Luigi Di Carlo, CEO & Founder @Evometrika srl – “Ruolo della computer vision ...
Algoritmi di Semantica e P2P
1. Università degli studi di Catania
Ingegneria informatica
A.A. 2008/2009
Algoritmi SWS e sistemi P2P
Mazza Dario
Merlino Sebastiano
Messina Marco
2. Studio e analisi degli algoritmi di affinità
semantica tra concetti
In questa sezione verranno descritti e
analizzati i seguenti algoritmi:
H-Match
●
Edamok
●
Chatty Web
●
Glue
●
Kaon
●
VSM
●
ESS
●
Mazza, Merlino, Messina 2
3. H-Match
Principi di base
L'obiettivo generale delle tecniche di compatibilità
ontologica è quello di trovare tutti i concetti che hanno
un'affinità semantica con un concetto di riferimento.
L'algoritmo H-match considera sia le caratteristiche
linguistiche dei concetti, nonché le relazioni semantiche tra
quelli presenti in una stessa ontologia. La valutazione delle
caratteristiche linguistiche è basata su un “thesaurus”, dove il
significato di ciascun termine è rappresentato da un insieme
di relazioni terminologiche.
Mazza, Merlino, Messina 3
4. H-Match
Peculiarità
L'affinità semantica tra due concetti ontologici è valutata, in Helios(o H-
Match), dalla stima sia delle relazioni terminologiche attraverso i tesauri
sia delle relazioni semantiche valutando il contesto nel quale agiscono i
due concetti.
H-match ha 3 differenti tecniche di compatibilità:
compatibilità superficiale: viene preso in considerazione solo
●
l'informazione linguistica proveniente dal thesaurus. Questo tipo di
“matching” garantisce alte performance, ma bassa precisione dei
risultati;
compatibilità media: vengono presi in considerazione sia il nome del
●
concetto che le sue proprietà. Si ottiene una precisione più accurata
rispetto alla tecnica precedente;
compatibilità profonda: prende in esame i nomi dei concetti nonché
●
tutto il contesto nel quale essi sono inquadrati.
Mazza, Merlino, Messina 4
5. H-Match
Input/Output
L'algoritmo H-match richiede in input i due
concetti di cui si vuole calcolare l'affinità, la
tecnica di compatibilità da utilizzare, il valore del
peso dell'affinità linguistica (WLA). I valori di
default sono compatibilità profonda e WLA =
0,5. L'output dell'algoritmo è il grado dell'affinità
semantica tra i due concetti.
Mazza, Merlino, Messina 5
6. H-Match
Vantaggi
I vantaggi di questo algoritmo sono:
correlazione tra affinità semantica e affinità
●
linguistica;
possibilità di scegliere diverse tecniche di
●
matching (algoritmo dinamico);
ottima precisione utilizzando la compatibilità
●
profonda.
Mazza, Merlino, Messina 6
7. H-Match
Svantaggi
Gli svantaggi dell'H-match sono:
la compatibilità profonda richiede un'elaborazione
●
troppo onerosa;
ha una complessità O(N2) dove N è il numero di
●
elementi appartenenti al contesto del concetto
considerato;
l'eterogeneità dei vocabolari in cui sono presenti i
●
concetti da relazionare può causare perdita
d'informazione;
dubbia scalabilità;
●
mai testato in un caso reale.
●
Mazza, Merlino, Messina 7
8. Edamok
Descrizione generale
E' un progetto di ricerca che implementa il KEx (scambio di
conoscenza) nei sistemi P2P, con il quale si riesce a realizzare la
condivisione della conoscenza tra comunità di interesse di tipo paritarie.
Il sistema, per ottenere una mappatura di tipo semantico tra i concetti
presenti nei diversi peer, utilizza un algoritmo chiamato CTX-match.
Tale algoritmo è basato su una fase di esplicitazione semantica durante
la quale i concetti sono associati con i loro significati nel rispetto del
loro contesto. Alla fase di esplicitazione semantica segue una fase di
comparazione semantica dove i concetti vengono tradotti in assiomi
logici e comparati tra loro. L'algoritmo prevede un approccio logico di
tipo descrittivo.
Mazza, Merlino, Messina 8
9. Chatty Web
Descrizione generale
Questo approccio è applicabile a tutti i sistemi decentralizzati
ed offre l'opportunità di studiare l'interoperabilità semantica
come fenomeno globale. Ogni peer offre i propri dati
organizzati secondo uno schema ben preciso (relazionale,
XML, RDF). Il sistema prevede una mappatura corretta tra i
vari schemi adottati dai peer. Chatty web adotta un algoritmo
che riesce ad identificare un insieme sufficientemente grande
di peer per ottenere un'adeguata risposta ad una data query.
