεί ότι μια εναλλακτική παραλλαγή της μετάδοσης ρυθμού bit θα μπορούσε να είναι η προσαρμοστική διαμόρφωση. Χρησιμοποιώντας προσαρμοστική διαμόρφωση, ο πλεονασμός Ε b / N 0 στις ομάδες πελατών πλησίον της κεραίας θα μπορούσε να επιτρέψει μια πιο 11

12 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ αποτελεσματική τεχνική διαμόρφωσής που θα μετέφερε περισσότερα bits ανά σύμβολο από το σχήμα διαμόρφωσης που χρησιμοποιείται για πιο απομακρυσμένες ομάδες πελατών. Ωστόσο, αλλαγές στην τεχνική διαμόρφωσης θα είχαν σαν αποτέλεσμα διακριτές αλλαγές στην ταχύτητα διάδοσης. Απ την άλλη, η παραλλαγή ρυθμού bit θα επιτρέψει μια ομαλή αλλαγή στην ταχύτητα διάδοσης που μπορεί να ταιριάξει καλύτερα στις διάφορες αποστάσεις απ την κεραία των διάφορων ομάδων των πελατών. Στην συνέχεια, η παρούσα εργασία οργανώνεται ως εξής: Αρχικά γίνεται μια περιγραφή της σχετικής με τον προτεινόμενο μηχανισμό έρευνας. Ακολούθως, γίνεται μια σύντομη εισαγωγή στα αυτόματα μάθησης και μια περιγραφή του δικτύου προσομοίωσης. Στη συνέχεια, παρουσιάζονται και αναλύονται τα αποτελέσματα της λειτουργίας του προτεινόμενου προσομοιωτή και φανερώνουν την βελτίωση της απόδοσης για τα περιβάλλοντα με τοπικότητα αιτημάτων. Τέλος, παρατίθεται ο κώδικας σε πρόγραμμα Matlab 7.5 του προτεινόμενου προσομοιωτή και γίνεται μια μικρή σύνοψη της εργασίας. 12

13 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Κ Ε Φ Α Λ Α Ι Ο 2 : Σ Χ Ε Τ Ι Κ Α Σ Υ Σ Τ Η Μ Α Τ Α Ε Κ Π Ο Μ Π Η Σ 13

14 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ ΣΧΕΤΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΚΠΟΜΠΗΣ Κάποιες από τις πρώτες δουλειές σχετικές με την μετάδοση δεδομένων, χρησιμοποίησαν την επίπεδη προσέγγιση, η οποία δρομολογεί όλα τα αντικείμενα με την ίδια συχνότητα. Ωστόσο, οι έρευνες έχουν δείξει ότι προκειμένου να ελαχιστοποιήσουμε το μέσο χρόνο πρόσβασης, οι δρομολογήσεις πρέπει να είναι περιοδικές και οι διακυμάνσεις των αποστάσεων μεταξύ διαδοχικών στιγμών του ίδιου αντικειμένου πρέπει να ελαχιστοποιηθούν Μ η Π ρ ο σ α ρ μ ο σ τ ι κ ά Μ ο ν τ έ λ α Ώ θ η σ η ς Δ ί σ κ ο ι Μ ε τ ά δ ο σ η ς B r o a d c a s t D i s k s Μια μέθοδος που ικανοποιούσε και τους δύο παραπάνω περιορισμούς ήταν το μοντέλο Δίσκων Μετάδοσης. Το μοντέλο αυτό, πρότεινε έναν τρόπο υπεράνω τοποθέτησης πολλαπλών δίσκων οι οποίοι περιστρέφονται σε διαφορετικές συχνότητες σε ένα μοναδικό κανάλι μετάδοσης. Τα πιο δημοφιλή δεδομένα τοποθετούνται στους πιο γρήγορους δίσκους, και σαν αποτέλεσμα παράγονται περιοδικές διακυμάνσεις με τα πιο δημοφιλή δεδομένα να μεταδίδονται πιο συχνά. Σ αυτήν την εργασία προτάθηκαν επίσης κάποιες τεχνικές διαχείρισης κρυφής μνήμης (cache) που στόχευαν στην μείωση της υποβάθμισης της απόδοσης των πελατών των οποίων τα αιτήματα απέκλιναν αρκετά από τα αιτήματα του συνολικού πληθυσμού πελατών. Επίσης προτάθηκε προανάκληση αντικειμένων δεδομένων στην κρυφή μνήμη των πελατών προς διευκόλυνση της ικανοποίησης των μελλοντικών αιτημάτων των πελατών. Αργότερα, αυτή η εργασία επαυξήθηκε και ασχολήθηκε με τον αντίκτυπο αλλαγών στις τιμές των αντικειμένων των δεδομένων ανάμεσα σε διαδοχικές μεταδόσεις ίδιων αντικειμένων του εξυπηρέτη και την προσθήκη ενός πίσω καναλιού που επέτρεπε στους πελάτες να στέλνουν αιτήματα στον εξυπηρέτη. Ένα ελάττωμα των Δίσκων Μετάδοσης είναι το γεγονός ότι είναι 14

15 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ περιορισμένοι σε αντικείμενα δεδομένων σταθερού μεγέθους και δεν παρουσιάζουν έναν τρόπο καθορισμού για τον βέλτιστο αριθμό δίσκων προς χρήση ή για τις σχετικές συχνότητές τους. Αυτοί οι αριθμοί συλλέγονται εμπειρικά, και σαν αποτέλεσμα ο εξυπηρέτης μπορεί να μην μεταδώσει αντικείμενα δεδομένων με βέλτιστες συχνότητες, ακόμα και σε περιπτώσεις στατικών πελατειακών αιτημάτων. Επιπλέον, η άκαμπτη επιβολή του περιορισμού ελαχιστοποίησης της διακύμανσης των αποστάσεων ανάμεσα σε διαδοχικές στιγμές του ίδιου αντικειμένου οδηγεί σε δρομολογήσεις όπου στιγμιότυπα του ίδιου αντικειμένου ισαπέχουν. Το γεγονός αυτό, μπορεί να οδηγήσει σε δρομολογήσεις που πιθανώς να περικλείουν άδειες, και συνεπώς αχρησιμοποίητες, περιόδους (τρύπες). Τελικά, η προσέγγιση των Δίσκων Μετάδοσης δεν είναι προσαρμοστική σε δυναμικά αιτήματα πελατών, καθώς είναι βασισμένη στην α priori γνώση στατικών πελατειακών αιτημάτων που έχει ο εξυπηρέτης, καταλήγοντας έτσι σε προκαθορισμένες μεταδόσεις. 1) Μέθοδος Vaidya-Hameed: Πρόκειται για ακόμα μία πρόταση συστημάτων βασισμένων σε ώθηση (push-based systems). Αυτή η μέθοδος παράγει επίσης περιοδικές δρομολογήσεις. Σύμφωνα με τη μέθοδο αυτή, η κατασκευή της μετάδοσης, εφόσον όλοι οι πελάτες είναι προσανατολισμένοι προς το ίδιο κανάλι, στηρίζεται σε δύο επιχειρήματα. Επιχείρημα 1: Δρομολόγια μετάδοσης με ελάχιστο συνολικό μέσο χρόνο πρόσβασης, παράγονται όταν τα διαστήματα μεταξύ διαδοχικών στιγμών των ίδιων αντικειμένων είναι ίσα. Επιχείρημα 2: Αν υποθέσουμε ότι τα στιγμιότυπα των ίδιων αντικειμένων ισαπέχουν, ο ελάχιστος συνολικός μέσος χρόνος πρόσβασης προκύπτει όταν ο εξυπηρέτης μεταδίδει ένα αντικείμενο i με την απόσταση μεταξύ διαδοχικών στιγμιότυπων του i να είναι ανάλογη του παράγοντα li / pi, όπου p i είναι η πιθανότητα ζήτησης του αντικειμένου i, και l i, είναι το μήκος του αντικειμένου. Ο αλγόριθμος λειτουργεί ως εξής: Υποθέτοντας ότι T είναι η τρέχουσα τιμή του χρόνου και R(i) είναι η τιμή του χρόνου όταν το αντικείμενο i μεταδόθηκε τελευταία φορά, ο δρομολογητής μεταδόσεων επιλέγει να μεταδώσει το αντικείμενο i που έχει τη μεγαλύτερη τιμή στην συνάρτηση κόστους G(i) = (T-R(i)) 2 (p i / l i ). Για τα αντικείμενα που δεν έχουν ακόμη μεταδοθεί καμία φορά, το R(i) αρχικοποιείται στην τιμή -1 και εάν η μέγιστη τιμή της G(i) προκύπτει για παραπάνω από ένα αντικείμενα, ο αλγόριθμος επιλέγει ένα από αυτά με τυχαίο τρόπο. Όπως δηλώνουν και οι δημιουργοί της, η μέθοδος αυτή έχει το πλεονέκτημα της αυτόματης χρήσης των βέλτιστων συχνοτήτων για τις μεταδόσεις των αντικειμένων, σε αντίθεση με την προηγούμενη μέθοδο. 15

16 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Επιπλέον, ο περιορισμός στιγμιότυπων του ίδιου αντικειμένου που ισαπέχουν, δεν επιβάλλεται άκαμπτα, κάτι που οδηγεί στην εξάλειψη των κενών περιόδων κατά την μετάδοση. Τελικά, η μέθοδος Vaidya-Hameed δουλεύει με αντικείμενα διαφόρων μεγεθών εξίσου. Αυτή η υπόθεση είναι προφανώς πιο ρεαλιστική σε σχέση με αυτήν των σταθερού μήκους αντικειμένων στην προσέγγισης των Δίσκων Μετάδοσης. Ωστόσο, το κύριο ελάττωμα της μεθόδου Vaidya-Hameed είναι και εδώ η έλλειψη προσαρμοστικότητας και συνεπώς η αναποτελεσματικότητά της σε περιβάλλοντα με δυναμικά αιτήματα πελατών Π ρ ο σ α ρ μ ο σ τ ι κ ά Σ υ σ τ ή μ α τ α Ώ θ η σ η ς A d a p t i v e P u s h S y s t e m Η μέθοδος στο [1] προτείνει ένα σύστημα βασισμένο σε ώθηση, το οποίο είναι προσαρμοστικό σε δυναμικά αιτήματα πελατών. Το σύστημα χρησιμοποιεί ένα αυτόματο μάθησης στον εξυπηρέτη, προκειμένου να παρέχει προσαρμοστικότητα στην μέθοδο Vaidya-Hameed, ενώ παράλληλα διατηρεί την υπολογιστική της πολυπλοκότητα. Χρησιμοποιώντας έναν απλό παλμό ανατροφοδότησης από τους πελάτες, το αυτόματο συνεχώς προσαρμόζεται στα αιτήματα του συνολικού πληθυσμού των πελατών με στόχο να προβάλει την συνολική δημοτικότητα του κάθε αντικειμένου δεδομένων. Στο [1] φαίνεται ότι αντίθετα με την μη-προσαρμοστική μέθοδο Vaidya-Hameed, το προσαρμοστικό σύστημα παρέχει ανώτερη απόδοση σε περιβάλλον όπου τα αιτήματα των πελατών αλλάζουν με τον χρόνο ενώ η φύση των αλλαγών αυτών παραμένει άγνωστη στον εξυπηρέτη μετάδοσης. Η λειτουργία του προσαρμοστικού συστήματος του [1] περιγράφεται παρακάτω καθώς η μέθοδος του προτεινόμενου προσομοιωτή στηρίζεται στο [1] Σ ύ σ τ η µ α Έ λ ξ η ς κ α ι Υ β ρ ι δ ι κ ό Σ ύ σ τ η µ α Τα συστήματα έλξης έχουν το πλεονέκτημα του ότι είναι προσαρμοστικά σε δυναμικά αιτήματα πελατών λόγω της εξαγωγής γνώσης για αυτά τα αιτήματα μέσω των πελατών. Ένα αντιπροσωπευτικό σύστημα έλξης είναι 16

17 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ αυτό του [4]. Μέσω προσομοιώσεων, φαίνεται ότι η μέθοδος αυτή παρέχει απόδοση κοντά στον βέλτιστο αλλά μη κλιμακούμενο αλγόριθμο Longest Wait First (LWF), ο οποίος επιλέγει προς μετάδοση το αντικείμενο με το μεγαλύτερο συνολικό χρόνο αναμονής ( το σύνολο των χρόνων αναμονής του συγκεκριμένου αντικειμένου για όλες τις αιτήσεις εν αναμονή). Ένα πρόσφατα προτεινόμενο σύστημα έλξης είναι αυτό του [5]. Η εργασία αυτή, αναφέρεται επίσης και στην επίδραση στην απόδοση του χρόνου πρόσβασης, του χρόνου συντονισμού ( ο χρόνος κατά τον οποίο ένας πελάτης πρέπει να ακούει ενεργά στην εκπομπή προτού λάβει το ζητούμενο αντικείμενο), και του κόστους διαχείρισης αποτυχημένων αιτήσεων. Επίσης, προτείνει ένα αυτό-προσαρμοζόμενο αλγόριθμο δρομολόγησης ο οποίος υπολογίζει μια συνάρτηση κόστους, που επηρεάζεται από τις τρεις παραμέτρους που προαναφέρθηκαν, για κάθε αντικείμενο δεδομένων και χρησιμοποιεί τον αλγόριθμο αυτό για την κατασκευή δρομολογήσεων. Ωστόσο, στο πλαίσιο των συστημάτων ώθησης, η προτεινόμενη προσέγγιση εκτιμάται κάνοντας την υπόθεση ότι είτε 1) κάθε αντικείμενο πληροφορίας ζητείται με την ίδια πιθανότητα ή 2) ότι η ζήτηση για κάθε αντικείμενο πληροφορίας είναι γνωστή από πριν. Στις υβριδικές μεθόδους, οι πελάτες μπορούν να χρησιμοποιούν ένα κανάλι επιστροφής για να υποβάλλουν αιτήσεις σχετικές με τα αντικείμενα πληροφορίας στον εξυπηρέτη. Μια πρόσφατη εργασία πάνω σε τέτοια συστήματα είναι αυτή του [6], η οποία προτείνει ένα υβριδικό σύστημα το οποίο λαμβάνει υπόψη του τις επαναπροσπάθειες του χρήστη. Όσων αφορά την προσαρμοστικότητα στα αιτήματα πελατών, αυτό γίνεται μέσω των ίδιων των αιτήσεων που κάνουν οι πελάτες. Οι συγγραφείς της εργασίας υποστηρίζουν ότι ακόμη και στα υβριδικά συστήματα, η εκτίμηση των αιτημάτων των αντικειμένων δεν είναι απλή υπόθεση. Ένας λόγος για τον οποίο συμβαίνει αυτό είναι το γεγονός ότι στην προσπάθεια να εξυπηρετηθούν περισσότεροι πελάτες μέσω του συστήματος ώθησης, το σύστημα καταφέρνει να αυξήσει τον αριθμό αυτών των πελατών. Έτσι, λιγότεροι πελάτες υποβάλουν αιτήματα για αντικείμενα μέσω του τρόπου έλξης, καταλήγοντας έτσι σε μια αυξάνουσα πιθανότητα για λιγότερο ακριβή εκτίμηση αιτημάτων αντικειμένων για το κοντινό μέλλον. Ένα άλλο υβριδικό σύστημα που προτάθηκε πρόσφατα είναι αυτό του [7]. Αυτό προτείνει έναν μηχανισμό εκτίμησης και προσπαθεί να εξισορροπήσει τους χρόνους πρόσβασης των συστημάτων ώθησης και έλξης. Για την εκτίμηση των αιτημάτων των αντικειμένων, εκμεταλλεύεται την ανυπομονησία των πελατών. Περιοδικά, παράγει επίτηδες απώλειες 17

