Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg
Autor(a) principal: | |
---|---|
Data de Publicação: | 2011 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMS |
Texto Completo: | https://repositorio.ufms.br/handle/123456789/476 |
Resumo: | Alguns protocolos na área de sistemas distribuídos, como por exemplo, atomic broadcast e replicação semi-passiva, se baseiam no algoritmo de consenso proposto por Chandra e Toueg. Esse algoritmo é equipado com um detector de falhas não confiável. Em sistemas distribuídos assíncronos, esse tipo de detector pode cometer erros ao suspeitar erroneamente de um processo que ainda está em execução. A presença de suspeitas incorretas degrada significativamente o desempenho do algoritmo e o desempenho de qualquer protocolo que o utiliza. Para minimizar essa degradação, nós propomos duas novas otimizações e uma adaptação da técnica Look-Ahead ao algoritmo. A primeira otimização, denominada Early-Decision, permite antecipar uma decisão para o problema de consenso. A segunda otimização, denominada Additional-Waiting, permite estender o tempo de espera por mensagens quando for útil. A técnica Look-Ahead ajuda a acelerar a execução do consenso quando existem processos em diferentes rodadas. Nós apresentamos a descrição do algoritmo que combina essas otimizações, e provamos a sua corretude. Nós realizamos uma série de simulações para avaliar os efeitos das otimizações sobre o desempenho do algoritmo de Chandra e Toueg. Além disso, nós comparamos o desempenho de alguns algoritmos de consenso e selecionamos o melhor, o algoritmo de Paxos, para ser comparado com o algoritmo de Chandra e Toueg otimizado. Os resultados das simulações mostram que todas as otimizações são eficazes, principalmente, quando são combinadas. Na maioria das situações consideradas, o desempenho do algoritmo de Chandra e Toueg otimizado é melhor que o do algoritmo de Paxos. |
id |
UFMS_6d7622ded293dd25160cc8a10327412f |
---|---|
oai_identifier_str |
oai:repositorio.ufms.br:123456789/476 |
network_acronym_str |
UFMS |
network_name_str |
Repositório Institucional da UFMS |
repository_id_str |
2124 |
spelling |
2011-09-08T18:20:46Z2021-09-30T19:56:17Z2011https://repositorio.ufms.br/handle/123456789/476Alguns protocolos na área de sistemas distribuídos, como por exemplo, atomic broadcast e replicação semi-passiva, se baseiam no algoritmo de consenso proposto por Chandra e Toueg. Esse algoritmo é equipado com um detector de falhas não confiável. Em sistemas distribuídos assíncronos, esse tipo de detector pode cometer erros ao suspeitar erroneamente de um processo que ainda está em execução. A presença de suspeitas incorretas degrada significativamente o desempenho do algoritmo e o desempenho de qualquer protocolo que o utiliza. Para minimizar essa degradação, nós propomos duas novas otimizações e uma adaptação da técnica Look-Ahead ao algoritmo. A primeira otimização, denominada Early-Decision, permite antecipar uma decisão para o problema de consenso. A segunda otimização, denominada Additional-Waiting, permite estender o tempo de espera por mensagens quando for útil. A técnica Look-Ahead ajuda a acelerar a execução do consenso quando existem processos em diferentes rodadas. Nós apresentamos a descrição do algoritmo que combina essas otimizações, e provamos a sua corretude. Nós realizamos uma série de simulações para avaliar os efeitos das otimizações sobre o desempenho do algoritmo de Chandra e Toueg. Além disso, nós comparamos o desempenho de alguns algoritmos de consenso e selecionamos o melhor, o algoritmo de Paxos, para ser comparado com o algoritmo de Chandra e Toueg otimizado. Os resultados das simulações mostram que todas as otimizações são eficazes, principalmente, quando são combinadas. Na maioria das situações consideradas, o desempenho do algoritmo de Chandra e Toueg otimizado é melhor que o do algoritmo de Paxos.Some protocols in distributed systems, such as atomic broadcast and semi-passive replication, are based on the consensus algorithm proposed by Chandra and Toueg. This algorithm is equipped with an unreliable failure detector. In asynchronous distributed systems, this type of detector can make mistakes by erroneously suspecting a process that is still running. The presence of wrong suspicions degrades significantly the performance of the algorithm and the performance of any protocol that uses it. To reduce this degradation, we propose two new optimizations and an adaptation of the Look-Ahead technique to the algorithm. The first optimization, named Early-Decision, allows to antecipate a decision to the consensus problem. The second optimization, named Additional-Waiting, allows extending the waiting time for messages when it is useful. The Look-Ahead technique helps speed up the execution of consensus when there are processes in different rounds. We present a description of the algorithm that combines these optimizations and prove its correctness. We conducted some simulations to evaluate the effects of optimizations on the performance of the algorithm. In addition, we compared the performance of some consensus algorithms and selected the most efficient, the Paxos algorithm, to be compared with the Chandra and Toueg optimized algorithm. The simulation results show that all optimizations are effective, particularly, when they are combined. In most situations considered, the performance of the Chandra and Toueg optimized algorithm is better than the Paxos algorithm.porAlgoritmosSistemas DistribuídosAlgoritmos Úteis e EspecíficosRedução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSotoma, IrineuFermino, Lucas Menezesinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMSinstname:Universidade Federal de Mato Grosso do Sul (UFMS)instacron:UFMSTHUMBNAILLucas Menezes Fermino.pdf.jpgLucas Menezes Fermino.pdf.jpgGenerated Thumbnailimage/jpeg1360https://repositorio.ufms.br/bitstream/123456789/476/4/Lucas%20Menezes%20Fermino.pdf.jpg3d133e39b6c56f0f7a60f7ced62bb781MD54TEXTLucas Menezes Fermino.pdf.txtLucas Menezes Fermino.pdf.txtExtracted texttext/plain140170https://repositorio.ufms.br/bitstream/123456789/476/3/Lucas%20Menezes%20Fermino.pdf.txte4b7de8cde0d6b0bc6e577ff48289ef4MD53ORIGINALLucas Menezes Fermino.pdfLucas Menezes Fermino.pdfapplication/pdf739259https://repositorio.ufms.br/bitstream/123456789/476/1/Lucas%20Menezes%20Fermino.pdf69cd77ec194f2a0877b90783655752e3MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ufms.br/bitstream/123456789/476/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/4762021-09-30 15:56:17.334oai:repositorio.ufms.br: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Repositório InstitucionalPUBhttps://repositorio.ufms.br/oai/requestri.prograd@ufms.bropendoar:21242021-09-30T19:56:17Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS)false |
dc.title.pt_BR.fl_str_mv |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
title |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
spellingShingle |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg Fermino, Lucas Menezes Algoritmos Sistemas Distribuídos Algoritmos Úteis e Específicos |
title_short |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
title_full |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
title_fullStr |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
title_full_unstemmed |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
title_sort |
Redução dos efeitos negativos das suspeitas incorretas no algoritmo de consenso de Chandra e Toueg |
author |
Fermino, Lucas Menezes |
author_facet |
Fermino, Lucas Menezes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Sotoma, Irineu |
dc.contributor.author.fl_str_mv |
Fermino, Lucas Menezes |
contributor_str_mv |
Sotoma, Irineu |
dc.subject.por.fl_str_mv |
Algoritmos Sistemas Distribuídos Algoritmos Úteis e Específicos |
topic |
Algoritmos Sistemas Distribuídos Algoritmos Úteis e Específicos |
description |
Alguns protocolos na área de sistemas distribuídos, como por exemplo, atomic broadcast e replicação semi-passiva, se baseiam no algoritmo de consenso proposto por Chandra e Toueg. Esse algoritmo é equipado com um detector de falhas não confiável. Em sistemas distribuídos assíncronos, esse tipo de detector pode cometer erros ao suspeitar erroneamente de um processo que ainda está em execução. A presença de suspeitas incorretas degrada significativamente o desempenho do algoritmo e o desempenho de qualquer protocolo que o utiliza. Para minimizar essa degradação, nós propomos duas novas otimizações e uma adaptação da técnica Look-Ahead ao algoritmo. A primeira otimização, denominada Early-Decision, permite antecipar uma decisão para o problema de consenso. A segunda otimização, denominada Additional-Waiting, permite estender o tempo de espera por mensagens quando for útil. A técnica Look-Ahead ajuda a acelerar a execução do consenso quando existem processos em diferentes rodadas. Nós apresentamos a descrição do algoritmo que combina essas otimizações, e provamos a sua corretude. Nós realizamos uma série de simulações para avaliar os efeitos das otimizações sobre o desempenho do algoritmo de Chandra e Toueg. Além disso, nós comparamos o desempenho de alguns algoritmos de consenso e selecionamos o melhor, o algoritmo de Paxos, para ser comparado com o algoritmo de Chandra e Toueg otimizado. Os resultados das simulações mostram que todas as otimizações são eficazes, principalmente, quando são combinadas. Na maioria das situações consideradas, o desempenho do algoritmo de Chandra e Toueg otimizado é melhor que o do algoritmo de Paxos. |
publishDate |
2011 |
dc.date.accessioned.fl_str_mv |
2011-09-08T18:20:46Z |
dc.date.issued.fl_str_mv |
2011 |
dc.date.available.fl_str_mv |
2021-09-30T19:56:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufms.br/handle/123456789/476 |
url |
https://repositorio.ufms.br/handle/123456789/476 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMS instname:Universidade Federal de Mato Grosso do Sul (UFMS) instacron:UFMS |
instname_str |
Universidade Federal de Mato Grosso do Sul (UFMS) |
instacron_str |
UFMS |
institution |
UFMS |
reponame_str |
Repositório Institucional da UFMS |
collection |
Repositório Institucional da UFMS |
bitstream.url.fl_str_mv |
https://repositorio.ufms.br/bitstream/123456789/476/4/Lucas%20Menezes%20Fermino.pdf.jpg https://repositorio.ufms.br/bitstream/123456789/476/3/Lucas%20Menezes%20Fermino.pdf.txt https://repositorio.ufms.br/bitstream/123456789/476/1/Lucas%20Menezes%20Fermino.pdf https://repositorio.ufms.br/bitstream/123456789/476/2/license.txt |
bitstream.checksum.fl_str_mv |
3d133e39b6c56f0f7a60f7ced62bb781 e4b7de8cde0d6b0bc6e577ff48289ef4 69cd77ec194f2a0877b90783655752e3 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMS - Universidade Federal de Mato Grosso do Sul (UFMS) |
repository.mail.fl_str_mv |
ri.prograd@ufms.br |
_version_ |
1807552830391713792 |