Mazza, Merlino, Messina 9
10. Glue
Descrizione generale
E' un sistema che sfrutta la tecnica di apprendimento delle
macchine per trovare una mappatura semantica tra i concetti
ubicati in ontologie diverse e autonome. Glue segue un
approccio di tipo probabilistico: il grado di compatibilità tra
due concetti A e B è calcolato come la probabilità che una
data istanza appartenga ad entrambi i concetti. Sono
applicate 2 tecniche di apprendimento di base. Infine una
procedura di mitigazione dell'etichettatura è utilizzata per
migliorare l'accuratezza della predizione dell'affinità.
Mazza, Merlino, Messina 10
11. Kaon
Descrizione generale
E' un sistema di tipo prototipale descritto
solo per via matematica. Il sistema Kaon
pone l'accento sulla definizione ontologica e
sulle proprietà formali dei concetti al fine di
ottenere correttezza e completezza delle
espressioni.
Mazza, Merlino, Messina 11
12. VSM
Descrizione generale
Ogni documento VSM è rappresentato da un vettore di termini. I
termini sono parole che si trovano all'interno del documento
stesso. Ad ogni termine del vettore viene assegnato un peso.
Termini con un peso superiore sono generalmente ritenuti centrali
in un documento. Per valutare se un documento è rilevante per
una query, il sistema misura la pertinenza tra il vettore della query
e il vettore del documento. Un certo numero di sistemi di
ponderazione per i termini sono stati proposti per VSM, tra i
quali tf-IDF che è un sistema in cui il peso di un termine è alto , se
il termine è frequente nel documento considerato, ma infrequente
in altri documenti. Lo svantaggio principale della TF-IDF è che
richiede informazioni a livello mondiale per il calcolo del peso di
un termine.
Mazza, Merlino, Messina 12
13. ESS
Generalità
L'obiettivo del progetto ESS è quello di migliorare la qualità della
ricerca, minimizzando i relativi costi. La filosofia progettuale di
ESS è migliorare l'efficienza e l'efficacia della ricerca, pur
mantenendo semplice, robusta, e completamente di natura
decentralizzata Gnutella. In ESS, ogni nodo è dotato di un vettore
che è una sintesi compatta del suo contenuto. E ogni nodo può
avere due tipi di collegamenti, ossia collegamenti casuali e
collegamenti semantici. I collegamenti casuali collegano nodi
irrilevanti, mentre i collegamenti semantici organizzano i nodi in
gruppi semantici.
Mazza, Merlino, Messina 13
14. ESS
Descrizione dell'algoritmo
L'algoritmo di adattamento della topologia è eseguito la prima
volta per collegare un nodo al resto della rete tramite collegamenti
casuali, o collegamenti semantici o entrambi. L'obiettivo
dell'adattamento della topologia è quello di garantire che: (1) nodi
pertinenti siano organizzati in gruppi semantici attraverso
collegamenti semantici, e (2) la rete possa sostenere un alto
numero di nodi. Data una query, il protocollo di ricerca
dell'algoritmo SSE individua rapidamente un importante gruppo
semantico per la ricerca, basandosi su un meccanismo di tipo
selettivo dei nodi. Una volta localizzato il gruppo semantico, ESS
inonda il gruppo con la query semantica per recuperare i
documenti pertinenti. Le inondazioni semantiche all'interno di un
gruppo, che ha nodi semanticamente associati, tendono ad essere
rilevanti per la ricerca stessa della query.
Mazza, Merlino, Messina 14
15. Studio e analisi degli approcci P2P
semantici al service discovery
Dopo un'introduzione inerente la descrizione generale
delle caratteristiche delle reti P2P, si procederà all'analisi
dei seguenti approcci:
Semantic Overlay Network ( SON);
●
Skip Graphs
●
WSPDS
●
HyperCube
●
Mazza, Merlino, Messina 15
16. SWS in sitemi P2P
Generalità
L'uso di tecnologie basate sul P2P per pubblicare e scoprire i Web
Services aumenterà l'affidabilità e la scalabilità delle attuali architetture
di calcolo distribuito. Un approccio P2P basato sull'uso delle ontologie
permette di ottenere scoperte di servizi in modo dinamico, scalabile e
decentralizzato. L'architettura di questo sistema prevede alcuni
componenti funzionali:
Costruttore del modello del processo (PMC);
●
Richiesta di acquisizione e descrizione;
●
Compositore di processi;
●
Esecuzione del processo e valutazione;
●
Motore per la scoperta dei servizi;
●
Organizzazione del servizio e distribuzione;
●
Repository di ontologie.
●
Mazza, Merlino, Messina 16
17. SWS in sitemi P2P
Costruttore del modello del processo
La funzione del PCM è quella di costruire e conservare
un processo logico in un database che contiene modelli
di processi basati sull'analisi del dominio e sull'ontologia
dei processi. Un processo logico potrebbe contenere
descrizioni di tipo semantico delle attività di un processo
e delle relazioni tra esse.