18 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ αντικειμένων από το σύστημα ώθησης προκειμένου να αναγκάσει τους πελάτες να ζητήσουν ρητά τα αντικείμενα αυτά μέσω αιτήσεων. Έτσι, μετρώντας τις αιτήσεις για κάθε αντικείμενο στο σύστημα ώθησης, ο εξυπηρέτης έχει ένα μέτρο των αιτημάτων αντικειμένων μέσα στον πληθυσμό των πελατών. Μια παρόμοια προσέγγιση με αυτήν του [7] γίνεται στο [8]. Η εργασία αυτή εκτιμά τη ζήτηση για κάθε αντικείμενο μέσω εισερχόμενων αιτήσεων για αντικείμενα που δεν θα εμφανιστούν στην εκπομπή στο κοντινό μέλλον και αναφέρει ότι χωρίς αιτήσεις για τέτοια χαμένα αντικείμενα εκπομπής, είναι αδύνατον να γίνει εκτίμηση ζήτησης. Στο [9],προτείνεται ένα σύστημα για δυναμική εκπομπή δεδομένων που συνδυάζει διάφορα μέσα ανάκτησης αντικειμένων (κρυφή μνήμη, κανάλια εκπομπών, αιτήσεις έλξης). Ο εξυπηρέτης είναι ικανός να δουλέψει κάτω από δυναμικά αιτήματα πελατών για τα οποία δεν υπάρχει γνώση α priori. Κάθε πελάτης χρησιμοποιεί ένα διάνυσμα bit στο οποίο κάθε bit αντιστοιχεί σε ένα αντικείμενο δεδομένων στο πρόγραμμα εκπομπής. Στην αρχή κάθε προγράμματος μετάδοσης, ο εξυπηρέτης εκπέμπει ολόκληρο το δρομολόγιο. Όταν οι πελάτες λάβουν ένα καινούριο πρόγραμμα, επαναφέρουν τα διανύσματα των bit τους. Ένα bit στο διάνυσμα ενός πελάτη ορίζεται εάν το αντίστοιχο αντικείμενο εμφανίζεται στην εκπομπή. Έτσι, αντικείμενα που ανακτώνται είτε από την κρυφή μνήμη του πελάτη ή μέσω αιτήσεων έλξης, δεν έχουν επιρροή στο διάνυσμα bit του πελάτη. Όταν ένα συγκεκριμένο αντικείμενο δεν βρεθεί ούτε στην κρυφή μνήμη ούτε στο πρόγραμμα εκπομπής, τότε ένα αίτημα έλξης υποβάλλεται για το αντικείμενο αυτό από τον πελάτη μέσω του ανερχόμενου καναλιού, και το διάνυσμα bit του πελάτη ανέρχεται σε αυτό το αίτημα. Μετά το αίτημα έλξης, το διάνυσμα bit επαναφέρεται. Στον εξυπηρέτη, κάθε αντικείμενο δεδομένων συνδέεται με έναν μετρητή του οποίου η τιμή αυξάνεται κατά ένα κάθε φορά που το αντικείμενο αυτό είτε ζητείται ρητά μέσω μιας αίτησης έλξης, είτε όταν ένα διάνυσμα bit λαμβάνεται με την αντίστοιχη σειρά bit. Με τον μηχανισμό αυτό, ο εξυπηρέτης εκπομπής μπορεί να εκτιμά τα πρότυπα πρόσβασης του πληθυσμού των πελατών και να καθορίζει δυναμικά το πρόγραμμα εκπομπής ανάλογα με τα πρότυπα αυτά. Ακόμα μία ενδιαφέρουσα προσέγγιση είναι αυτή του [10]. Αυτή η εργασία προτείνει ένα σύστημα όπου τα αιτήματα πελατών δεν στοχεύουν συγκεκριμένα αντικείμενα αλλά μπορούν ωστόσο να ικανοποιηθούν από αντικείμενα που εμπεριέχουν πληροφορία ικανοποιητικά προσεγγιστική στα αιτήματά τους. Κάθε πελάτης διατηρεί ένα διάνυσμα bit με κάθε bit στη θέση w στη σειρά του διανύσματος ενός πελάτη, αν ένα αντικείμενο με υψηλό 18

19 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ μέτρο ομοιότητας, σε σχέση με το ζητούμενο αντικείμενο, εμφανιστεί στην w θέση της εκπομπής. Σε κάθε δεδομένη στιγμή, κάθε πελάτης στέλνει, με μικρή πιθανότητα, ένα μήνυμα ανατροφοδότησης προς τον εξυπηρέτη, το οποίο περιέχει το διάνυσμά του. Αν ένας πελάτης δεν ικανοποιηθεί από το πρόγραμμα εκπομπής, το μήνυμα ανατροφοδότησης που θα στείλει θα είναι στην ουσία ένα αίτημα συγκεκριμένο. Η συχνότητα δειγματοληψίας των πελατών για τα αιτήματά τους, καθορίζεται με στατιστικές τεχνικές. Δύο τέτοιες τεχνικές προτείνονται, με μια από αυτές να υπερέχει καθώς οδηγεί σε χαμηλότερη αναλογία δείγματος πελατών. Μια άλλη δουλειά που επικεντρώνεται στην εκπομπή προσαρμοστικών δεδομένων είναι αυτή του [11]. Οι πελάτες που ενδιαφέρονται είτε στα ίδια αντικείμενα με στατικά αιτήματα είτε στις ίδιες υπηρεσίες εκπομπής, ομαδοποιούνται. Στο ξεκίνημα κάθε κύκλου εκπομπής, σε κάθε ομάδα αντιστοιχεί ένα μερίδιο χρονοθυρίδων της διάρκειας του κύκλου. Επιπλέον, όταν μια ομάδα έχει χρησιμοποιήσει το μερίδιό της, ο εξυπηρέτης μπορεί να της παραχωρήσει με δυναμικό τρόπο περισσότερες χρονικές στιγμές μέσω δανεισμού χρονικών στιγμών από άλλες ομάδες κατά τη διάρκεια του κύκλου εκπομπής. Αυτός ο μηχανισμός δανεισμού λαμβάνει χώρα όταν κάποιες χρονικές στιγμές γίνονται διαθέσιμες πριν το τέλος ενός κύκλου εκπομπής. Στο τέλος κάθε κύκλου, η ανατροφοδότηση που είναι διαθέσιμη στον εξυπηρέτη και αφορά στον δανεισμό των χρονοθυρίδων, χρησιμοποιείται σε συνδυασμό με τη δημοτικότητα των ομάδων για την προσαρμογή του συστήματος στις τρέχουσες ανάγκες για τον επόμενο κύκλο εκπομπής Κ ρ ι τ ι κ ή Π ρ ο σ α ρ µ ο σ τ ι κ ό τ η τ α ς σ τ ι ς Α ν ά γ κ ε ς τ ω ν Π ε λ α τ ώ ν Τα συστήματα έλξης και τα υβριδικά συστήματα που περιγράφηκαν παραπάνω μοιράζονται την απαίτηση οι πελάτες να μπορούν να υποβάλλουν πραγματικά αιτήματα πακέτων στον εξυπηρέτη μέσω ενός ανερχόμενου καναλιού. Προκειμένου να δουλέψουν αυτές οι προσεγγίσεις σε ένα περιβάλλον ώθησης, πρέπει να υπάρχει α priori γνώση για τα αιτήματα, καθώς στα συστήματα ώθησης δεν υπάρχει η δυνατότητα αναμετάδοσης αιτημάτων για πακέτα από τους πελάτες προς τον εξυπηρέτη. Ακόμη και στην περίπτωση συστημάτων έλξης και υβριδικών συστημάτων, παρόλα αυτά, 19

20 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ ένας μεγάλος αριθμός πελατών μπορεί 1) να υπερχειλίσει το ανερχόμενο κανάλι εξαιτίας της ανάγκης συντονισμού των αιτημάτων με λίγες συγκρούσεις και 2) να δημιουργήσει ένα υπερβολικό ποσοστό άφιξης αιτημάτων προς τον εξυπηρέτη και συνεπώς να τον γεμίσει. Αντιθέτως, το [1] και το προτεινόμενο σύστημα που στηρίζεται σε αυτό, δεν αναμεταδίδει πραγματικά αιτήματα προς τον εξυπηρέτη μέσω του ανερχόμενου καναλιού αλλά αυτό που μεταφέρεται μέσα από το απλό ανερχόμενο κανάλι είναι το σύνολο των παλμών ανατροφοδότησης των πελατών. Έτσι, ισχύουν τα ακόλουθα: 1) Εφόσον δεν υπάρχει ανάγκη για συντονισμό των απαντήσεων των πελατών (παλμοί) έτσι ώστε να μην συγκρούονται, ένας μεγάλος αριθμός πελατών δεν περιορίζει την επεκτασιμότητα του συστήματος υπερχειλίζοντας το ανερχόμενο κανάλι. 2) Αυτό που λαμβάνει ο εξυπηρέτης δεν είναι ένας αριθμός ατομικών αιτήσεων πακέτων προς εξέταση και πιθανή εξυπηρέτηση, αλλά λαμβάνει το σύνολο των παλμών ανατροφοδότησης των πελατών, το οποίο χρησιμοποιείται για την εκτίμηση της ζήτησης των διαφόρων αντικειμένων. 20

21 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Κ Ε Φ Α Λ Α Ι Ο 3 : Τ Ο Π Ρ Ο Τ Ε Ι Ν Ο Μ Ε Ν Ο Σ Υ Σ Τ Η Μ Α Ω Θ Η Σ Η Σ 21

