Transcript Sistemas Distribuídos: Exclusão Mútua, Eleição do Líder

Sistemas Distribuídos
Jorge Surian
[email protected]
Sistemas Distribuídos: Exclusão Mútua, Eleição do Líder, Replicação e
Consistência
Exclusão Mútua
Problema: Conjunto de processos, em um sistema
distribuído, que necessitam garantir acesso exclusivo a
um recurso.
 Soluções básicas:
– Servidor Centralizado.
– Completamente distribuído, sem topologia específica.
– Completamente distribuído, com uma topologia lógica
em anel.
2
2
Exclusão Mútua
 Solução em Servidor Centralizado
3
3
Exclusão Mútua
 Algoritmo Token Ring
 Como funciona?
– Organiza os processos em um anel lógico e um
token circula entre os processos que fazem parte
do sistema distribuído. O processos que está com
o token é permitido utilizar o recurso 'crítico', caso
queira usá-lo.
4
4
Exclusão Mútua
Algoritmo Token Ring
 Como existe um número N de processos (N > 1) que
desejam acessar o mesmo arquivo para escrita, é
necessário garantir acesso exclusivo ao arquivo.
 Na nossa implementação, criamos um anel lógico, por
onde circula um token (arquivo utilizado em redes tipo
anel que quando lançado na rede , informa que um
determinado micro deseja falar com outro , evitando
assim colisões de informações), que quando obtido
por um processo, garante a este o acesso exclusivo ao
arquivo de dados. Ao obter acesso ao token, o processo
realiza a escrita de todos os pedidos recebidos.
5
5
Exclusão Mútua
Algoritmo Token Ring
 Vamos imaginar um típico arquivo de pedidos com
campos convencionais.
 Cada pedido de escrita é composto pelos seguintes
campos: contador_pedidos, id_agente_solicitante, valor.
Estes campos são armazenados em uma tabela até o
momento da chegada do token, quando então são
armazenados em arquivo. Além dos campos citados, no
momento da escrita dos pedidos no arquivo, é
acrescentado o identificador do agente que está
realizando a escrita. Então, para cada pedido realizado
temos a seguinte linha armazenada no arquivo:
id_agente, contador_pedidos, id_agente_solicitante,
valor, por exemplo.
6
6
Exclusão Mútua
Algoritmo Token Ring
 A linha abaixo mostra um exemplo de um pedido
atendido:
 Agente: Maxwell Smart; Requisicão No: 6. Requisitante:
Chefe; Valor: 99.
 Agente: Obi-wan; Requisição No: 1. Requisitante: Mestre
Yoda; Valor: 432.
 Após processar todos os pedidos armazenados, o
processo envia o token para o próximo processo na lista
e somente poderá realizar o processamento das novas
requisições quando receber o token novamente.
 Caso o processo que recebe o token não possua
registros para armazenar, o token é imediatamente
enviado para o próximo processo da lista.
7
7
Exclusão Mútua
 Algoritmo Distribuído (Ricart e Agrawala)
 Como funciona?
– Processo necessita acessar uma região ”crítica”:
» Envia uma mensagem a todos os outros processos: nome do
recurso, número do processo, tempo corrente.
» Todas as mensagens devem ser confirmadas.
– Processo recebe uma requisição:
» Ação depende do estado no qual se encontra o processo ao
receber a requisição:
– Se o processo não está acessando o recurso e nem pretende
fazê-lo, envia uma OK.
– Se estiver na região critica, requisição é enviada a uma fila.
– Se não está acessando o recurso, mas pretende fazê-lo,
comparação entre os tempos de geração dos pedidos. O menor
ganha o acesso.
8
8
Exclusão Mútua
 Algoritmo Distribuído (Ricart e Agrawala)
 Como funciona?
9
9
Exclusão Mútua
 Resumo
– Como gerenciar os recursos que podem ser
considerados como “regiões críticas”?
» Algoritmos Centralizados: Um nó é responsável por controlar
se um determinado processo está ou não acessando a
região crítica.
» Algoritmo Distribuído: Todos os processos (nós) trocam
mensagens entre si para verificar se a região critica está
sendo acessada. O processo acessa a região crítica
somente se todos os processos enviarem um OK
10
10
Algoritmos de Eleição
 Muitos Sistemas Distribuídos precisam que um processo
aja como coordenador ou tenha um papel especial.
– Em geral, não importa qual processo assume essa
responsabilidade.
– Existem algoritmos para se eleger coordenador.
» Em geral, tentam localizar processo com maior ID.