Mazza, Merlino, Messina 17
18. SWS in sitemi P2P
Richiesta di acquisizione e descrizione
Attraverso una buona interfaccia gli utenti possono
esprimere le loro richieste individuali al sistema. La
richiesta degli utenti contiene la descrizione sul dominio,
sulla semantica, sulle funzioni e sulle parole chiavi del
servizio.
Mazza, Merlino, Messina 18
19. SWS in sitemi P2P
Compositore di processi
Il compositore di processi cerca nel database dei processi
per trovare la logica del processo e poi stabilisce quali
sono i documenti che descrivono l'eseguibile di
quest'ultimo. Dopo ciò informa il motore di ricerca dei
servizi dove è possibile trovare il Web Service
appropriato.
Mazza, Merlino, Messina 19
20. SWS in sitemi P2P
Esecuzione del processo e valutazione
Il motore che esegue i processi lega direttamente
il servizio di corrispondenza al processo da
raggiungere durante la procedura di esecuzione.
Mazza, Merlino, Messina 20
21. SWS in sitemi P2P
Motore per la scoperta dei servizi
Il motore per la scoperta dei servizi chiede alla struttura
P2P di individuare il gruppo che comprende il servizio
richiesto e poi va al servizio di corrispondenza di tale
gruppo. Dopodiché, il sistema si lega a questo servizio e
lo ritorna al motore di esecuzione del processo affinché
venga eseguito.
Mazza, Merlino, Messina 21
22. SWS in sitemi P2P
Motore per la distriduzione dei servizi
Per facilitare l'organizzazione dei servizi, i peer possono
essere divisi in gruppi. Ogni gruppo contiene un certo tipo di
servizi. Il motore per la distribuzione dei servizi cerca un
appropriato gruppo di peer ed inserisce un nuovo peer in tale
gruppo. Questa organizzazione riduce lo spazio di ricerca
durante la scoperta dei servizi.
Mazza, Merlino, Messina 22
23. SWS in sitemi P2P
Repository di ontologie
Le funzioni componenti il sistema sono supportate da 3
categorie di ontologie:
Ontologie di dominio: definiscono le informazioni
●
semantiche in uno specifico dominio;
ontologie di un Web Service: descrivono la gerarchia dei
●
servizi, nella quale una sottoclasse di servizi eredita le
proprietà e le funzionalità dalla superclasse;
ontologie dei processi: rendono nota la sintassi e
●
l'informazione semantica tra le attività presenti nella
logica dei processi.
Mazza, Merlino, Messina 23
24. Ricerca in una rete P2P non
strutturata
In sistemi P2P non strutturati come Gnutella, si organizzano i
nodi della rete in un grafo casuale e si utilizza il flooding sul
grafo per recuperare i documenti rilevanti per una query.
Data una query, ogni nodo visitato, valuta la query
localmente, confrontando la richiesta con il proprio
contenuto, e poi inoltra la richiesta a tutti i suoi vicini. Query
arbitrariamente complesse pertanto possono essere
facilmente sostenute su tali sistemi. Anche se questo
approccio è semplice e robusto, comporta degli enormi costi
dovuti al flooding della rete ogni volta che una query viene
inoltrata. Sono stati studiati miglioramenti del meccanismo
usato da Gnutella: random walk, ricerca guidata, e
l'organizzazione di nodi con contenuti simili in segmenti o
gruppi.
Mazza, Merlino, Messina 24
25. Random Walk
E' utilizzato per affrontare il problema della scalabilità posto dal
flooding su sistemi P2P non strutturati come Gnutella. Data una
query, un random walk è essenzialmente una ricerca random in
cui ad ogni passo la query è trasmessa ad un nodo scelto in modo
casuale, senza prendere in considerazione suggerimenti di come
probabilmente il prossimo nodo avrà risposte per la query. Due
tecniche sono state proposte per porre fine al random walk: TTL
(time-to-live) e quot;controlloquot;. TTL significa che, come accadeva nel
flooding, ogni random walk termina dopo un certo numero di
salti, mentre il quot;controlloquot; si intende un walker controllato
periodicamente dal nodo che ha prodotto la query prima di essere
trasmesso al prossimo nodo.
Mazza, Merlino, Messina 25
26. Ricerca guidata
La ricerca guidata rappresenta la tecnica di ricerca che permette di
trasmettere ai nodi vicini le query che hanno maggiori probabilità di
avere risposte, invece di inoltrare le query ai vicini scelti casualmente
o di intasare la rete con le query da trasmettere. Si hanno tre schemi
RI (routing indices): il composto, il count-hop e l'indice di routing
esponenziale. L'idea di base della ricerca guidata è un meccanismo di
indici distribuiti che mantiene un riferimento a ciascun nodo. Questi
indici distribuiti sono piccoli e danno informazioni relativi alla
quot;direzionequot; da prendere per giungere al documento, piuttosto che la
sua effettiva ubicazione. Data una query, il routing indices di un
nodo consente di selezionare i quot;miglioriquot; vicini a cui inviare una
query. Un RI è una struttura dati che, data una query, restituisce un
elenco di vicini, classificati in base alla loro bontà per la query. La
nozione di bontà generalmente riflette il numero dei documenti
rilevanti in un nodo quot;vicinoquot;.
Mazza, Merlino, Messina 26
27. Ricerca basata su gruppi aventi
contenuti simili (parte 1)
L'idea di base dei gruppi di ricerca di contenuto analogo è
quello di organizzare i nodi contenenti simili documenti in
gruppi su sistemi P2P non strutturati come Gnutella.
L'intuizione alla base di questa tecnica di ricerca è che i nodi
all'interno di un gruppo tendono ad essere rilevanti per la
stessa query. Di conseguenza, questa tecnica di ricerca guida
la query per i nodi che hanno più probabilità di avere le
risposte alla domanda, evitando in tal modo una notevole
quantità di inondazioni. La ricerca in SETS, si avvale di un
modello di ricerca guidato dal protocollo di routing su un
sistema segmentato sovrapposto alla rete costruita da
Gnutella.
Mazza, Merlino, Messina 27
28. Ricerca basata su gruppi aventi
contenuti simili (parte 2)
Il sistema è costruito ragruppando dei nodi in cluster, e per ogni cluster
corrisponde un argomento. Pertanto,si creano partizioni di nodi in
argomenti, in modo che i nodi con documenti simili appartenenti allo
stesso segmento. Data una query, prima si calcola l'argomento R, si
scelgono i segmenti che sono più rilevanti per la query e quindi si
esegue la ricerca di questi documenti. Tuttavia, il nodo designato è
potenzialmente un punto di fallimento ed anche un collo di bottiglia . Si
organizzano i nodi utilizzando dei predicati associativi. Una regola
guida è un insieme di nodi che soddisfano alcuni predicati; ogni nodo
può appartenere a una serie di regole guida, e per ciascuna regola guida
a cui partecipa in esso mantiene un piccolo elenco di altri nodi
appartenenti alla stessa guida regola. L'idea chiave delle regole guide è
che i nodi appartenenti ad una di esse devono contenere dati simili. Di
conseguenza, la ricerca guidata limita la propagazione di query
all'interno di alcune regole-guida specificate, invece di inondare tutta la
rete.
Mazza, Merlino, Messina 28
29. Ricerca in sistemi P2P strutturati
Dopo la prima generazione di sistemi P2P come KaZaA e
Gnutella, sistemi P2P strutturati (o DHT-based), la seconda
generazione di sistemi P2P, è stata proposta per fornire scalabilità
a quei sistemi P2P Gnutella-based. Tali sistemi DHT-based data
una chiave, possono individuare il corrispondente documento con
solo O (log N) salti (N è il numero dei nodi del sistema). In
sistemi P2P strutturati, la replica è stata sfruttata per migliorare la
disponibilità dei dati e l'efficienza della ricerca. E' stato proposto
un algoritmo probabilistico per migliorare la posizione di latenza
esistente nei sistemi che fanno uso di una DHT, se la replica di un
documento richiesto esiste vicino alla fonte della query. Una
struttura ad indici distribuiti è costruita su ciascun nodo.
Comunque, sostenere query complesse, come la ricerca di parole
chiave e semantica del contenuto / ricerca su DHT è un compito
non banale.
Mazza, Merlino, Messina 29
30. Ricerca tramite parola chiave
(parte 1)
Nella ricerca di parole chiave, una query contiene una o più parole
chiave (o le condizioni) e il sistema di ricerca restituisce una serie di
documenti che contengono tutte le parole chiave richieste per la query.
Fondamentalmente, sono state proposte tre strutture di indicizzazione a
sostegno dei sistemi P2P strutturati che fanno uso della ricerca tramite
parole chiave: indicizzazione globale, indicizzazione ibrida,
indicizzazione ibrida ottimizzata. Nella indicizzazione globale, il
sistema nel suo insieme mantiene un indice invertito dei documenti che
contengono il termine ricercato. Ogni nodo memorizza l'elenco invertito
completo di questi termini che sono mappati nella sua DHT tramite un
identificatore. Per rispondere a una query contenente più termini, la
query viene instradato ai nodi responsabili di tali termini. A questo
punto si individuano i documenti che sono costituiti da tutti i termini
richiesti. Anche se l'indicizzazione globale comporta solo un piccolo
numero di nodi per una query di ricerca, ha l'inconveniente di richiedere
la comunicazione tra più nodi.
Mazza, Merlino, Messina 30
31. Ricerca tramite parola chiave
(parte 2)
Il costo della comunicazione cresce proporzionalmente con la
lunghezza della lista. Nell'indicizzazione ibrida, ogni nodo
mantiene l'elenco completo di tali termini mappato nella sua DHT.
In aggiunta, per ogni documento nella lista invertita per alcuni
termini t, il nodo mantiene inoltre la lista completa dei documenti
che si riferiscono a tali termini. Dato un documento e più parole
chiave di ricerca, la query viene instradato a nodi responsabili di
tali termini. Ognuno di questi nodi esegue una ricerca locale senza
contattare gli altri, poiché essi hanno la lista completa per ciascun
documento nei rispettivi elenchi. Questa indicizzazione ibrida
aumenta l'efficienza di ricerca al costo di pubblicare più meta-
dati.
Mazza, Merlino, Messina 31
32. Ricerca tramite parola chiave
(parte 3)
Per diminuire i costi associati all'indicizzazione ibrida, fu
proposto un sistema di indicizzazione ibrida ottimizzato. L'idea di
base dietro tale sistema è che i meta-dati di un documento sono
pubblicati solo per alcuni termini, piuttosto che per tutti i suoi
termini. Ad esempio, un documento contenente D termini
pubblica la sua lista solo per il termine responsabile in una query.
Dato che conoscendo, la locazione di tali termini è ancora
possibile determinare il documento che è la risposta completa alla
query. Tuttavia, i risultati della ricerca possono essere non
ottimali. Fu proposto di adottare tecniche di espansione
automatica della query per affrontare questo problema.
Mazza, Merlino, Messina 32
33. Ricerca semantica
La ricerca semantica è basata su un contenuto di ricerca costituito da
solo testo, le query sono espresse in linguaggio naturale. Quando una
query è rilasciata da un utente, una rappresentazione della query è
derivata dal suo testo integrale, abstract, o titolo, e poi presentata al
sistema di recupero delle informazioni. La ricerca semantica presenta
un impegnativo problema per i sistemi P2P strutturati: data una
query, il sistema di ricerca deve o avere un gran numero di nodi o
perdere alcuni documenti rilevanti. Sono stati proposti alcuni sistemi
di ricerca semantica posti in cima ai sistemi P2P strutturati. Una
caratteristica importante di tali sistemi di ricerca è di estendere gli
algoritmi come Vector Space Model (VSM) e Latent Semantic
Indexing (LSI), in ambiente P2P. La sovrapposizione semantica è
una logica di rete in cui i documenti sono organizzati in vettori in
modo che la distanza tra due documenti è proporzionale alla loro
differenza semantica.
Mazza, Merlino, Messina 33
34. Semantic Overlay Network
( SON)
In generale il sistema prevede che le query siano instradate verso
un adatto SONs, incrementando le possibilità che il servizio
ricercato sia ritrovato velocemente e riducendo il carico relativo
alla ricerca ai soli nodi contenenti il servizio. E' un'organizzazione
della rete di tipo flessibile che migliora le performance relative
alle query mantenendo un alto grado di autonomia del nodo. I
nodi sono connessi tra loro in base alla somiglianza tra i loro
contenuti a livello semantico.
Mazza, Merlino, Messina 34
35. Costruzione di una Semantic
Overlay Network
Valutazione della potenziale gerarchia di classificazione usando la
●
distribuzione attuale dei dati nei nodi, trovando una buona gerarchia;
decidere se questa gerarchia va posta (salvata) in ogni nodo o solo in
●
alcuni.
Ogni nodo che si unisce al sistema deve:
mandare un pacchetto in flooding nella rete per ottenere la gerarchia
●
adottata;
avviare un classificatore di documenti basato sulla gerarchia
●
ottenuta, classificando tutti i propri documenti;
essere assegnato ad uno specifico SON.
●
Si possono usare due meccanismi per propagare le informazioni su tutta
la rete:
flooding;
●
adozione di super peer.
●
Mazza, Merlino, Messina 35
36. Gerarchia di classificazione
Una buona gerarchia di classificazione è quella che :
produce un insieme di documenti che appartengono ad un
●
piccolo numero di nodi;
produce dei nodi che hanno un numero sufficientemente
●
piccolo di insiemi di documenti;
permette la facile implementazione di algoritmi di
●
classificazione che commettono un basso numero di
errori.
Mazza, Merlino, Messina 36
37. Vantaggi nell'adozione di SON
Alta percentuale di richiamo con solo 1/5 dei
●
messaggi necessari agli altri approcci ( Gnutella);
facilità nel trovare anche servizi poco richiesti;
●
autonomia dei nodi;
●
alta scalabilità.
●
Mazza, Merlino, Messina 37
38. Svantaggi nell'adozione di SON
Non si raggiunge in alcun caso il 100% di richiamo;
●
difficoltà nella precisa classificazione dei nodi in
●
maniera automatica;
difficoltà nella precisa classificazione delle query.
●
Mazza, Merlino, Messina 38
39. Skip Graphs
Descrizione struttura dati (parte 1)
L'approccio dell'algoritmo è quello di sfruttare la struttura di base ad albero per
garantire certe funzionalità, mentre l'applicazione di un semplice sistema di
bilanciamento di tipo distribuito serve a preservare l'equilibrio e la
distribuzione del carico. E' un nuovo modello per una rete peer-to-peer basato
su una struttura di dati distribuiti che viene detta skip graphs. Questa struttura
dati distribuita dispone di diversi vantaggi: posizione dinamica delle risorse
l'inoltro del nodo e la cancellazione può essere effettuata in tempo logaritmico,
e ogni nodo in un skip graphs richiede soltanto lo spazio per memorizzare le
informazioni sui suoi vicini. Questo può essere utile per alcune applicazioni
come il prefetching di pagine web poiché rafforza la navigazione, la ricerca e
l'efficienza. Vi è stato un certo interesse nel sostenere le query complesse in
sistemi peer-to-peer. Skip graphs è resistente al fallimento dei nodi: uno skip
graphs tollera la rimozione di una grande frazione dei suoi nodi scelti in modo
casuale senza creare problemi alla rete. Skip graphs può essere costruito anche
senza la conoscenza del numero complessivo di nodi in anticipo. Al contrario,
sistemi come Pastry e Chord richiedono la conoscenza a priori della
dimensione del sistema. I sistemi skip graphs non hanno bisogno di conoscere
la dimensione del keyspace in anticipo.
Mazza, Merlino, Messina 39
40. Skip Graphs
Descrizione struttura dati (parte 2)
Una skip list è una struttura dati ad albero randomizzata ed
equilibrata, organizzata come una torre di liste collegate. Il livello
0 di una skip list è una lista di tutti i nodi in ordine crescente di
chiave. Per ogni i superiore a 0, ogni nodo di livello i - 1 appare in
modo indipendente al livello i fissato. In una skip list
doppiamente legata, ogni nodo memorizza un puntatore
predecessore e un puntatore successore per ogni elenco in cui
appare, per una media di 1-p puntatori per nodo. Le liste, al livello
superiore agiscono come quot;corsie di passaggio rapidoquot; che
consentono di ottenere la sequenza di nodi da attraversare
rapidamente. La ricerca di un nodo, con una particolare chiave di
ricerca coinvolge prima il livello più alto, fino a scendere la
livello in cui il nodo si trova.
Mazza, Merlino, Messina 40
41. Skip Graphs
Descrizione struttura dati (parte 3)
Considerando il percorso di ricerca in senso inverso si ha che non più di 1-p
nodi sono posti in media per ogni livello. Una skip list da sola non è sufficiente
per un sistema P2P scalabile e robusto, in quanto è priva di ridondanza e quindi
è vulnerabile a fallimenti e congestione. Poiché solo pochi nodi appaiono nella
lista di più alto livello, ciascuno di tali nodi agisce come un unico punto di
fallimento, e costituisce un quot;hot spotquot; che deve elaborare una frazione costante
di tutte le operazioni di ricerca. Le skip list offrono anche alcune garanzie: i
singoli nodi non sono separati dal resto anche con guasti casuali. Dal momento
che ogni nodo è collegato, in media, a solo O (1) altri nodi, anche una costante
probabilità di fallimenti farà isolare una grande frazione di nodi sopravvissuti.
La soluzione è quella di definire una generalizzazione di una lista chiamata
skip graphs. Come in una skip list, ciascuno degli n nodi in un skip graphs è un
membro di più liste collegate. Il livello 0 della lista consiste di tutti i nodi in
sequenza. Uno skip graphs supporta la ricerca, l'inserirmento, la cancellazione
e operazioni analoghe a quelle delle liste. Perché ci sono molte liste ad ogni
livello, la possibilità che ogni singolo nodo partecipa in alcune ricerche è
piccola, ciò elimina i singoli punti di guasto. Inoltre, ogni nodo ha Θ (log n)
vicini di casa, in media, e con elevata probabilità nessun nodo è isolato.
Mazza, Merlino, Messina 41
42. Skip graphs
Algoritmo (parte 1)
In una reale attuazione in un sistema P2P che utilizza uno skip graph, ogni
nodo di tale struttura sarà una risorsa. Le risorse sono ordinate in ordine
crescente lessicografico delle loro chiavi. La mappatura di queste chiavi può
essere fatta in due modi: o ogni macchina è responsabile per le risorse che essa
ospita o si utilizza un approccio che fa uso di una DHT. Il primo approccio dà
sicurezza e gestibilità, mentre il secondo dà buon bilanciamento del carico.
Ogni nodo in uno skip graphs memorizza l'indirizzo e la chiave del suo
successore e predecessore, a ciascuno dei O (log n) livelli. Inoltre, ogni nodo
ha bisogno anche di O (log n) bit di spazio per la sua adesione al vettore. In
entrambi gli approcci di cui sopra, con n risorse in rete, ogni macchina deve
mantenere O (log n) collegamenti per ogni risorsa che ospita, per un totale di O
(n log n) collegamenti in tutta la rete. Questi fattori possono portare ad alto
traffico di messaggi se ogni macchina periodicamente deve controllare se i suoi
legami sono funzionali, come è comune in molte implementazioni P2P. Re-
recentemente, una nuova struttura di dati chiamata albero è stata introdotta.