22 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ ΤΟ ΠΡΟΤΕΙΝΟΜΕΝΟ ΣΥΣΤΗΜΑ ΩΘΗΣΗΣ 3. 1 Α υ τ ό μ α τ α Μ ά θ η σ η ς Ο σκοπός πολλών ευφυών συστημάτων είναι να μπορούν να δουλεύουν αποτελεσματικά σε περιβάλλοντα που χαρακτηρίζονται από άγνωστα και ποικίλα χαρακτηριστικά. Μια λύση σε αυτό το πρόβλημα είναι τα αυτόματα μάθησης, τα οποία αποτελούν δομές που μπορούν να αποκτήσουν γνώση σχετικά με την συμπεριφορά του περιβάλλοντος στο οποίο λειτουργούν. Ένα αυτόματο μάθησης είναι ένα αυτόματο που βελτιώνει την αποδοτικότητά του μέσω της αλληλεπίδρασής του με το τύχαιο περιβάλλον μέσα στο οποίο λειτουργεί. Ο στόχος ενός αυτόματου μάθησης είναι να βρει ανάμεσα σε ένα σύνολο ενεργειών α 1, α 2,..., α Μ την βέλτιστη, έτσι ώστε η μέση ποινή από το περιβάλλον να είναι η ελάχιστη. Το αυτόματο περιλαμβάνει τα p 1 (n), p 2 (n),..., p Μ (n), τα οποία αποτελούν ένα διάνυσμα που αντιπροσωπεύει την πιθανότητα επιλογής της ενέργειας i κατά την n επανάληψη. Προφανώς, pi(n) = 1. Σε κάθε επανάληψη, το αυτόματο επιλέγει μια ενέργεια και λαμβάνει την απόκριση του περιβάλλοντος που προκαλείται από την συγκεκριμένη ενέργεια. Βασισμένο σε αυτήν την απόκριση, το αυτόματο ανανεώνει το διάνυσμα πιθανοτήτων από p(n) σε p(n+1) και το χρησιμοποιεί για να καθορίσει την επιλογή της επόμενης ενέργειας. Υπάρχουν διάφοροι τύποι αυτόματων ανάλογα με τη φύση της περιβαλλοντικής απόκρισης. Αν αυτή περιλαμβάνει μονάχα τις τιμές 0 και 1, αναπαριστώντας μόνο αμοιβή και ποινή ανάλογα, το αυτόματο είναι γνωστό ως αυτόματο μοντέλου P. Ωστόσο, λόγω του ότι σε πολλές περιπτώσεις ένα αυτόματο μοντέλου P δίνει μόνο μια ακαθόριστη εκτίμηση του περιβάλλοντος, έχουν επινοηθεί σχήματα στα οποία η περιβαλλοντική απόκριση δεν μπορεί να κατλήγει ούτε σε απόλυτη αμοιβή ούτε σε απόλυτη τιμωρία. Αυτού του είδους τα αυτόματα μάθησης δουλεύουν με περιβαλλοντική απόκριση, η οποία μετά από κανονικοποίηση, βρίσκεται στο διάστημα [0,..., 1]. Σε ένα αυτόματο μοντέλου Q, η περιβαλλοντική απόκριση μπορεί να έχει περισσότερες από μία, συγκεκριμένες, πιθανές τιμές στο διάστημα [0,..., 1]. Στο περιβάλλον ενός αυτόματου μοντέλου S, η απόκριση μπορεί να πάρει συνεχόμενες τιμές στο διάστημα [0,..., 1]. Τα αυτόματα μάθησης, έχει διαπιστωθεί ότι είναι χρήσιμα σε συστήματα 22

23 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ στα οποία υπάρχει μη επαρκής γνώση για το περιβάλλον στο οποίο αυτά τα συστήματα λειτουργούν. Όσων αφορά τα δίκτυα δεδομένων, τα αυτόματα μάθησης έχουν βρει εφαρμογή στην επίλυση αρκετών προβλημάτων, μέσα σ' άλλα και στη σχεδίαση αυτοπροσαρμοζόμενων πρωτοκόλλων επιπέδων με έλεγχο πρόσβασης στα μέσα (self-adaptive media access control layer protocols - MAC), τόσο για ενσύρματες όσο και για ασύρματες πλατφόρμες, που λειτουργούν αποτελεσματικά σε δίκτυα με δυναμικό φόρτο εργασίας. Άλλες εφαρμογές των αυτομάτων μάθησης περιλαμβάνουν τα συστήματα ουράς, προγραμματισμού εργασιών, συμπίεσης εικόνας, αναγνώρισης προτύπων και δρομολόγησης τηλεφωνικών συνδιαλέξεων Ε ξ υ π η ρ έ τ η ς Μ ε τ ά δ ο σ η ς Β α σ ι σ µ έ ν ο ς σ ε Α υ τ ό µ α τ α Μ ά θ η σ η ς Στο ασύρματο, προσαρμοζόμενο σύστημα προώθησης με μεταβλητό ρυθμό bit, o εξυπηρέτης είναι εξοπλισμένος μένα αυτόματο μάθησης μοντέλου S, το οποίο εμπεριέχει την εκτίμηση p i του εξυπηρέτη για την πιθανότητα ζήτησης p i για κάθε κομμάτι δεδομένων i μέσα στο πακέτο των κομματιών που μεταδίδει ο εξυπηρέτης. Για την αποστολή κάθε κομματιού, ο εξυπηρέτης επιλέγει να μεταδώσει το κομμάτι i που δίνει την μεγαλύτερη τιμή στην συνάρτηση κόστους G(i) = (T-R(i)) 2 (p i / l i ), 1< i < M, όπου Τ είναι η τρέχουσα τιμή του χρόνου, R(i) είναι η τιμή του χρόνου όταν το κομμάτι i μεταδόθηκε τελευταία φορά και l i είναι το μήκος του κομματιού i. Όπως αναφέρθηκε προηγουμένως, για τα τμήματα που δεν έχουν μεταδοθεί ξανά, το R(i) αρχικοποιείται στην τιμή -1, και αν η μέγιστη τιμή της G(i) λαμβάνεται για περισσότερα από ένα τμήματα, ο αλγόριθμος επιλέγει ένα από αυτά τυχαία. Κατά την μετάδοση του τμήματος i την χρονική στιγμή T, το R(i) μεταβάλλεται ώστε να ισχύει R(i) = T. Μετά την μετάδοση του τμήματος i, ο αλγόριθμος προχωράει στην επιλογή του επόμενο τμήματος πληροφορίας προς μετάδοση. Στο προσαρμοζόμενο σύστημα, μετά την μεταφορά του τμήματος i, ο εξυπηρέτης μετάδοσης περιμένει την επιβεβαίωση από κάθε πελάτη που περίμενε το κομμάτι i. Αυτοί οι πελάτες επιβεβαιώνουν την λήψη και ο κάθε ένας απ αυτούς εκπέμπει έναν παλμό ανατροφοδότησης. Οι παλμοί επιβεβαίωσης των πελατών, οι οποίοι είναι σταθερού μήκους προστίθενται στον εξυπηρέτη, ο 23

24 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ οποίος χρησιμοποιεί τον συνολικό παλμό που έλαβε για να ανανεώσει το αυτόματο. Όσων αφορά τους παλμούς ανατροφοδότησης, δεχόμαστε ότι το κανάλι μετάδοσης είναι συμμετρικό, πράγμα που σημαίνει ότι η απώλεια διαδρομής από τον εξυπηρέτη προς κάποιον πελάτη είναι η ίδια με αυτήν απ τον συγκεκριμένο πελάτη προς τον εξυπηρέτη. Επιπλέον, ο εξυπηρέτης και όλοι οι πελάτες είναι σύμφωνοι ως προς την ισχύ του σήματος που αναγνωρίζεται ως ανατροφοδότηση. Ο παλμός ανατροφοδότησης ενός πελάτη είναι ένας απλός παλμός πολύ μικρής διάρκειας ο οποίος κατά την άφιξή του στον εξυπηρέτη επιβεβαιώνει την λήψη του τμήματος πληροφορίας στον πελάτη. Το διάνυσμα της πιθανότητας μετάδοσης p που διατηρείται από το αυτόματο αποτελεί εκτίμηση της πιθανότητας ζήτησης p i (και συνεπώς τη δημοτικότητα) κάθε τμήματος πληροφορίας i, 1 < i < Μ. Για την επόμενη μετάδοση, ο εξυπηρέτης επιλέγει πιο κομμάτι να μεταδώσει χρησιμοποιώντας το ανανεωμένο διάνυσμα p Σ χ ή µ α Α ν α ν έ ω σ η ς Π ι θ α ν ο τ ή τ ω ν Όταν η διάδοση ενός αντικειμένου i δεν ικανοποιεί κανένα πελάτη σε αναμονή, οι πιθανότητες των αντικειμένων δεν αλλάζει. Ωστόσο, μετά από μια διάδοση που ικανοποιεί κάποιους πελάτες, η πιθανότητα του αντικειμένου i αυξάνεται. Ένα Γραμμικό σχήμα αμοιβής (LR I ) που ανανεώνει τις τιμές των πιθανοτήτων εφαρμόζεται μετά από την μετάδοση κάθε αντικειμένου. Άρα, θεωρώντας ότι το αντικείμενο i είναι η k μετάδοση του μεταδότη, χρησιμοποιείται το ακόλουθο σχήμα ανανέωσης πιθανοτήτων: p j (k + 1) = p j (k) L(1 b(k)) (p j (k) a), για κάθε j i p i (k + 1) = p i (k) L(1 b(k)) i j (p j (k) a). (1) Ισχύει ότι L, a (0, 1) και p_i(k) (a, 1) k και i [1,..., M], όπου M είναι ο αριθμός των αντικειμένων πληροφορίας. L είναι η παράμετρος που ρυθμίζει την ταχύτητα σύγκλισης του αυτόματου. Η διαδικασία επιλογής μιας τιμής του L αντικατοπτρίζει το κλασικό πρόβλημα ταχύτητας έναντι ακρίβειας. Όσο μικρότερη είναι η τιμή της παραμέτρου 24

