Επισκόπιση. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων. Collecting Messages Statistics

Σχετικά έγγραφα
Επισκόπηση. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων. Λεπτοµέρειες υλοποίησης αλγορίθµων

Επισκόπηση. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων. Simulation Commands

Επισκόπιση. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων. Σφάλµατα επικοινωνίας στο Shawn

Επισκόπηση. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων

Προηγούµενο Μάθηµα. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων. Σύνοψη 3 ης ιάλεξης

Κατανεμημένα Συστήματα Ι

Κατανεμημένα Συστήματα Ι

H ΓΛΩΣΣΑ C. Μάθηµα 1: Το Πρώτο µας Πρόγραµµα σε C. ηµήτρης Ψούνης

Προηγούµενο Μάθηµα. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων

Μάθημα 5 ο : Μετάδοση Μηνυμάτων

Περίληψη Φροντιστηρίου. Κατανεμημένα Συστήματα Ι. Το περιβάλλον DAP - Χαρακτηριστικά. Το περιβάλλον DAP Τι είναι.

Προγραµµατισµός ΙΙ. Ηγλώσσααντικειµενοστραφούς. ιδάσκων ηµήτριος Κατσαρός, Τµ. Μηχανικών Η/Υ, Τηλεπικοινωνιών & ικτύων Πανεπιστήµιο Θεσσαλίας

Προγραµµατισµός 2 The shell

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ

Προηγούµενο Μάθηµα. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων

Κεφάλαιο , 3.2: Συναρτήσεις II. ( ιάλεξη 12) ιδάσκων: ηµήτρης Ζεϊναλιπούρ

Επαναληπτικές δοµές. µτ α.τ. Όχι. ! απαγορεύεται µέσα σε µία ΓΙΑ να µεταβάλλουµε τον µετρητή! διότι δεν θα ξέρουµε µετά πόσες επαναλήψεις θα γίνουν

H ΓΛΩΣΣΑ C. Μάθηµα 16: Είσοδος/Έξοδος: Συναρτήσεις Eξόδου. ηµήτρης Ψούνης

Αντικειμενοστρεφής Προγραμματισμός

ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Εισαγωγή στη Java III

Ενδεικτικές Λύσεις 1ου Σετ Ασκήσεων

Εργαστήριο Java. Διδάσκουσα: Εργαστηριακοί Συνεργάτες:

Άρα, Τ ser = (A 0 +B 0 +B 0 +A 0 ) επίπεδο 0 + (A 1 +B 1 +A 1 ) επίπεδο 1 + +(B 5 ) επίπεδο 5 = 25[χρονικές µονάδες]

ιαχείριση Πληροφοριών στο ιαδίκτυο

ιεργασίες και Επεξεργαστές στα Κατανεµηµένων Συστηµάτων

ΕΡΓΑΣΙΑ ΕΞΑΜΗΝΟΥ - ΜΕΡΟΣ Γ'

HY-486 Αρχές Κατανεμημένου Υπολογισμού Εαρινό Εξάμηνο

Εισαγωγή στην Επιστήμη Υπολογιστών. Εισαγωγή στην Python

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ Κεφάλαιο 10 : Εντολές επιλογής και αποφάσεων


char name[5]; /* define a string of characters */

2.2.3 Η εντολή Εκτύπωσε

Χειµερινό Εξάµηνο

Εισαγωγή στην Επιστήμη Υπολογιστών. Εισαγωγή στην Python

MOSFET. Shockley W L W L

Μοντέλο Σύγχρονου ικτύου. Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων

ΑΣΚΗΣΗ 1. Structural Programming

Οικονοµικό Πανεπιστήµιο Αθηνών. Τµήµα Πληροφορικής. Φθινοπωρινό Εξάµηνο Δοµές Δεδοµένων - Εργασία 2. Διδάσκων: E. Μαρκάκης

Διάλεξη 2η: Αλγόριθμοι και Προγράμματα

ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK

Κατανεμημένα Συστήματα. Javascript LCR example

Στοιχεία Προγραμματισμού Σε Γραφικό Περιβάλλον Φύλλο εργασίας 1 ο

Εισαγωγή στην C. Μορφή Προγράµµατος σε γλώσσα C

ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΑΝΑΛΥΤΗ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ

Προγραµµατισµός στην Basic

Κεφάλαιο Αλφαριθµητικές Σειρές Χαρακτήρων (Strings)

Εισαγωγή στον Προγραμματισμό Python Μάθημα 1: Μεταβλητές, τελεστές, είσοδος/έξοδος προγράμματος, συνθήκη ελέγχου if Νοέμβριος 2014 Χ. Αλεξανδράκη, Γ.

Βαθμός Σχόλια. lab5 PASS PASS PASS PASS PASS. Οριακά PASS - Καλή δουλειά

Packet Tracer. ηµιουργία τοπολογίας Βήµα 1: Εκτελούµε το Packet Tracer

MySQL stored procedures

Επιλογή και επανάληψη. Λογική έκφραση ή συνθήκη

ΤΕΙ Κρήτης, Παράρτηµα Χανίων

Κεφάλαιο Ι : Το περιβάλλον εργασίας και το πρώτο απλό πρόγραµµα σε Java.

Βασικά στοιχεία της Java


Επίλυση Προβληµάτων µε Greedy Αλγόριθµους

< 1 για κάθε k N, τότε η σειρά a k συγκλίνει. +, τότε η η σειρά a k αποκλίνει.

Τµήµα Πληροφορικής. Δοµές Δεδοµένων - Εργασία 2. Φθινοπωρινό Εξάµηνο Διδάσκων: E. Μαρκάκης

Ανάπτυξη Εφαρµογών σε Προγραµµατιστικό Περιβάλλον

Outlook Express-User Instructions.doc 1

ΤΕΧΝΙΚΕΣ ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΟΥΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ. Πίνακες Κλάσεις και Αντικείμενα

Ορισµός. Εστω συναρτήσεις: f : N R και g : N R. η f(n) είναι fi( g(n) ) αν υπάρχουν σταθερές C 1, C 2 και n 0, τέτοιες ώστε:

Επαναληπτικό ιαγώνισµα Πληροφορικής Γ Γυµνασίου Γιώργος Λιακέας Σχολικός Σύµβουλος Πληροφορικής Ερωτήσεις

Εισαγωγή στη γλώσσα προγραμματισμού JAVA. Δομές Δεδομένων Διδάσκων: Π.Α. Μήτκας Τομέας Ηλεκτρονικής και Υπολογιστών

lab7 PASS -Δεν έχεις καθόλου σχόλια! Διάβασε το φυλλάδιο. PASS -Πολύ καλή εργασία µε σωστά και επεξηγηµατικά σχόλια. -Πρόσεξε την στοίχισή σου!

Εντολές επιλογής Επαναλήψεις (if, switch, while)

Κεφάλαιο 8.7. Πίνακες & Συναρτήσεις ( ιάλεξη 17) ιδάσκων: ηµήτρης Ζεϊναλιπούρ

H ΓΛΩΣΣΑ C. Μάθηµα 7: Πίνακες. ηµήτρης Ψούνης

Εκλογή αρχηγού σε σύγχρονο δακτύλιο: Οι αλγόριθμοι LCR και HS. 1 Ο αλγόριθμος LCR (Le Lann, Chang, and Roberts)

Κατανεμημένα Συστήματα Ι

SPICE Directive:.model NBJT npn(is = 2f Bf = 100)

ΠΛΗΡΟΦΟΡΙΚΗ Ι JAVA Τμήμα θεωρίας με Α.Μ. σε 3, 7, 8 & 9 8/11/07

οµήτης παρουσίασης Marzullo και Neiger αλγόριθµος Παράδειγµα Distributed Debugging Εισαγωγικά

H ΓΛΩΣΣΑ C. Μάθηµα 17: Είσοδος/Έξοδος: Επικοινωνία µε το Λειτουργικό Σύστηµα. ηµήτρης Ψούνης

Γ7.2 Συμβολοσειρές (Strings) Γ Λυκείου Κατεύθυνσης

1 ΕΙΣΑΓΩΓΗ. Πρωταρχικοί Τύποι

Το πρόγραμμα HelloWorld.java. HelloWorld. Κλάσεις και Αντικείμενα (2) Ορισμός μιας Κλάσης (1) Παύλος Εφραιμίδης pefraimi <at> ee.duth.

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Ακαδημαϊκό έτος ΤΕΤΡΑΔΙΟ ΕΡΓΑΣΤΗΡΙΟΥ #2

Κεφάλαιο , 3.2: Συναρτήσεις II. (Διάλεξη 12)

ΣΕΤ ΑΣΚΗΣΕΩΝ 2. Προθεσµία: 15/11/09, 23:59

CE121 Προγραµµατισµός 2. Εισαγωγή σε Makefiles. CE121 -

ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Στοιχειώδεις Δοµές Δεδοµένων Δοµικά Στοιχεία και Πίνακες Κεφάλαιο 3 (3.1 και 3.2) Ε. Μαρκάκης Επικ. Καθηγητής

Εισαγωγή στην Τεχνολογία - ΗΜΜΥ 101

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΜΟΣ Εντολές επιλογής και αποφάσεων 1 ο Φύλλο Εργασιών Εισαγωγικές ασκήσεις για την εντολή if ΑΠΑΝΤΗΣΕΙΣ

Εισαγωγή. Γενική Εικόνα του Μαθήµατος. Το εσωτερικό ενός Σ Β. Εισαγωγή. Εισαγωγή Σ Β Σ Β. Αρχεία ευρετηρίου Κατάλογος συστήµατος Αρχεία δεδοµένων

Κεφάλαιο 6 Υλοποίηση Γλωσσών Προγραμματισμού

Δοµές Δεδοµένων. 3η Διάλεξη Στοιχειώδεις Δοµές Δεδοµένων: Πίνακες. Ε. Μαρκάκης

Περιεχόµενα. 1 Εισαγωγή στις οµές εδοµένων 3. 2 Στοίβα (Stack) 5

ΑΣΚΗΣΗ 2: ΔΟΜΗ ΠΡΟΓΡΑΜΜΑΤΟΣ C, ΧΕΙΡΙΣΜΟΣ ΜΕΤΑΒΛΗΤΩΝ ΚΑΙ ΣΥΝΑΡΤΗΣΕΙΣ ΕΙΣΟΔΟΥ ΚΑΙ ΕΞΟΔΟΥ

Ειδικά Θέματα Προγραμματισμού

ιαδικαστικός Προγραμματισμός

Συστήματα Παράλληλης και Κατανεμημένης Επεξεργασίας

Κατανεμημένα Συστήματα Ι

Σημειωματάριο Τετάρτης 4 Οκτ. 2017

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

Αντικειµενοστρεφής Προγραµµατισµός

ΕισαγωγήστουςΗ/Υ. PHP Hypertext Preprocessor

CE121 Προγραµµατισµός 2. Εισαγωγή σε Makefiles. CE121 -

Εισαγωγή στον προγραμματισμό. Τμήμα Πληροφορικής & Επικοινωνιών ΤΕΙ Σερρών Εργαστήριο 4

Κεφάλαιο 5ο: Εντολές Επανάληψης

Transcript:

Επισκόπιση Κατανεµηµένα Συστήµατα Ι Μάθηµα Βασικής Επιλογής, Χειµερινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων Χρήστος Κονίνης Τρίτη, 10 Νοεµβρίου, 2009 Υπολογιστικό Examples transmission model Μέχρι τώρα κατασκευάζαµε ένα simulation world µε την εντολή: prepare_world edge_model=simple comm_model=disk_graph range=1 Στην οποία αν και δεν δηλώνεται, το transmission model είναι το reliable, δηλαδή όλα τα µηνύµατα αποστέλονται µε επιτυχία και χωρίς καθηστερίσεις prepare_world edge_model=simple comm_model=disk_graph transm_model=reliable range=1 Γενικά µπορούµε να χρησιµοποιήσουµε πολλαπλά transmission models και κάθε µήνυµα που αποστέλεται περνάει από κάθε transmission model πριν παραδοθεί στους τελικούς παραλλήπτες Message -> ChainTransModel1 -> ChainTransModel2 -> EndTransModel Αν ϑέλουµε ο shawn να κρατάει στατιστικά για τον αριθµο των µηνυµάτων που στάλθηκαν σε µια εξοµοίωση, χρησιµοποιούµε το stats_chain µοντέλο prepare_world edge_model= l i s t comm_model= disk_graph \ transm_model= s t a t s _ c h a i n \ range=1 chain_transm_model name= r e l i a b l e Προσθέσαµε µια επιπλέον παράµετρο transm_model=stats_chain, που συλλέγει πληροφοριες για το σύνολο των µηνυµάτων που στέλνονται Το task chain_transm_model προσθέτει το µοντέλο reliable που τελικά µεταδιδει τα µηνύµατα Message -> stats_chain -> reliable

Collecting Statistics Tasks Example 1. Φτίαχνουµε ένα αρχείο msgstats.conf στον ϕάκελο shawn/buildfiles και γράφουµε τις παρακάτω εντολές: Για να πάρουµε τα στατιστικά που συλλέγει το stats_chain µοντέλο χρήσιµοποιούµε 2 tasks: connectivity : Τυπώνει τον µέσο αριθµό γειτόνων των κόµβων καθώς και τον µέγιστο και ελάχιστο αριθµό γειτόνων dump_transmission_stats : Τυπώνει τον συνολικό αριθµό µηνυµάτων που στάλθηκαν, καθώς και αναλυτικά τον αριθµό των διαφορετικών τύπων µηνυµάτων prepare_world edge_model= l i s t comm_model= disk_graph \ transm_model= s t a t s _ c h a i n \ range=1 chain_transm_model name= r e l i a b l e r e c t _ w o r l d width =50 height =50 count =5000 p r o c e s s o r s = h e l l o w o r l d s i m u l a t i o n m a x _ i t e r a t i o n s =10 c o n n e c t i v i t y d u m p _ t r a n s m i s s i o n _ s t a t s 2. Ανοίγουµε µια κονσόλα στον ϕάκελο shawn/buildfiles 3. Εκτελούµε την εντολή:./shawn -f msgstats.conf Επισκόπιση Writing parameters in the conf file Examples Σε πολλές εξοµοιώσεις είναι χρήσιµο να ϑέτουµε µεταβλητές στο.conf αρχείο και να τις διαβάζουµε µέσα από τον processor Ετσι µπορούµε να αλλάζουµε τις παραµέτρους του αλγορίθµου χωρίς να κάνουµε recompile το shawn Η γενική µορφή ανάθεσης τιµης σε µεταβλητή είναι: <variable_name>=<variable_value> Οι µεταβλητές µπορεί να είναι integers, strings, boolean, floats: Παράδειγµα my_int_value =1 m y _ s t r i n g _ v a l u e = HelloWorld my_boolean_value= t r u e my_float_value =3.14

Reading parameters in the processor Οταν ο shawn διαβάζει το config αρχείο, ϑέτει τις µεταβλητές στο Simulation Environment και µπορούν να προσπελαστούν χρησιµοποιόντας τις µεθόδους: required_string_param( "variable_name" ): Επιστρέφει την τιµή της παραµέτρου <variable_name>, αν δεν υπάρχει προκαλεί µια εξέρεση (exception) optional_string_param( "variable_name", DEFAULT_VALUE ): Επιστρέφει την τιµή της παραµέτρου <variable_name>, αν δεν υπάρχει επιστρέφει την τιµή DEFAULT_VALUE Παράδειγµα Θα τροποποιήσετε το fr02_processor.cpp στο shawn/src/legacyapps/fr02 ώστε να στέλνει το πρώτο µήνυµα στον γύρο Ν που ϑα ορίζεται από µια παράµετρο send_sound στο config αρχείο. Αν δεν είχατε ολοκληρώσει την άσκηση µπορείτε να κατεβάσετε τον κώδικα από εδώ: f t p : / / c a r r o t. c t i. gr / f r 0 2 / f r 0 2 _ p a r t A. t a r. bz2 i n t integer_param_ ; const shawn : : SimulationEnvironment& se = owner ( ). world ( ). s i m u l a t i o n _ c o n t r o l l e r ( ). environment ( ) ; integer_param_ = se. optional_int_param ( " integer_param_name ", 0 ) ; 1. Προσθέστε την παράµετρο send_round=3 στην αρχή του fr02-config.conf 2. Προσθέστε µια µεταβλητή int send_round_ στο fr02_processor.h 3. Στην µέθοδο boot() του fr02_processor.cpp διαβάζουµε την παράµετρο send_round που ϑέσαµε στο config: const shawn : : SimulationEnvironment& se = owner ( ). world ( ). s i m u l a t i o n _ c o n t r o l l e r ( ). environment ( ) ; send_round_ = se. optional_int_param ( " send_round ", 0 ) ; 4. Βρίσκουµε τα σηµεία που Gateway στέλνει hello µηνύµατα και προσθέτουµε ένα έλεγχο, εξετάζοντας αν ο γύρος εξοµοίωσης είναι ίσος µε send_round_ i n t simulation_round ( ) : Returns the current simulation round 5. Εκτελούµε make για να κάνουµε compile το shawn 6. Εκτελούµε την εξοµοίωση:./shawn -f fr02-config.conf 7. Πειραµατιστείτε µε την τιµή της send_round στο fr02-config.conf Επισκόπιση Examples

(1 of 4) (2 of 4) Μέχρι τώρα για να εκτελέσουµε τις εξοµοιώσεις γράφουµε όλες τις παραµέτρους σε ένα.conf αρχείο Αλλά τι γίνεται σε περίπτωση που ϑέλουµε να έχουµε πιο πολύπλοκο έλεγχο των εξοµοιώσεων; Για παράδειγµα έστω ότι χρειαζόµαστε να εκτελέσουµε 100 ϕορές µια εξοµοίωση for-loops if-then Το είναι ένας διαφορετικός τρόπος για να γράφουµε config αρχεία που µας επιτρέπει πλήρη έλεγχο της εξοµοίωσης Οι κύριες εντολές ενός config αρχείου είναι: 1. shawn.setglobalvariable("variable","value") : Θέτει µια µεταβλητή, είναι ισοδύναµο µε variable=value στο κλασικό config αρχείο 2. shawn.runcommand( "task-name", "extra parameters") : Εκτελεί ένα µια εντολή (task) µε παραµέτρους Το υποστηρίζει πλήρη σύνταξη Java οπότε µπορείτε: Να δηλώσετε µεταβλητές πχ int i=0 Να τυπώσετε διαγνωστικά µηνύµατα πχ System.out.println("i = " + i) Να χρησιµοποιήσετε for-loops πχ for(int i=0;i<10;i++) (3 of 4) (4 of 4) Παράδειγµα αρχείου shawn.runcommand ( " prepare_world ", " edge_model= simple comm_model= disk_graph range =10" ) ; shawn. runcommand ( " rect_world ", " width =25 height =25 count=800 processors=helloworld " ) ; shawn. runcommand ( " simulation ", " max_iterations = 1 0 " ) ; Για να ξεκινήσετε µια εξοµοίωση µε το δίνεται την εντολή από τον ϕάκελο buildfiles: Παράδειγµα αρχείου java j a r.. / jshawn allinone. j a r s. / shawn b c o n f _ f i l e. jshawn

Επισκόπιση - Υλοποίηση Examples Για την Υλοποίηση και πειραµατική αξιολόγηση του αλγόριθµου Για την υλοποίηση χρησιµοποιήστε το template που ϑα ϐρείτε στην σελίδα του µαθήµατος Ολες οι µεταβλητές που ϑα χρειαστείτε ϐρίσκονται στο floodmax_processor.h και είναι bool leader_ : Αν ο κόµβος είναι ο leader int max_id_ : Η µέγιστη ταυτότητα που έχει λάβει ο κόµβος int diameter_ : Η διάµετρος του δικτύου (Θα την ϑέσετε στο config αρχείο για κάθε διαφορετική τοπολογία και ϑα την διαβάζει ο processor πριν ξεκινίσει ο αλγόριθµος) Χρειάζεται να τροποποιήσεται µονο τις µεθόδους boot(), work() και handle_flooding_message_node του floodmax_processor.cpp - Υλοποίηση - Πειραµατική αξιολόγιση Λεπτοµέριες υλοποίησης του αλγορίθµου : 1. Σε κάθε γύρο, οι processors στέλνουν ένα µήνυµα µε την µέγιστη ταυτότητα σε όλους τους γείτονες 2. Μόλις λάβουν µία ταυτότητα απο κάποιον γείτονα, την συγκρίνουν µε την µέγιστη ταυτότητα: Αν είναι µεγαλύτερη, ϑέτουν την µεταβλητή στην νέα τιµή Αν είναι µικρότερη ή ίση την αγνοούν 3. Μετά απο diameter γύρους: Αν η µέγιστη ταυτότητα ισούται µε την ταυτότητα της διεργασίας, ο processors µεταβαίνει στην κατάσταση εκλεγµένος Κάθε processor τίθεται σε κατάσταση Inactive Πειραµατική αξιολόγιση του αλγορίθµου : Θα εκτελέσεται 6 εξοµοιώσεις του αλγορίθµου Για κάθε εξοµοίωση ϑα χρησιµοποιήσετε διαφορετική τοπολογία και ϑα µετρήσετε τον αριθµό των µηνυµάτων που στάλθηκαν και των γύρων µεχρι τον τερµατισµό της εξοµοίωσης Για κάθε µια εξοµοίωση ϑα χρησιµοποιήσετε διαφορετική τοπολογία floodmax-topology-10-4.xml: 10 κόµβοι διάµετρος 4 floodmax-topology-100-22.xml: 100 κόµβοι διάµετρος 22 floodmax-topology-1000-30.xml: 1000 κόµβοι διάµτερος 30 floodmax-topology-2000-43.xml: 2000 κόµβοι διάµτερος 43 floodmax-topology-5000-58.xml: 5000 κόµβοι διάµτερος 58 floodmax-topology-10000-72.xml:10000 κόµβοι διάµτερος 72

- Πειραµατική αξιολόγιση Ακολουθεί ένα παράδειγµα για το πως πρέπει να είναι το config αρχείο που ϑα χρειαστείτε: Προσοχή το range πρέπει να είναι 2! Παράδειγµα config αρχείου για την Ασκηση 3 prepare_world edge_model= l i s t comm_model= disk_graph \ transm_model= s t a t s _ c h a i n range=2 chain_transm_model name= r e l i a b l e diameter =4 load_world f i l e =floodmax topology 10 4.xml p r o c e s s o r s =floodmax s i m u l a t i o n m a x _ i t e r a t i o n s =100