Essa supera queste limitazioni. Un albero utilizza un numero costante di
puntatori per nodo. Un tema centrale per l'attuazione di un grafico è la gestione
delle liste.
Mazza, Merlino, Messina 42
43. Skip graphs
Algoritmo (parte 2)
La costruzione, l'inserimento in nuovi nodi, e la ricerca in uno
skip graphs può essere fatta utilizzando semplici algoritmi. Gli
skip graphs sono molto resistenti, tollerano una grande frazione di
fallimento dei nodi senza perdere la connettività. Utilizzando il
meccanismo di riparazione, l'interruzione della struttura può
essere riparata in assenza di altri difetti. Rimane una questione da
affrontare: il gran numero di puntatori per macchina nel sistema.
Sarebbe interessante per la progettazione di un sistema peer-to-
peer che si mantenesse un minor numero di puntatori possibile per
macchina. Sarebbe interessante studiare le prestazioni in questa
direzione, magari utilizzando degli skip graphs multidimensionali.
Come con altri overlay network, sarebbe interessante vedere come
la rete funziona in presenza di guasti. Infine, sarebbe utile
sviluppare un meccanismo autonomo di stabilizzazione e
riparazione.
Mazza, Merlino, Messina 43
44. WSPDS
Descrizione generale (parte 1)
Servizio di discovery decentralizzato basato su una
architettura Peer-to-peer non strutturata (Gnutella). I vari
serventi collaborano nella risoluzione delle query, il servizio
di discovery, quindi, può essere visto come un servizio
cooperativo. Vengono utilizzati, per descrivere i servizi,
WSDL (per l'analisi dei parametri di input/output tramite
sintassi description:location) e, come già detto, WSIL (per i
metadati aggiunti e la ricerca basata su name/abstract). Viene
utilizzato un sistema di flooding detto probabilistico basato
sul sistema QDN (Query Data Network); ogni servente viene
descritto in base ai servizi che offre ed inoltre, ogni volta che
un servente si ritrova a dover fare il forward di una query
esso la inoltra solo ai serventi suoi vicini aventi identità
simile alla descrizione fornita tramite query.
Mazza, Merlino, Messina 44
45. WSPDS
Descrizione generale (parte 2)
Nel set-up della rete, quindi, ogni servente non tiene
memoria di tutti i suoi vicini (sarebbe inutile), ma solo di
quelli aventi descrizione semantica simile alla sua.
Durante la ricerca delle query si tiene conto anche di
meccanismi di sussunzione.
Si può osservare come ogni servente sia composto da
due motori:
Motore di comunicazione;
●
local query.
●
Mazza, Merlino, Messina 45
46. WSPDS
Motore di comunicazione(parte 1)
Responsabile di ricevere le query degli utenti trasformandole
in local query e global query unendo i risultati e fornendo
una risposta all'utente. In grado, inoltre, di ricevere le query
dai propri vicini, risolverle localmente e fornire risposta al
richiedente. Si occupa del forwarding dei messaggi nella
rete. Per la comunicazione vengono utilizzati messaggi basati
su SOAP. Il sistema Gnutella è stato migliorato utilizzando
una tecnica detta probabilistic flooding. Il set-up della rete
avviene tramite un sistema di caching; ogni servente
mantiene una cache dei peer che ha recentemente osservato
come attivi. Tale cache viene utilizzata dal servente ogni
volta che il servente verrà riattivato e dovrà valutare i propri
vicini.
Mazza, Merlino, Messina 46
47. WSPDS
Motore di comunicazione(parte 2)
La prima volta che un servente viene attivato può
sfruttare la conoscenza di peer che forniscono servizi
d'uso generale e che sono praticamente sempre attivi. I
serventi valutano periodicamente i propri vicini
utilizzando il classico sistema implementato da Gnutella
(ping-pong). La ricerca avviene tramite un sistema di
forwarding dei messaggi nella rete. Quando un peer
riceve una query, inoltra la stessa ai propri vicini; esso
esegue, inoltre, una query locale per verificare se esso
stesso possiede il servizio ed in caso positivo restituisce
una risposta al richiedente. Il messaggio è marcato
tramite un campo TTL.
Mazza, Merlino, Messina 47
48. WSPDS
Local query
Riceve le query dal motore di comunicazione, esegue
una ricerca locale e passa nuovamente i risultati al
motore di comunicazione. Sfrutta le specifiche WSIL per
trovare servizi locali corrispondenti alle query ricevute.
Il file WSIL fornisce per ogni servizio dei metadati che
verranno utilizzati dal parser per il discovery del
serivizio. Secondo lo standard WSIL possono essere
anche specificate le features che nel futuro il servizio
implementerà.