25 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ L, τόσο πιο ακριβής είναι η εκτίμηση του αυτόματου - σε βάρος της ταχύτητας σύγκλισης. Εάν η εκτίμηση της πιθανότητας p i ενός αντικειμένου i προσεγγίζει το μηδέν, τότε το G(i) θα ήταν επίσης πολύ κοντά στο μηδέν. Ωστόσο, ένα αντικείμενο, ακόμη κι αν δεν έχει μεγάλη ζήτηση, πρέπει να μεταδίδεται έστω σπάνια εφόσον κάποιοι πελάτες μπορεί να το ζητούν. Επιπλέον, η δυναμική φύση της ζήτησης των πελατών μπορεί να κάνει το αντικείμενο αυτό πιο περιζήτητο στο μέλλον. Η παράμετρος a προλαμβάνει τις πιθανότητες των αντικειμένων χωρίς μεγάλη ζήτηση απ' το να παίρνουν τιμές στην περιοχή του μηδέν και κατά συνέπεια αυξάνει την προσαρμοστικότητα του αυτόματου. b(k) είναι η περιβαλλοντική απόκριση του συστήματος που ενεργοποιείται μετά την k μετάδοση του εξυπηρέτη. Στην ουσία, πρόκειται για το κανονικοποιημένο άθροισμα των ληφθέντων παλμών ανάδρασης μετά την k μετάδοση του εξυπηρέτη. Οπότε, πρέπει να υπάρχει και ένας μηχανισμός που επιτρέπει στον εξυπηρέτη να αποκτά μια εκτίμηση του αριθμού των πελατών που βρίσκονται υπό την κάλυψή του έτσι ώστε να εκτελεί την διαδικασία κανονικοποίησης του αθροίσματος των παλμών ανάδρασης. Αυτό επιτυγχάνεται με την εκπομπή ενός πακέτου ελέγχου που ειδοποιεί όλους τους πελάτες να απαντήσουν με έναν παλμό. Ο εξυπηρέτης θα χρησιμοποιήσει την συνολική ισχύ των ληφθέντων αυτών παλμών για να εκτιμήσει τον αριθμό των πελατών υπό την κάλυψή του και θα χρησιμοποιήσει αυτήν την τιμή για να εκτελέσει την κανονικοποίηση. Η διαδικασία εκτίμησης συμβαίνει σε τακτά χρονικά διαστήματα μετά την εκπομπή αρκετών εκατοντάδων αντικειμένων, με κόστος την εκπομπή ενός αντικειμένου μοναδιαίου μήκους. Το κόστος αυτό είναι αμελητέο μπροστά στην απόδοση υπεροχής της προτεινόμενης αυτής προσέγγισης. Για b(k) = 1 έχουμε την περίπτωση όπου δεν λαμβάνουμε καμιά αναγνώριση από τους πελάτες. Συνεπώς, όσο μικρότερη είναι η τιμή του b(k), τόσο περισσότεροι πελάτες ικανοποιήθηκαν από την k μετάδοση του εξυπηρέτη. Ωστόσο, η ισχύς του σήματος του παλμού κάθε πελάτη προς τον εξυπηρέτη εξαρτάται από την απόσταση από την κεραία του εξυπηρέτη. Επιπλέον, είναι δυναμικής φύσης εξαιτίας της κινητικότητας των πελατών. Εφόσον η ζημία λόγω απόστασης είναι του τύπου 1/d n με ένα τυπικό n = 4, ο παλμός ανάδρασης των πελατών κοντά στον εξυπηρέτη θα είναι τάξεις μεγέθους πιο ισχυρός από τους παλμούς των πιο μακρινών πελατών. Προκειμένου να αποτρέψουμε αυτούς τους πελάτες που βρίσκονται πιο κοντά στον εξυπηρέτη από το να κυριαρχίσουν στην ψηφοφορία, χρησιμοποιούμε έναν μηχανισμό ελέγχου ισχύς στους παλμούς που 25

26 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ επιστρέφουν. Έτσι, κάθε τεμάχιο πληροφορίας θα μεταδοθεί συμπεριλαμβάνοντας πληροφορία σχετικά με το σήμα ισχύος που χρησιμοποιείται για την μετάδοσή του. Εξαιτίας της απώλειας ισχύος λόγω απόστασης, οι πελάτες μακριά από τον σταθμό βάσης θα δεχτούν το τεμάχιο πληροφορίας και θα καταμετρήσουν μια ισχύ χαμηλού σήματος. Βασισμένος στη λαμβανόμενη ισχύ σήματος του τεμαχίου και στην προκαθορισμένη πληροφορία σχετικά με την ισχύ σήματος στην οποία το τεμάχιο μεταδόθηκε αρχικά, ο πελάτης θα θέσει αναλόγως την ισχύ του παλμού ανάδρασης. Έτσι, οι πελάτες που αναγνωρίζουν την λήψη ενός τεμαχίου θα καταμετρήσουν την ισχύ του σήματος του τεμαχίου αυτού και θα θέσουν την ισχύ του παλμού ανάδρασης στο αντίστροφο του λόγου ( ισχύς ληφθέντος τεμαχίου) / ( ισχύς τεμαχίου μετάδοσης ). Για παράδειγμα, ας υποθέσουμε ότι ο εξυπηρέτης εκπέμπει όλα τα τεμάχια με ισχύ σήματος 1. Κατά την πρόσληψη, από έναν πελάτη, ενός τεμαχίου με ισχύ k ( k < 1 ), ο πελάτης θα θέσει την ισχύ του παλμού ανάδρασης στο 1/k. Χρησιμοποιώντας αυτό το σχήμα ελέγχου ισχύος, η συμβολή από τους παλμούς ανάδρασης κάθε πελάτη προς τον εξυπηρέτη θα είναι της ίδιας τάξης μεγέθους και δεν θα εξαρτάται από την απόσταση πελάτη-εξυπηρέτη. Για την μετάδοση κάθε τεμαχίου, τα ληφθέντα σήματα ανάδρασης στον εξυπηρέτη περνούν μέσα από έναν τελεστικό ενισχυτή που ενσωματώνει την ληφθείσα ενέργεια κατά τη διάρκεια ενός χρονικού διαστήματος t p μετά την μετάδοση ενός τεμαχίου. Αυτό το χρονικό διάστημα είναι ίσο με το σύνολο της διάρκειας ανάδρασης και της μέγιστης καθυστέρησης διάδοσης μετ' επιστροφής (δηλαδή την καθυστέρηση επιστροφής από τον εξυπηρέτη προς έναν πελάτη που βρίσκεται στο όριο της περιοχής κάλυψης). Από την συνολική ληφθείσα ενέργεια κατά την διάρκεια αυτού του διαστήματος, ο εξυπηρέτης μπορεί να καταλήξει στο πόσοι περίπου σταθμοί μετέδωσαν έναν παλμό ανάδρασης. Τότε, ο τελεστικός ενισχητής επαναφέρεται προκειμένου να ξεκινήσει μια νέα ολοκλήρωση διάρκειας t p μετά την εκπομπή του επόμενου τεμαχίου. Χρησιμοποιώντας το σχήμα ενίσχησης της σχέσης (1), οι πιθανότητες των τεμαχίων που εκτιμώνται από το αυτόματο συγκλίνουν στις πιθανότητες της πραγματικής ζήτησης κάθε τεμαχίου πληροφορίας. Μέσω προσομοίωσης, αυτή η σύγκλιση απεικονίζεται στο Σχήμα 1. Οι συνολικές απαιτήσεις των πελατών για ένα τεμάχιο είναι άγνωστες αρχικά στον εξυπηρέτη. Είναι επίσης φανερό ότι είναι επίσης δυναμικής φύσης: Σε κάποια χρονική στιγμή, η αρχική πιθανότητα συνολικής ζήτησης για το επιλεγμένο τεμάχιο (συνεχόμενη γραμμή) αλλάζει σε μια καινούρια γραμμή (διακεκομμένη). Φαίνεται ότι όσο πιο μεγάλη έιναι η τιμή της L, τόσο πιο 26