» Assume-se que todos os processos conhecem os IDs dos
demais processos.
–Não se sabe se estes processos estão
disponíveis/indisponíveis.
– Meta: quando eleição começa, termina com todos
concordando com quem é o novo coordenador.
11
11
Algoritmos de Eleição
 Algoritmo do Valentão (Bully)
– Quando processo nota que cooordenador não está
mais respondendo requisições, inicia uma eleição.
– O Processo P convoca uma eleição:
» P envia uma mensagem de eleição para todos os processos
com IDs maiores.
» Se ninguém responde, P vence eleição e torna-se
coordenador
» Se algum processo com ID maior responde, ele desiste.
– Quando processo recebe mensagem de eleição de
membros com ID mais baixa que ele.
» Envia OK para remetente para indicar que está vivo e
assume a coordenação.
12
12
Algoritmos de Eleição
 Algoritmo do Valentão (Bully)
– Eventualmente todos os processos desistem menos
um: novo coordenador.
– Se processo que estava indisponível volta, inicia nova
eleição.
» Se for processo com maior ID, vence e toma coordenação.
» Maior “cara da cidade” sempre vence: algoritmo do valentão.
Algoritmo Chuck Norris
13
13
Algoritmos de Eleição
 Algoritmo do Valentão (Bully)
14
14
Algoritmos de Eleição
 Uso de um anel, sem token
– Processos fisicamente ou logicamente ordenados.
» Conhecem sucessor
– Processo verifica que coordenador não funciona
» Envia mensagem de eleição para sucessor
» Mensagem contém seu ID.
» Se sucessor indisponível, manda para próximo, e sim
sucessivamente.
» A cada passo, processo que recebe mensagem adiciona seu
ID e repassa para sucessor.
15
15
Algoritmos de Eleição
 Uso de um anel, sem token
– Eventualmente a mensagem volta para quem
começou eleição
» Reconhece ser sua mensagem porque ela contém seu ID,
convocando uma eleição.
» Neste ponto muda a mensagem para coordenador e a
circula novamente para informar a todos:
1. Novo coordenador: processo com maior ID
2. Nova configuração do anel
» Quando a mensagem do coordenador volta para processo
que iniciou eleição, é removida e todos voltam a trabalhar.
16
16
Algoritmos de Eleição
 Uso de um anel, sem token
17
17
Replicação
Replicação: Conceitos e Técnicas
 Razões para Replicação
– Replicação como técnica de escalabilidade
– Modelos de Consistência centrados em dados
– Gerenciamento de Réplicas
18
18
Replicação
Razões para Replicação
 Confiabilidade:
– Garante comportamento correto, apesar de alguns tipos de erros
acontecerem.
» Exemplo: dados corrompidos
– Enquanto ao menos um servidor estiver funcionando, o serviço
continua disponível.
 Desempenho
– É importante quando um sistema distribuído precisa ser
ampliado em quantidade e em área geográfica.
» No caso de ampliação em quantidade espera-se que
diversos servidores web com o mesmo DNS, cujos
servidores serão selecionados alternadamente.
» No caso de ampliação geográfica as requisições são
repassadas para o servidor mais próximo geograficamente.
19
19
Replicação
Vantagens da Replicação
 Réplicas permitem que alguns servidores continuem a
funcionar mesmo em ocasião de falhas.
 É possível proteger contra corrupção de dados .
 Réplicas permitem que dados fiquem mais perto de onde
serão acessados → diminuição da latência.
20
20
Replicação
Replicação e a Escalabilidade
– Replicação e cache para melhorar desempenho são
amplamente utilizados para tratar os problemas de
escalabilidade: Ao se colocar cópias de dados
próximas aos processos que as estão usando,
reduzindo o tempo de acesso.
Problemas?
– Garantia da consistência dos dados entre as várias
réplicas.
21
21
Replicação
Problemas:
 No caso da utilização de caches em um servidor Web...
– Browsers costumam armazenar na estação local uma
cópia das páginas Web que anteriomente foram
usadas.
– Se um usuário requisitar aquela página mais uma vez,
o browser automaticamente retornará a cópia local.
Vantagem: Tempo de acesso excelente
Problema: E se o usuário quiser ter a versão mais
recente da página?
22
22
Replicação
Problemas:
 No caso de um Banco de Dados...
Vantagem: Tempo de acesso excelente
Problema: E se o usuário quiser dados de “agora”?
23
23
Replicação
O problema da consistência
 Maior dificuldade: como sincronizar TODAS as
réplicas?