Mazza, Merlino, Messina 48
49. HyperCube
Descrizione generale (parte 1)
La rete è strutturata mediante l'utilizzo di un ipercubo i cui vertici
sono i nodi della rete stessa. Il diametro della rete è definito come la
massima distanza fra due nodi nella struttura. La struttura è
simmetrica e nessun nodo ha posizione di maggior rilievo rispetto
agli altri. La distanza fra due nodi vicini è marcata da un indice di
distanza. I messaggi vengono inviati tramite un sistema broadcast a
distanza predefinita (diametro della rete), ossia il nodo che invia il
messaggio predetermina la distanza massima ed invia il messaggio a
tutti i suoi vicini. Il messaggio sarà taggato con un indice
rappresentante la distanza fra il nodo che invia il messaggio e quello
che lo riceve. Ogni nodo ricevuto il messaggio valutera d=diam-t ove
diam è il diametro della rete e t è il valore del tag sul messaggio. d
rappresenta la distanza massima verso cui il messaggio possa essere
inoltrato; esso sarà, quindi, inviato a tutti i vicini a distanza minore o
uguale a d. Il sistema di broadcast può anche essere ristretto a dei
sub-ipercubi. Mazza, Merlino, Messina 49
50. HyperCube
Descrizione generale (parte 2)
Quando un nuovo peer entra nella rete esso può essere innestato al
posto di un peer attualmente presente che verrà quindi spostato di
posizione (il nuovo peer occuperà la posizione più adatta alla sua
posizione semantica rispetto agli altri); nel momento in cui un
peer invece esca dalla rete, un altro peer presente occuperà il suo
posto. Una struttura simile è assicurata dal fatto che un peer può
essere connesso più volte ad un altro nella struttura dell'ipercubo
(anche con distanze differenti) e un peer può occupare una
posizione anche solo temporaneamente in attesa di ingressi futuri.
Un simile algoritmo (ricorsivo) presenta complessità logaritmica.
Possiamo utilizzare topologie di rete differenti dall'ipercubo; lo
stesso appartiene ad una classe di grafi detta di Cayley. Un grafo
di Cayley che assicura migliori prestazioni in termini di scalabilità
di numero di peer (complessità sottologaritmica).
Mazza, Merlino, Messina 50
51. HyperCube
Descrizione generale (parte 3)
La struttura della rete è organizzata semanticamente in modo
che i peer siano raggruppati in strutture dette Cluster che
sono assegnate a specifiche combinazioni logiche di concetti
ontologici. Ogni cluster presenta una struttura ad ipercubo o
a stella e tutti i cluster sono tenuti insieme mediante una
struttura ad ipercubo o a stella i cui nodi sono rappresentati
dai cluster. Lo schema di indirizzi concatena un set di
concept coordinates ed un set di storage coordinate. Le
concept coordinates permettono di identificare un cluster
nell'ipercubo esterno. Le storage coordinates permettono,
invece, di indicizzare i peer all'interno di un cluster. La
concatenazione di concept coordiates e di storage
coordinates rappresenta l'indirizzo logico del peer.
Mazza, Merlino, Messina 51
52. HyperCube
Descrizione generale (parte 4)
Il sistema di invio delle query consiste di due momenti;
dapprima, la query è inviata al cluster ove si ipotizza che si
trovi un peer che fornisce il servizio richiesto e poi si utilizza
un invio broadcast a tutti i peer del cluster. Una query, prima
di essere inviata, viene ridotta ai suoi mintermini (ossia
elementi di base della query; ad esempio la query E ∨ A ∧ D
consiste nei mintermini E ed A ∧ D). Si osserva a quale
gruppi potrebbe essere indirizzata la query; ogni mintermine
rappresenta un gruppo di concept cluster nella rete. La query
è inoltrata al gruppo cosicché possa essere inviata in
broadcast a tutti membri del gruppo. Una volta che la query
raggiunga un peer, questo ha la possibilità di rispondere alla
stessa (ad esempio contattando il richiedente).
Mazza, Merlino, Messina 52
53. HyperCube
Descrizione generale (parte 5)
I peer possono entrare a far parte della struttura
contattando altri peer. La descrizione semantica dei
servizi offerti dal peer sarà utile per poterlo assegnare ad
un dominio. Se il peer descrive se stesso tramite concetti
non specifici di nessun gruppo esso sarà inserito
all'interno del gruppo (comunque) più specifico.
Determinato il gruppo di appartenenza di un peer, sarà
inviato in broadcast un messaggio a tutti i peer del
gruppo affinché essi lo inseriscano nelle loro tabelle di
routing. È desiderabile utilizzare un algoritmo in grado
di valutare automaticamente se è il caso di realizzare un
nuovo gruppo (ciò non è stato ancora realizzato, i gruppi
sono attualmente preimposti).
Mazza, Merlino, Messina 53