27 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ γρήγορη είναι η σύγκλιση, παρόλα αυτά σε βάρος της ακρίβειας εκτίμησης. Η ακρίβεια εκτίμησης για κάθε τιμή της L υπολογίζεται στο σχήμα αυτό ως η μέση απόσταση της εκτίμησης της πιθανότητας ζήτησης p' i στο αυτόματο από την πραγματική πιθανότητα ζήτησης p i. O υπολογισμός του ξεκινάει αφού οι εκτιμήσεις του αυτόματου έχουν συγκλίνει στην πραγματική πιθανότητα ζήτησης και τελειώνει όταν η πιθανότητα ζήτησης του τεμαχίου αλλάζει, και επομένως, οι εκτιμήσεις του αυτόματου αρχίζουν να συγκλίνουν στην νέα συνολική πιθανότητα ζήτησης. Για τον σκοπό αυτό, ταυτοποιήσαμε την σύγκλιση ως το σημείο όπου η μέση τιμή της p' i δεν διαφέρει από την p i περισσότερο από 5%. Έχει αποδειχθεί ότι αποτελεσματική λειτουργεία έχουμε σε περιβάλλοντα που χαρακτηρίζονται από δυναμικές και α priori άγνωστες προς τον εξυπηρέτη αιτήσεις πελατών. Όσων αφορά την πολυπλοκότητα του συστήματος, είναι προφανές ότι το σχήμα ανανέωσης πιθανοτήτων της σχέσης (1) είναι πολυπλοκότητας Ο ( Μ ), και έτσι, το σχήμα διατηρεί την Ο ( Μ ) πολυπλοκότητα των μη προσαρμοστικών συστημάτων. Επιπλέον, λόγω του γεγονότος ότι ένας μεγάλος αριθμός πελατών δεν υπερφορτώνει τον εξυπηρέτη ή το κανάλι ανερχόμενης ζεύξης ( εφόσον αυτό που μεταφέρεται μέσω του καναλιού ανερχόμενης ζεύξης είναι μόνο το σύνολο των παλμών ανάδρασης των πελατών), το σύστημα είναι κλιμακωτό και διατηρεί την αποτελεσματικότητά του ανεξάρτητα από τον αριθμό των πελατών Ο Α λ γ ό ρ ι θ µ ο ς Π ρ ο σ α ρ µ ο σ τ ι κ ή ς Δ ρ ο µ ο λ ό γ η σ η ς Η βελτίωση που επιφέρει ο προτεινόμενος προσαρμοστικός αλγόριθμος δρομολόγησης εκπομπών, επιτρέπει στην δημιουργία των δρομολογήσεων των εκπομπών να προσαρμόζεται στις μεταβαλλόμενες ανάγκες του πελατειακού πληθυσμού, καταλήγοντας έτσι στην βελτίωση της απόδοσης για τις περιπτώσεις αυτές. Για τον σκοπό αυτό, στην προτεινόμενη μέθοδο, ο εξυπηρέτης εκπομπής χρησιμοποιεί ένα αυτόματο μάθησης του οποίου το διάνυσμα πιθανότητας διανομής περιλαμβάνει την εκτίμηση p i που έχει ο εξυπηρέτης για την πραγματική ζήτηση d i που έχει ο πληθυσμός των πελατών για κάθε 27

28 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ αντικείμενο δεδομένων i. Η παράμετρος d i είναι ένα μέτρο που αντικατοπτρίζει τη συνολική δημοτικότητα κάθε αντικειμένου στον πληθυσμό των πελατών και στην ουσία αντιπροσωπεύει την πιθανότητα ότι όταν γίνεται ένα αίτημα από τον πληθυσμό των πελατών, το αίτημα αυτό θα αφορά το αντικείμενο i. Για παράδειγμα, ας υποθέσουμε έναν εξυπηρέτη εκπομπής που έχει τρία αντικείμενα 1, 2, και 3 προς εκπομπή και έναν πληθυσμό πελατών που υποβάλλει αιτήματα για τα αντικείμενα αυτά. Οι αιτήσεις θα αφορούν ένα από τα αντικείμενα 1, 2 και 3. Εάν οι πιθανότητες ένα αίτημα να είναι αίτημα για ένα από τα αντικείμενα 1, 2, ή 3 είναι 60%, 40% και 0%, αντίστοιχα, τότε d 1 = 0.6, d 2 = 0.4 και d 3 = 0. Προφανώς, όσο πιο υψηλή είναι η τιμή του d i, τόσο περισσότερα αιτήματα θα γίνουν για το αντικείμενο i και συνεπώς τόσο πιο δημοφιλές θα είναι το αντικείμενο i μέσα στον πελατειακό πληθυσμό. Είναι φανερό ότι pi = 1 και di = 1, όπου Μ είναι ο αριθμός των αντικειμένων προς εκπομπή. Ο εξυπηρέτης επιλέγει για μετάδοση την σελίδα i η οποία έχει την μεγαλύτερη τιμή στην συνάρτηση κόστους G. Μετά την μετάδοση του αντικειμένου i, ο εξυπηρέτης περιμένει την ανταπόκριση όλων των πελατών που ικανοποιήθηκαν από αυτήν την μετάδοση. Ένας πελάτης που περίμενε το i αντικείμενο, επιβεβαιώνει την λήψη του εκπέμποντας έναν σύντομο παλμό ανατροφοδότησης. Προφανώς, η συνολική ισχύς του σήματος επιστροφής στον εξυπηρέτη αποτελεί την περιβαλλοντική απόκριση για την μετάδοση του i και θα χρησιμοποιηθεί από το αυτόματο για την ανανέωση του διανύσματος πιθανότητας διανομής p. Ωστόσο, η ισχύς του σήματος του παλμού που εκπέμπει κάθε πελάτης στον εξυπηρέτη, εξαρτάται από τη σχετική απόσταση του πελάτη από τον εξυπηρέτη και είναι δυναμικής φύσης λόγω της κινητικότητας των πελατών. Εάν η απώλεια διαδρομής είναι τύπου 1/x n με ένα τυπικό n = 4, ο παλμός ανατροφοδότησης των πελατών πλησίον στον εξυπηρέτη εκπομπής θα είναι τάξεις μεγαλύτερος από τον παλμό των πελατών που είναι πιο απομακρυσμένοι. Για να αποτρέψουμε τους πελάτες κοντά στην κεραία από το να μονοπωλήσουν την ψηφοφορία, εισάγουμε έναν μηχανισμού ελέγχου-ισχύς στους παλμούς επιστροφής. Έτσι, κάθε σελίδα μπορεί να μεταδοθεί εμπεριέχοντας πληροφορία σχετικά με τη ισχύ του σήματος που χρησιμοποιήθηκε για την μετάδοσή της σελίδας. Λόγω της απώλειας διαδρομής, οι πελάτες θα λάβουν τη σελίδα και θα υπολογίσουν μια χαμηλότερη ισχύ σήματος κατά την λήψη. Με βάση την πληροφόρηση σχετικά με την ισχύ του σήματος S 0 η οποία αρχικά χρησιμοποιήθηκε για την εκπομπή του της σελίδας και την ισχύ του σήματος S που υπολογίστηκε 28

29 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ κατά τη λήψη της σελίδας (προφανώς ισχύει S < S 0 ), οι πελάτες θα θέσουν την ισχύ του παλμού ανατροφοδότησης σε S 0 / S. Χρησιμοποιώντας αυτό το σχήμα ελέγχου ισχύος, η συμβολή στον εξυπηρέτη του παλμού ανατροφοδότησης κάθε πελάτη θα είναι ίδιας τάξης μεγέθους, ανεξάρτητα από την απόσταση πελάτη-εξυπηρέτη. Το διάνυσμα πιθανότητας εκπομπής στο αυτόματο, καθορίζει την εκτίμηση της πιθανότητας ζήτησης κάθε αντικειμένου πληροφορίας. Με αυτή τη μέθοδο, οι παλμοί ανατροφοδότησης προστίθενται στον εξυπηρέτη και το αυτόματο χρησιμοποιεί την ισχύ του παλμού που έλαβε για να ανανεώσει τις εκτιμήσεις πιθανότητας εκπομπής των αντικειμένων στον εξυπηρέτη. Έτσι, για την επόμενη εκπομπή, ο εξυπηρέτης επιλέγει ποια σελίδα να μεταδώσει, λαμβάνοντας υπόψη του τις ανανεωμένες τιμές των εκτιμήσεων πιθανότητας εκπομπής p i. Ο τρόπος με τον οποίο το αυτόματο ανανεώνει τις εκτιμήσεις αυτές χρησιμοποιώντας τους παλμούς ανατροφοδότησης περιγράφηκε παραπάνω. Στη συνέχεια παρατίθεται το διάγραμμα ροής του αλγορίθμου: 29

30 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Έναρξη Αρχικοποίηση Τιμών & Αρχικοποίηση Διανύσματος Εκτίμησης Πιθανότητας Ζήτησης για Κάθε Αντικείμενο i της Βάσης Δεδομένων. R(i) = -1. Επιλογή αντικειμένου δεδομένων προς εκπομπή, με βάση τη συνάρτηση κόστους G(i) = (T-R(i)) 2 (p i / l i ) Υπάρχει αίτημα από τον πελάτη για το συγκεκριμένο αντικείμενο? NAI Πελάτης 1 _ ΟΧΙ ΟΧΙ Υπάρχει αίτημα από τον πελάτη για το συγκεκριμένο αντικείμενο? NAI Πελάτης CLIENT_NUM Αύξηση του αριθμό των ληφθέντων αντικειμένων κατά 1 για τον συγκεκριμένο πελάτη και αποστολή παλμού ανατροφοδότησης. Υπολογισμός επόμενου αντικειμένου προς ζήτηση. Αύξηση του αριθμό των ληφθέντων αντικειμένων κατά 1 για τον συγκεκριμένο πελάτη και αποστολή παλμού ανατροφοδότησης. Υπολογισμός επόμενου αντικειμένου προς ζήτηση. Υπολογισμός του αθροίσματος τω παλμών ανάδρασης (περιβαλλοντική απόκριση). Ανανέωση του διανύσματος εκτίμησης πιθανοτήτων ζήτησης. R(i) = R(i) + 1 Έχουμε Ni ικανοποιημένες αιτήσεις για κάθε πελάτη? OXI Εκ νέου αρχικοποίηση τιμών & διανύσματος εκτίμησης πιθανοτήτων ζήτησης. Αύξηση πλήθους επαναλήψεων αλγορίθμου κατά 1 ΝΑΙ Έχουμε Ν ικανοποιημένες επαναλήψεις? OXI ΝΑΙ ΤΕΛΟΣ 30

31 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Κ Ε Φ Α Λ Α Ι Ο 4 : Α Π Ο Τ Ε Λ Ε Σ Μ Α Τ Α Ε Κ Τ Ι Μ Η Σ Η Α Π Ο Δ Ο Σ Η Σ 31

32 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΚΤΙΜΗΣΗ ΑΠΟΔΟΣΗΣ Για την εκτίμηση της απόδοσης του προτεινόμενου συστήματος σταθερού ρυθμού, δημιουργήθηκε κώδικας προσομοίωσης σε πρόγραμμα matlab. Στη συνέχεια παρατίθεται αναλυτική περιγραφή του συστήματος, ο κώδικας προσομοίωσης αυτού καθώς και σύγκριση των αποτελεσμάτων του συστήματος με το αντίστοιχο σύστημα που περιγράφεται στο [1]. Το περιβάλλον προσομοίωσης προϋποθέτει ότι τα αιτήματα των πελατών είναι: 1) α priori άγνωστα στον εξυπηρέτη, 2) εξαρτώμενα από την απόσταση Τ ο Μ ο ν τ έ λ ο τ ο υ Ε ξ υ π η ρ έ τ η Θεωρούμε εξυπηρέτη μετάδοσης ο οποίος περιλαμβάνει μια βάση δεδομένων μεγέθους DATABASE αντικειμένων. Ο εξυπηρέτης αρχικά δεν γνωρίζει τη ζήτηση του κάθε αντικειμένου και επομένως, αρχικά, κάθε αντικείμενο έχει μια πιθανότητα ζήτησης p i μεγέθους 1/DATABASE. Όσων αφορά τα μήκη των αντικειμένων, τα υπολογίζουμε ως εξής: Τα μήκη των αντικειμένων παίρνουν ποικίλες τιμές στο διάστημα από L0 =1 έως L1 =10. Δύο τρόποι υπολογισμού των μηκών προτείνονται: Στον πρώτο, τα μήκη των αντικειμένων από 1 έως DATABASE είναι τυχαίοι ακέραιοι ομοιόμορφα κατανεμημένοι στο διάστημα [L0,., L1]. Κατά τον δεύτερο τρόπο, το μήκος l i ενός αντικειμένου i υπολογίζεται σύμφωνα με την παρακάτω σχέση: l i = round ( ( ) (i 1) + L 0), 1 < i < DATABASE (2) όπου η round(x) δίνει την στρογγυλοποιημένη τιμή του x. Αυτοί οι τρόποι καθορισμού των μηκών των αντικειμένων ονομάζονται τυχαία και 32

33 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ αύξουσα διανομή μηκών, αντίστοιχα. Στο σύστημα που περιγράφουμε χρησιμοποιούμε την τυχαία διανομή μηκών Τ ο Μ ο ν τ έ λ ο τ ω ν Π ε λ α τ ώ ν Θεωρούμε ένα πλήθος CLIENT_NUM πελατών οι οποίοι δεν έχουν κρυφή μνήμη. Οι πελάτες ομαδοποιούνται σε GROUPS ομάδες, κάθε μια από τις οποίες τοποθετείται σε μια διαφορετική απόσταση από την κεραία και έξω από το πεδίο γύρω από την κεραία. Κάθε πελάτης που ανήκει στην ομάδα g, 1 < g < GROUPS ενδιαφέρεται στο ίδιο υποσύνολο Sec g της βάσης δεδομένων του εξυπηρέτη. Όλα τα αντικείμενα έξω από αυτό το υποσύνολο έχουν μηδενική πιθανότητα ζήτησης για τους πελάτες της συγκεκριμένης ομάδας. Τέλος, Sec i Sec j για κάθε i, j που ανήκει στο διάστημα [1,., GROUPS], i j, πράγμα που σημαίνει ότι δεν υπάρχουν κοινά αιτήματα ανάμεσα σε δύο πελάτες που ανήκουν σε διαφορετικές ομάδες. Ας υποθέσουμε ότι κάθε τέτοιο υποσύνολο περιλαμβάνει sizesec αντικείμενα. Η πιθανότητα ζήτησης p i κάθε αντικειμένου στη θέση i του υποσυνόλου υπολογίζεται από τον ακόλουθο τρόπο Zipf διανομής, ο οποίος χρησιμοποιείται εξίσου σε άρθρα σχετικά με εκπομπή δεδομένων ([1]): p i = c ( ), όπου c = 1/ ( ), με το k να ανήκει στο διάστημα [1,,sizeSec] (3) όπου θ είναι μια παράμετρος που ονομάζεται συντελεστής απόκλισης προσβασιμότητας (access skew coefficient). Για θ = 0, η Zipf διανομή μετατρέπεται σε ομοιόμορφη διανομή ζήτησης για τα αντικείμενα του υποσυνόλου. Για μεγάλες τιμές του θ, η Zipf διανομή παράγει ιδιαίτερα 33

34 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ αποκλίνοντα πρότυπα ζήτησης. Οπότε η Zipf διανομή μπορεί να χρησιμοποιηθεί στην αποτελεσματική προσομοίωση εφαρμογών που χαρακτηρίζονται από ένα συγκεκριμένο ποσοστό ομοιότητας πελατειακών αιτημάτων. Το σχήμα 3 δείχνει τις πιθανότητες ζήτησης ανά αντικείμενο, για διάφορες τιμές του θ με μια βάση δεδομένων που περιλαμβάνει 300 αντικείμενα. Η τοποθέτηση των ομάδων των πελατών γίνεται μεταξύ LP διαφορετικών σημείων απόστασης έξω από το πεδίο γύρω από την κεραία. Η μεγαλύτερη απόσταση αντιστοιχεί στην ακτίνα κάλυψης του συστήματος. Τα μέλη μιας ομάδας g δεν βρίσκονται στο ίδιο σημείο. Ωστόσο, είναι ομοιόμορφα τοποθετημένα μέσα σε μια κυκλική περιοχή η οποία έχει το κέντρο της σε μια απόσταση g_location(g). Η μέγιστη απόσταση ανάμεσα σε δύο οποιουσδήποτε πελάτες της περιοχής αυτής, είναι GR_SIZE σημεία απόστασης. Επιπλέον, για την προσομοίωση πελατών που είναι ολοκληρωτικά έξω από την κυκλική περιοχή της κυρίως ομάδας, εισάγουμε την παράμετρο DEV, η οποία, για κάθε ομάδα, καθορίζει το ποσοστό των πελατών που τοποθετούνται έξω από την αντίστοιχη κυκλική περιοχή. Για κάθε πελάτη γίνεται μια κλήρωση με βάρος DEV. Αν το αποτέλεσμα της κλήρωσης αυτής δηλώνει ότι ο πελάτης θα πρέπει να αποκλίνει από την τοποθεσία της ομάδας, τότε η θέση του αλλάζει σε μια καινούρια θέση η οποία επιλέγεται με έναν ομοιόμορφο τρόπο από το διάστημα [1,., LP] Τ ο Π ε ρ ι β ά λ λ ο ν Π ρ ο σ ο µ ο ί ω σ η ς Για την εκτέλεση των πειραμάτων δημιουργήθηκε κώδικας προσομοίωσης για το πρόγραμμα Matlab 7.5. Ο προσομοιωτής περιλαμβάνει το μοντέλο των CLIENT_NUM πελατών, του εξυπηρέτη μετάδοσης και τους συνδέσμους εξυπηρέτης-πελάτης ως ξεχωριστές οντότητες. Ο εξυπηρέτης δεν έχει a priori γνώση της ζήτησης των αντικειμένων, και συνεπώς αρχικά, όλα τα αντικείμενα έχουν την ίδια 34

35 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ πιθανότητα ζήτησης. Θεωρούμε ότι η κεραία του εξυπηρέτη μετάδοσης βρίσκεται στο κέντρο της κυκλικής κυψέλης και, επίσης, υπάρχει απώλεια λόγω απόστασης η οποία ακολουθεί το μοντέλο 1/d n. Προκειμένου να προσομοιώσουμε διαφορετικά μεγέθη ομάδων, υπολογίσαμε το μέγεθος της κάθε ομάδας g σύμφωνα με την προαναφερθείσα Zipf διανομή. Οπότε, ο λόγος του αριθμού των πελατών της ομάδας g προς τον αριθμό των πελατών σε ολόκληρο το σύστημα είναι c(1/g) θ1, όπου c= 1/ k (1/k) θ1, όπου το k ανήκει στο διάστημα [1,, G]. Κατά την ολοκλήρωση της μετάδοσης ενός αντικειμένου, τα ακόλουθα γεγονότα λαμβάνουν χώρα. 1) Οι πελάτες που ζήτησαν το αντικείμενο και το παρέλαβαν κανονικά, απαντούν με έναν παλμό ανατροφοδότησης ελεγχόμενης ισχύς. Αυτοί που παρέλαβαν ολόκληρο το αντικείμενο κανονικά, προχωρούν επίσης στον υπολογισμό του επόμενου αντικειμένου προς ζήτηση. 2) Το άθροισμα των αναγνωριστικών παλμών ανατροφοδότησης χρησιμοποιείται από το αυτόματο στον εξυπηρέτη για την ανανέωση της εκτίμησης των πιθανοτήτων ζήτησης των αντικειμένων. Η προσομοίωση συνεχίζει μέχρι να ικανοποιηθούν τουλάχιστον Ni αιτήματα σε κάθε πελάτη, πράγμα που σημαίνει ότι συνολικά, τουλάχιστον Ni * CLIENT_NUM αιτήματα εξυπηρετήθηκαν Α π ο τ ε λ έ σ µ α τ α Π ρ ο σ ο µ ο ί ω σ η ς Τα αποτελέσματα που παρουσιάζονται σε αυτήν την ενότητα, 35

36 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ προέκυψαν για τις ακόλουθες παραμέτρους: DATABASE = 300, CLIENT_NUM = 10000, GROUPS = 5, Sec 1 = [0,,119], Sec 2 = [120,,209], Sec 3 = [210,,239], Sec 4 = [240,,269], Sec 5 = [270, 299], LP = 100, Ni = 1000, GR_SIZE = 10, L =0.15, a = Οι ομάδες των πελατών είναι ομοιόμορφα κατανεμημένες στην περιοχή εξυπηρέτησης. Στις Εικ.1-6, δαιτηρούμε σταθερές τις θέσεις των ομάδων έτσι ώστε να εξετάσουμε τη συμπεριφορά του συστήματος για διάφορα μεγέθη ομάδων. Οι Εικ.1-3 απεικονίζουν τα αποτελέμσατα όταν τα μήκη των αντικειμένων ακολουθούν την τυχαία διανομή, ενώ για τις ίδιες παραμέτρους, οι Εικ.4-6 απεικονίζουν τα αποτελέσματα όταν τα μήκη των αντικειμένων ακολουθούν την αυξάνουσα διανομή. Οι Εικ.4-6 περιέχουν αποτελέσματα τα οποία συγκρίνουν την απόδοση του τυστήματος σταθερού ρυθμού bit (fixed-bit-rate system) με το προσαρμοστικό σύστημα (adaptive system) για διάφορες τιμές του Dev σε τρία διαφορετικά δικτυακά περιβάλλοντα, ονομαζόμενα N 1, N 2 και N 3. Οι παράμετροι προσομοίωσης των τριών αυτών περιβαλλόντων δίνονται ως εξής : 1. Δίκτυο N 1 : Loc 1 = 10, Loc 2 = 30, Loc 3 = 50, Loc 4 = 70, Loc 5 = 90 και θ1 = Δίκτυο N 1 : Loc 1 = 10, Loc 2 = 30, Loc 3 = 50, Loc 4 = 70, Loc 5 = 90 και θ1 = Δίκτυο N 1 : Loc 1 = 90, Loc 2 = 70, Loc 3 = 50, Loc 4 = 30, Loc 5 = 10 και θ1 = 1.0. Στις Εικ.7 και 8, παρουσιάζουμε τα αποτελέσματα πολλαπλών προσομοιώσεων οι οποίες συγκρίνουν την αποδοτικότητα της προτεινόμενης προσέγγισης για διάφορες τιμές του Dev με την αποδοτικότητα του συστήματος σταθερού ρυθμού bit για μήκη αντικειμένων που ακολουθούν την τυχαία (Εικ.7) και την αυξάνουσα (Εικ.8) διανομή. Αυτό που ποικίλει εδώ (άξονας x) είναι οι τοποθετήσεις των ομάδων. Κάθε πείραμα εκτελείται για ένα διαφορετικό σετ από ομοιόμορφα τυχαία επιλογή σημείων τοποθέτησης των ομάδων. Σε αυτά τα πειράματα, θέτουμε θ = 1 και θ1 = 0. Επιπλέον για να προσδιορίσουμε την επίδραση της παραμέτρου L και κατά συνέπεια την εκτίμηση ακρίβειας στην 36

37 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ αποδοτικότητα του συστήματος, παρουσιάζουμε στις Εικ.9 και 10 τα αποτελέσματα της απόδοσης του συστήματος για διάφορες τιμές του L. Εικ.1 Συνολικός μέσος χρόνος πρόσβασης (mean access time) σε μονάδες αντικειμένων προς το συντελεστή απόκλισης πρόσβασης (access skew coefficient) θ. Οι ομάδες των πελατών βρίσκονται στις θέσεις 10, 30, 50, 70, 90. Τα μήκη των αντικειμένων υπολογίζονται με την τυχαία διανομή. θ 1 = 1. Εικ. 2. Συνολικός μέσος χρόνος πρόσβασης (mean access time) σε μονάδες αντικειμένων, προς τον συντελεστή απόκλισης πρόσβασης θ. Οι ομάδες των πελατών βρίσκονται στις θέσεις 10, 30, 50, 70 και 90. Τα μήκη των αντικειμένων υπολογίζονται με την τυχαία διανομή. θ 1 = 0. 37

38 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Εικ.3. Συνολικός μέσος χρόνος πρόσβασης (mean access time) σε μονάδες αντικειμένων, προς τον συντελεστή απόκλισης θ. Οι ομάδες πελατών βρίσκονται στις θέσεις 90, 70, 50, 30 και 10. Τα μήκη των αντικειμένων υπολογίζονται με την τυχαία διανομή. θ 1 = 1. Εικ.4. Συνολικός μέσος χρόνος πρόσβασης (mean access time) σε μονάδες αντικειμένων, προς τον συντελεστή απόκλισης θ. Οι ομάδες πελατών βρίσκονται στις θέσεις 10, 30, 50, 70 και 90. Τα μήκη των αντικειμένων υπολογίζονται με την αυξάνουσα διανομή. θ 1 = 1. 38

39 ΚΟΥΣΗΣ ΑΘΑΝΑΣΙΟΣ Εικ.5. Συνολικός μέσος χρόνος πρόσβασης (mean access time) σε μονάδες αντικειμένων, προς τον συντελεστή απόκλισης θ. Οι ομάδες πελατών βρίσκονται στις θέσεις 10, 30, 50, 70 και 90. Τα μήκη των αντικειμένων υπολογίζονται με την αυξάνουσα διανομή. θ 1 = 0. Εικ.6. Συνολικός μέσος χρόνος πρόσβασης (mean access time) σε μονάδες αντικειμένων, προς τον συντελεστή απόκλισης θ. Οι ομάδες πελατών βρίσκονται στις θέσεις 90, 70, 50, 30 και 10. Τα μήκη των αντικειμένων υπολογίζονται με την αυξάνουσ διανομή. θ 1 = 1. 39

40 ΠΡΟΣΟΜΟΙΩΣΗ ΑΣΥΡΜΑΤΟΥ ΔΙΚΤΥΟΥ ΜΕΤΑΔΟΣΗΣ ΔΕΔΟΜΕΝΩΝ ΜΕ ΤΟΠΙΚΟΤΗΤΑ ΖΗΤΗΣΗΣ Εικ.7. Συνολικός μέσος χρόνος πρόσβασης (mean access time) για διάφορες ομοιόμορφα τυχαίες τοποθετήσεις των ομάδων. θ = 1 και θ 1 = 0. Τα μήκη των αντικειμένων υπολογίζονται με την τυχαία διανομή. Εικ.8. Συνολικός μέσος χρόνος πρόσβασης (mean access time) για διάφορες ομοιόμορφα τυχαίες τοποθετήσεις των ομάδων. θ = 1 και θ 1 = 0. Τα μήκη των αντικειμένων υπολογίζονται με την αυξάνουσα διανομή. 40