– Todas as réplicas precisam chegar a um acordo sobre
quando uma atualização deve ser realizada
– Em geral, requer uma sincronização global
– A única solução real é relaxar as restrições de
consistência → evitar que atualizações sejam
executadas como operações atômicas
24
24
Consistência
 O que é e como implementar consistência?
– Em depósitos de dados distribuído
» Um depósito de dados pode ser distribuído fisicamente por várias
máquinas
» Cada processo que pode acessar dados do depósito tem uma
cópia local (ou próxima) do depósito
» Dois tipos de operações:
–escrita → altera os dados
–leitura → caso contrário
» Operações de escrita são propagadas para outras cópias
25
25
Consistência
 Em depósito de dados distribuído
26
26
Modelos de Consistência
 Definição: Contrato entre processos e o depósito de
dados
– Se os processos concordarem em obedecer certas
regras, o depósito promete funcionar de maneira
correta
 Exemplo: Um processo que executa uma operação de
leitura sobre um item de dados espera que a operação
retorne um valor que mostre os resultados da última
operação de escrita executada sobre aqueles dados.
27
27
Modelos de Consistência
 Na ausência de um relógio global, é difícil definir com
precisão qual operação de escrita é a última, como
vimos anteriormente.
– Modelos de consistência restringem de maneira direta
os valores que uma operação de leitura sobre um
“item de dados” pode efetivamente retornar.
 Para obter soluções eficientes para o problema de
consistência, deve-se 'relaxar' o conceito de
consistência.
 Assim, o que se pode tolerar de inconsistência depende
rigorosamente de cada aplicação e de suas regras
efetivas de negócio e de funcionamento.
28
28
Consistência Contínua
 Três eixos independentes para definir inconsistências
– Diferenças dos valores numéricos entre réplicas
– Diferenças das idades entre réplicas
– Diferença em relação à ordenação de operações
de atualização
 Referem-se a estes desvios como se formassem faixas
de consistência contínua.
29
29
Consistência Contínua
Desvios Numéricos
 Dados possuem semântica numérica
– Exemplo 1: Registros que contêm preços do mercado
de ações
– Exemplo 2: Número de atualizações que foram
aplicadas a uma determinada réplica, mas que ainda
não foram vistas pelas outras.
30
30
Consistência Contínua
Desvios de Idade
 Estão relacionados com a última vez que uma réplica foi
atualizada
 Algumas aplicações podem tolerar que uma réplica
forneça dados antigos, contanto que não sejam tão
antigos
Exemplo: Previsões de tempo, em geral, permanecem
razoavelmente exatas durante algum tempo.
Servidor principal pode receber atualizações e
tempos oportunos
31
31
Consistência Contínua
Desvios em relação à ordenação de operações
 Em algumas aplicações, é permitido que a ordenação
das atualizações seja diferente nas várias réplicas,
dentro de um limite
 Atualizações são aplicadas provisoriamente a uma cópia
local, à espera de um acordo global de todas as réplicas
 Em alguns casos, algumas atualizações podem precisar
voltar atrás e serem aplicadas em uma ordem diferente
antes de se tornarem permanentes
32
32
Consistência Contínua x Relógio Vetorial
 Réplica A recebeu a operação 5,B: x←x+2 e a tornou permanente A
tem 3 operações de atualização provisórias: 8,A; 12,A; 14,A
 Desvio de ordenação = 3; vetor lógico = (15,5)
 Desvio numérico = 1 (# atualizações não vistas); y = 5 para a
atualização feita em B no valor de y e não vista por A
33
33
Consistência Sequencial e Causal
Modelos de consistência sequencial e causal ampliam
os modelos de consistência contínua
 No entanto, quando for preciso efetivar atualizações
provisórias em réplicas, estas terão que chegar a um
acordo sobre uma ordenação global dessas atualizações
 Concordar com uma ordenação consistente das
atualizações
 Assim, os modelos de consistência sequencial e causal
visam chegar a tais ordenações consistentes
34
34
Consistência Sequencial e Causal
Exemplo
 (1) P1 executa uma escrita para um item de dados x,
modificando o seu valor para a. Esta operação é feita
localmente e depois propagada para os outros
processos
 (2) Mais tarde P2 lê o valor NIL e, pouco tempo depois,
lê a.
 Existe um retardo para propagar a atualização de x para
P2.
35
35
Gerenciamento de Réplicas
Problemas:
 Decidir onde, quando e por quem as réplicas devem ser
posicionadas
 Mecanismos para manter as réplicas consistentes
36
36
Gerenciamento de Réplicas
Problema de Posicionamento
 Pode ser subdividido em dois subproblemas:
– Posicionar servidores de réplicas
– Posicionar conteúdo
» Posicionar servidores de réplicas: refere-se a achar as
melhores localizações para colocar um servidor que pode
hospedar um depósito de dados (ou parte dele)
» Posicionamento de conteúdo: refere-se a achar os melhores
servidores para colocar conteúdo.
 Antes de decidir o posicionamento do conteúdo, é
preciso que os servidores de réplicas já tenham sido
posicionados
37
37
Posicionamento do Servidor de Réplicas
Alguns tipos de Solução
 Distância entre clientes e localizações
– Pode ser medida em termos de latência ou largura de
banda
– A posição é definida baseada na métrica que a
distância média entre o servidor e os seu clientes é
mínima
 Ignorar a posição dos clientes e apenas considerar que a
topologia da Internet é formada pelos sistemas
autônomos (AS)
– Rede no qual os nós executam o mesmo protocolo de
roteamento, que é gerenciada por uma única
organização
38
38
Posicionamento do Servidor de Réplicas
Alguns tipos de Solução
 Ignorar a posição dos clientes
– Consideram o maior AS e colocam um servidor no
roteador com maior número de enlaces
– Os ASs são escolhidos em ordem de tamanho
 Szymaniak e outros, em 2006, desenvolveram um
método pelo qual pode-se identificar rapidamente uma
região para o posicionamento de réplicas
– Uma região é identificada como um conjunto de nós
que acessam o mesmo conteúdo, com uma latência
baixa entre os nós
– Primeiramente, seleciona-se as regiões com o maior
número de nós, e permite que um dos nós aja como
servidor de réplicas
39
39
Replicação e Posicionamento de Conteúdo
 Três tipos diferentes de réplicas organizadas
logicamente
– Replicas permanentes
– Replicas iniciadas por servidor
– Replicas iniciadas por cliente
40
40
Replicação e Posicionamento de Conteúdo
Réplicas Permanentes
 Conjunto inicial de réplicas que constituem um depósito
de dados distribuído.
 Número de réplicas permanentes e pequeno
– Exemplo: Site Web, onde...
» Arquivos são replicados para um número limitado de
servidores que estão em uma única localização.
» Espelhamento: site Web e copiado para um número limitado
de servidores, sites espelhados, que estão geograficamente
espalhados pela Internet.
41
41
Replicação e Posicionamento de Conteúdo
Réplicas Iniciadas por Servidor
 Cópias de um depósito de dados que existem para
aprimorar desempenho e que são criadas por iniciativa
do (proprietário do) depósito de dados
 Exemplo: Considere um servidor na região da Paulista,
em São Paulo. Imaginemos uma rajada de requisições
que vêm de uma localização inesperada, por exemplo,
na região de Bauru. Ora, essa localidade é longe do
servidor e não mapeada como região com
características de exigência de alto nível. Em casos
assim, vale a pena instalar uma quantidade de réplicas
temporárias na região de onde se originam tais
requisições, até que cesse o movimento atípico.
42
42
Réplicas Iniciadas por Cliente
 São mais conhecidas como caches (de cliente)
– Recurso de armazenamento local, usado por um
cliente para armazenar temporariamente uma cópia
dos dados que ele acabou de requisitar.
– Gerenciamento cabe inteiramente ao cliente:
– Depósito de dados de onde os dados foram trazidos
nada tem a ver com a manutenção da consistencia
dos dados em cache.
– Caches são usadas para melhorar o tempo de acesso
aos dados.
43
43
Réplicas Iniciadas por Cliente
 São mais conhecidas como caches (de cliente)
– Quando um cliente quer acessar alguns dados, se
conecta com a cópia do depósito de dados mais
próxima
– Quando a maioria das operações envolve somente ler
dados, o desempenho pode ser melhorado, dado que
o cliente pode armazenar dados requisitados em uma
cache mais próxima.
– Cache pode estar localizada na máquina do cliente,
ou em uma outra máquina separada dentro da
mesma rede local
– Dados são mantidos por um período limitado de
tempo
44
44
Fonte:
Tanenbaum, Andrew S. e Steen, Marteen Van. Sistemas Distribuídos, São
Paulo: Prentice Hall, 2008.
Copyright © 2010 Prof. Jorge Surian
Todos direitos reservados. Reprodução ou divulgação total ou parcial deste documento é
expressamente proíbido sem o consentimento formal, por escrito, do Professor Surian.
45
45