ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
Masses de données hétérogènes
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
 

 ARTICLE VOL 27/6 - 2013  - pp.765-796  - doi:10.3166/ria.27.765-796
TITRE
Stockage décentralisé adaptatif. Autonomie et mobilité des données dans les réseaux pair-à-pair

TITLE
Adaptative and decentralized storage. Data autonomy and mobility in peer-to-peer networks

RÉSUMÉ

Nous proposons une nouvelle approche pour le stockage décentralisé dans les réseaux pair-à-pair, qui consiste à transférer la responsabilité du stockage des données, des pairs aux documents eux-mêmes. Les documents ne sont plus des ensembles de données inertes sur lesquels sont appliqués des traitements ; ils deviennent autonomes et responsables de leur propre durabilité. À l’aide d’une modélisation sous la forme d’un système multi-agent mobile et d’algorithmes bio-inspirés, nous transformons chaque document en une nuée d’agents mobiles, capable de se déplacer dans le réseau. Nous nous intéressons, dans un premier temps, à la faisabilité de cette approche, que nous évaluons au moyen de plusieurs expériences, réalisées sur un prototype déployé dans un réseau pair-à-pair réel. Nous constatons, sous certaines hypothèses réalistes, que nos algorithmes de déplacement en nuées sont valides et que les relations topologiques entre agents sont suffisantes pour faire émerger le comportement global de flocking. Dans un second temps, nous nous intéressons aux mécanismes permettant d’assurer la durabilité de ces nuées en présence de fautes. Ces nuées présentent des capacités d’auto-adaptation qui leur permettent notamment de trouver le schéma de fragmentation adéquat, pour l’instance de réseau considérée et pour le niveau de disponibilité requis. Nous étudions plus en détail cette capacité d’adaptation dans le contexte des fautes corrélées, en proposant et en évaluant un algorithme de placement décentralisé qui permet de réduire l’impact des fautes corrélées sur les systèmes de stockage décentralisés.



ABSTRACT

We propose a new approach for decentralized data storage in peer-to-peer networks. In this approach, the responsibility of data management is transferred from the peers to the documents. It means that documents are not passive data sets anymore but become autonomous and responsible for their own durability. Thanks to a multi-agent system modeling and bio- inspired algorithms, we transform each document into a mobile agents flockable to move into the network. Firstly, we assess the feasibility of this approach with several experiments done on a prototype deployed in a real peer-to-peer network. We note that, given some hypothesis, our motion algorithms are sound. We also note that, topological relationships between the agents are enough for the emergence of a global flocking behavior. Secondly, we focus on mechanisms required to ensure flocks durability. We note that those flocks are self-adaptive and that, this property can be used to find the accurate fragmentation parameters, given a network instance and a required level of availability. Finaly, we study this self-adaptation property in the context of correlated failures. We propose and we analyze a decentralized flock placement algorithm aimed at reducing the correlated failures impact on data storage systems.



AUTEUR(S)
Benoît ROMITO, François BOURDON

MOTS-CLÉS
fautes corrélées, flocking, agents mobiles, stockage décentralisé, réseaux pair-à-pair, recuit simulé distribué

KEYWORDS
correlated failures, flocking, mobile agents, decentralized data storage, peer-to-peer networks, distributed simulated annealing

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (747 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier