1 Détecteurs de défaillances adaptables Marin BERTIER Thèmes SRC Laboratoire d'Informatique de Paris 6 Université Pierre & Marie Curie.

Présentation au sujet: "1 Détecteurs de défaillances adaptables Marin BERTIER Thèmes SRC Laboratoire d'Informatique de Paris 6 Université Pierre & Marie Curie."— Transcription de la présentation:

1 1 Détecteurs de défaillances adaptables Marin BERTIER Thèmes SRC Laboratoire d'Informatique de Paris 6 Université Pierre & Marie Curie

2 2 Introduction Détection de défaillances ► Impossibilité de résoudre le consensus dans un système asynchrone [FLP85] ► Caractéristiques :  Fournissent une liste non fiable des processus suspectés d’être défaillants  Complétude : Un processus défaillant doit être considéré comme défaillant par les autres  Justesse : Un processus correct ne doit pas être considéré défaillant ► Modèle partiellement synchrone (GTS)

3 3 Techniques de détection ► Applicatif (refus de services) ► Pinging ► Heatbeat  Détecteur sur q p up p down p up p q  Détecteur sur q p up p down p up p q Introduction

4 4 Qualité de service ► Métriques  Temps de détection  Temps entre deux erreurs (T MR )  Durée des erreurs (T M ) Introduction DF TMTM T MR Processus p up

5 5 Détecteurs de défaillances ► Fonctionnement « hearbeat » ► Défaillances:  crash / ‘recovery’  perte de messages ► Adaptable :  Estimations dynamiques  Intervalle d’émission ► Permet le transport d’information

6 6 Organisation ► Organisation hiérarchique ► Communication  IP-Multicast au niveau local  UDP au niveau global LAN 1 LAN 3 LAN 2 Organisation Hiérarchique

7 7 Niveaux Hiérarchiques ► Visions:  Niveau Local : ► Liste des sites du LAN  Niveau global : ► Liste des LANs ► Qualité de service différentes Organisation Hiérarchique

8 8 Comportement S 1.1 S 1.5 S 1.2 S 1.4 S 1.3 S 1.2 S 2.1 S 3.5 LAN 1 LAN 2 LAN 3 LENT S1.5 S1.4 S1.5 Organisation Hiérarchique

9 9 Avantages / Désavantages ► Avantages:  Nombre de messages (n: nb sites, k: nb groupes) ► Système plat: n * (n -1) ► Hiérarchique: n 2 / k + k 2 – k – 1 ► Si n > k 2 un leader gère moins de messages ► Partitionnement des informations ► Mise en place de mécanisme  Élection de leader Organisation Hiérarchique

10 10 Election de leader ► Liste triée de leaders ► Leader suspecté par une majorité changement de leader changement de leader Organisation Hiérarchique

11 11 Architecture ► Emission de message « I-am-alive » ► Estimation de base  Compromis entre le temps de détection et le nombre de fausses detection ► Fournit :  Liste de sites suspects  Informations sur la détection ► Adaptation de l’intervalle d’émission Couche de base Blackboard Liste de sites suspects Intervalle d’émission Marge de détection QoS observée Couche d’adaptation 1Couche d’adaptation 2 Application 1Application 2 QoS 1 QoS 2 Liste de suspects Liste de suspects  i 1  i 2

12 12 Architecture Couche de base Blackboard Liste de sites suspects Intervalle d’émission Marge de détection QoS observée Couche d’adaptation 1Couche d’adaptation 2 ► Spécifique à l’application ► Adapte la QoS  Différents algorithmes ► Adaptation de l’interface  Pop ou Push ► Permet différentes vision du système Application 1Application 2 QoS 1 QoS 2 Liste de suspects Liste de suspects  i 1  i 2

13 13 Architecture Couche de base Blackboard Liste de sites suspects Intervalle d’émission Marge de détection QoS observée Couche d’adaptation 1Couche d’adaptation 2 Application 1Application 2 QoS 1 QoS 2 Liste de suspects Liste de suspects  i 1  i 2 ► Représente l’utilisateur des détecteurs de défaillance :  Service de nommage ► Fournir le besoin en QoS local ► Utilise la liste des sites suspects

14 14 Couche de base Fonctionnement Architecture Processus q FD de q Processus p h i-1 hihi h i+1 h i+2 ii ii  i+1  i+2 Freshness points:  i-1 AiAi  to

15 15 Couche de base Estimation de la date d’arrivée ► Calcul de la date butoir  Timeout ()= date théorique (EA k+1 ) + marge dynamique (  k+1 )  Timeout (  k+1 )= date théorique (EA k+1 ) + marge dynamique (  k+1 ) ► Date théorique : estimation de Chen ► Marge dynamique (algorithme de jacobson) Architecture

16 16 Adaptation du délai d’émission ► Motivation :  Besoins variables des applications  Etat du réseau ► Négocier entre récepteurs et l’émetteur Architecture

17 17 Plateforme de test ► Utilisation de « dummynet » (simulateur reseau)  Introduction de délai de propagation  Variation du délai de propagation  Introduction de perte de messages Group 3 Toulouse Group 2 San Francisco Group 1 Paris Délai : 50ms +/- 10ms Perte de messages : 1.2% Délai : 10ms +/- 4ms Perte de messages : 0.5% Délai : 150ms +/- 25ms Perte de messages : 3% Performances couche d’adaptation

18 18 Adaptateur ► Adaptateur 1: Réévaluation de la marge périodiquement ► Adaptateur 2: Réévaluation de la marge à chaque fausse détection ► Expérimentation: durée 32h, intervalle 1000ms Détecteur Adaptateur 1 Adaptateur 2 Durée totale Temps détection 1216,12089,92311,9 Nb fausses détection 4368 Durée des erreurs 1100,6272,5101,4 Initialisation Temps détection 1113,21749,31351,9 Nb fausses détection 854 Durée des erreurs 953,2339,3529,1 Performances couche d’adaptation

19 19 Organisation ► Conditions:   i = 700ms Nb de sites 4691216 Nb de sites par groupe local 23344 Nb de groupes local 22334 Organisation à plat Leader en hiérarchique Non leader en hiérarchique Performances couche d’adaptation

20 20 Conclusion et perspectives ► Service de détection de défaillances:  Scalable  Partagé  Adaptable  Fournissant une QoS locale ► Perspectives  Gestion du partitionnement  Utilisation pour un service de nommage  Application de gestion de verrou ► Web : http://www-src.lip6.fr/darx http://www-src.lip6.fr/darx http://regal.lip6.fr/publi (DNS’2002 adaptation, DSN’2003 hiérarchie)

21 21 Comportement de la détection Initialisation Performances couche de base

22 22 Performances avec charge Performances couche de base

23 23 Performance ► Adaptation :  Court terme (Marge)  Moyen terme (Estimation date) ► Conclusion  Bon compromis entre temps de détection et le nombre de fausses détections DynamiqueRTTChen Nb fausses détections 245429 Durée erreurs (ms) 31,625,2336,61 Temps de détection (ms) 5131,75081,795672,53 Performances couche de base