Имитационное моделирование алгоритма локального голосования для балансировки загрузки узлов вычислительной сети

Цель лабораторной работы

Презентацию к лабораторной работе Вы можете скачать здесь.

Для иллюстрации теоретических результатов приведем пример имитационного моделирования работы алгоритма локального голосования для системы балансировки загруженности узлов децентрализованной вычислительной сети с использование платформы JADE.

Программная реализация сети агентов

В качестве примера рассмотрим вычислительную сеть, состоящую из шести вычислительных узлов. Топология сети в каждый момент времени случайная [ 5.38 ] .

Разработка агентов в JADE похожа на разработку обычных Java-приложений и не требует от программиста специальных технических навыков. Для разработки достаточно иметь Java Development Kit, но для удобства мы использовали традиционную интегрированную среду разработки для Java – Eclipse. Любой агент в системе JADE является классом-наследником класса jade.core.Agent. В наследнике достаточно переопределить метод setup(), в котором агент настраивается для последюущей деятельности.

В первую очередь определяется поведение агента. Мы используем интерфейс CyclicBehaviour, который задает циклическое поведение, необходимое для осуществления итераций. Внутри интерфейса, в методе action(), описывается логика работы с сообщениями, а именно реализуются шаги вычислительной схемы, описанной выше.

Последующая деятельность агентов, в том числе доставка сообщений между ними, обеспечивается средой JADE. Управление агентами, их запуск и остановку, можно осуществлять через JADE Remote Agent Management GUI. Вывод результатов осуществляется в консоль Eclipse, для этого также можно создать специальное окно ( рис. 10.2).

Рис. 10.2. Окно JADE Remote Agent Management GUI

Для просмотра схемы передачи информации между агентами можно открыть окно Smiffer Agent, в котором стрелками указывается путь передачи единици информации. Рис. 10.3 показывает sniffer agent для примера реализации алгоритма достижения консенсуса, описанного выше.

Созданы шесть агентов с жестко определенной топологией сети, т.е. каждый агент связан только с двумя другими агентами. Агент "timer" подает команду для начала нового цикла обменом информации. Каждый агент начальный момент времени имеет собственное целое число. После применения протокола локального голосования и получения данных от других агентов, он записывает себе новое число и отправляет агенту "timer" сообщение со своим номером о том, что отработал такт. Новый такт не начинается, пока все агенты не "отчитаются" перед агентом "timer". Такт системы равен 1 сек. Для подсчета числа текущего такта агент сравнивает его с числом предыдущего такта. Если число агента не меняется в течении пяти тактов, то агент отправляет на "timer" сообщение об достижении консенсуса. Консенсус достигается при отсутствии изменений числа агента в пределе первого знака дробного числа.

Рис. 10.3. Окно Sniffer Agent

Инструкция по выполнению лабораторной работы

Рассмотрим два случая: стационарный и случай поступлении в тот или иной узел с течением времени новых заданий [39-41].

Для поставленной задачи будем использовать алгоритм стохастической аппроксимации для достижения консенсуса в следующем виде:

( 17)

Будем проводить имитационное моделирование для системы, показанной на рис. 10.1, состоящей из 6 вычислительных блоков. Были выбраны начальные состояния загруженности узлов:

Производительности узлов:

Начальная топология сети приведена на рис. 10.4(А). С течением времени топология сети дважды меняется: рис. 10.4(В) и 5.4(С).

Рис. 10.4. Топология сети

Матрицы связности для трех случаев выглядит так:

( 18)

1. Для простоты сначала рассмотрим стационарный случай – систему, в которой все узлы имеют определенную начальную загрузку, и новые задания не поступают.

   График невязки при работе алгоритма (17) для такой системы приведен на рис. 10.5. Система сходится примерно за 75 шагов. Используем коэффициент .

   

   
   Рис. 10.5. График невязки для стационарного случая
2. Рассмотрим случай, когда в процессе работы алгоритма в систему поступает новый заказ. Используем постоянный размер шага . Моделирование этого случая приведено на рис. 10.6.

   На рис.10.7 приведены графики для величины ошибки оценивания с разными постоянными параметрами шага . Ошибка оценивания определяется следующим образом: .

Рис. 10.6. График невязки для случая поступления нового заказа в процессе работы системы

Рис. 10.7. Сравнение разных параметров шага α

Видно, что чем больше , тем состояния узлов быстрее сходятся к консенсусу, но с определенного момента поведение системы перестает быть стабильным.

Выводы

В этой главе была рассмотрена задача достижения консенсуса при неполном обмене информацией в условиях переменной топологии. Описан алгоритм стохастической аппроксимации для достижения среднеквадратического консенсуса. Проведено моделирование алгоритма для задачи балансировки загруженности узлов децентрализованной вычислительной сети при поступлении в каждый узел только зашумленной информации о загруженности и производительности соседей, причем топология сети может меняться со временем, а информация от соседей доходить с задержкой во времени.