Evolution in verteilten Systemen, Copyright © 2001, MATHEMA AG Evolution in verteilten Systemen Der Evolutionäre Trader Markus Völter, MATHEMA AG [email protected]

Evolution in verteilten Systemen, Copyright © 2001, MATHEMA AG

Evolution in verteilten Systemen

Der Evolutionäre Trader

Markus Völter, MATHEMA AG [email protected]


Überblick

Evolution in der Biologie, Prinzipien Beispiel: Biston Betularia

Softwaresysteme und Evolution Abgrenzung zu genetischen Algorithmen

Service Evolution Der evolutionäre Trader Anwendungsbeispiele Erweiterungsmöglichkeiten


Evolution in der Biologiemit Unterstützung von

Jens Tränkle


Evolution in der Biologie

Evolution ist der Motor der Entwicklung Sämtliche biologische Entwicklung

beruht auf Evolution Offensichtlich funktioniert das!

PrinzipienMutation FitnessSelektion (Separation, gen. Isolation)

Randbedingungen Population (Genpool)Umwelt


Prinzipien: Mutation

Ein Lebewesen ändert sich „zufällig“ in seiner Genstruktur

Es ist unklar, ob diese Änderung...sich durchsetzt...von Vorteil ist, oder von Nachteil...oder überhaupt keinen Einfluss hat

Hängt ab von Fitness/Umwelt


Randbedingung: Umwelt

Eine Spezies befindet sich in einer bestimmten Umwelt

Diese Umwelt ändert sich möglicherweise im Laufe der Zeit

Umwelt erzeugt den Selektionsdruck


Prinzipien: Fitness

Fitness definiert die Eignung eines Lebewesens, mit der gegebenen Umwelt zurecht zu kommen.

Sie kann explizit festgelegt werden: In Relation zum idealen Phänotyp

Man erkennt die Fitness an der Überlebensquote (bzw. der Fortpflanzungswahrscheinlichkeit bzgl. Des Genpools)


Prinzipien: Population

Eine Menge „gleicher“ Lebewesen, deren interne genetische Struktur aber leicht unterschiedlich ist.

Änderungen treten auf entwederan einem Individuum (üblicherweise Krankheit)bei Fortpflanzung

wichtige (und dauerhafte) Änderungen treten durch die Genfrequenz auf, d.h. eine Population entwickelt sich im Laufe von Generationen


Prinzipien: Selektion

Basierend auf der Fitness überleben Lebewesen mit einer bestimmten Genstruktur (Genotyp) eher, als andere.

Für das Überleben ist der Phänotyp verantworlich, d.h. die nach aussen sichtbaren Konsequenzen den Genotyps.

Fittere bringen ihre Gene mit höherer Frequenz in die nächste Generation ein

Selektion sorgt also dafür, dass die für eine bestimmte Umwelt besser geeigneten Lebewesen „bevorzugt“ werden, und die anderen verdrängt werden und letztlich aussterben.


Beispiel: Biston Betularia (Englische Motte)

Zwei verschiedene Arten: Dunkel und HellDunkel/Hell abh. von einem Gen1848: <2% dunkel

1898: 95% aller Motten dunkel, in industrialisierten GebietenDeutlich weniger in ländlichen Gebieten

Änderung der Häufigkeit im Genpool der Population: Evolution


Beispiel: Biston Betularia (fortgesetzt)

Änderung der Häufigkeit von 2% auf 95% aufgrund von Selektion:Industrielle Revolution Bäume dunkel vom Rauch

Vögel konnten die hellen bessersehen, und fraßen daher mehrhelle. Die dunklen hatten daher mehr Nachfahren: Selektion


Definition Evolution

Biologie: Veränderung des Genpools einer Population im Laufe von Generationen

Allgemeiner: Änderung der Eigenschaften in einer Menge von Entitäten

Schrittweise:Eigenschaften mutieren (zufällig)Individuen werden selektiert (aufgrund Fitness bzgl.

der Umwelt; Selektionsdruck)Populationen entwickeln sich weiter


Softwaresysteme und Evolution


Traditionelles Vorgehen

Analyse – Design – Impementierung Software wird für eine bestimmte Umwelt

(Systemlandschaft) entwickeltÄnderungen bedürfen erneuter Analyse

Iterative ProzesseZiel ist immer noch ein System für eine

Systemlandschaft


Schwachstellen des traditionellen Ansatzes

Moving Target Problem: Die Anforderungen ändern sich während der EntwicklungSystem wird nie „fertig“Instabil

Analyse ist teuer und zeitaufwendig


Ziel: Entwickeln für eine sich ändernde Umwelt

FrameworksVariable Stellen können „konfiguriert“ werdenNachteil: Variable Stellen müssen von vornherein

bekannt sein

SystemfamilienFamilie von Systemen ist Ziel der EntwicklungZiel sind verschiedene, aber statische UmgebungenNachteil: Auch hier müssen die Unterscheidungs-

merkmale vorher bekannt sein


Gegenhypothese: „Mob Software“

Richard P. Gabriels Vortrag auf der OOPSLA 2000Planung im Rahmen von SW-Entwicklung ist nicht

möglichAnarchie ist besser geeignet um zu „schönen“

Ergebnissen zu kommen

Linux Entwicklung:Viele Leute arbeiten „unkontrolliert“ an der

WeiterentwicklungErgebnis entsteht aus dieser „chaotischen“

Entwicklung durch „Selektion“


Genetische Algorithmen

Anderes ZielNicht die „genetische“ Erstellung von Software ist das

Ziel, sondern:Verwendung von explizit programmierten genetischen

Vorgehensweisen zur Lösung eines Problems

Üblicherweise Such- oder Optimierungsprobleme Funktioniert nur, wenn es nicht nur die Lösung gibt,

sondern verschiedene akzeptable Lösungen (Kontinuum)


Genetische Algorithmen (Beispiel)


Service Evolution


Definition Service

Eine Softwarekomponente erbringt einen bestimmten Dienst

Dieser wird mittels eines Interfaces spezifiziert Client ist nur gegen Interface programmiert, kennt die

Implementierung nicht

Beispiele:Java Interface - ObjectCORBA oder RMI ObjekteEnterprise Java BeansJini


Definition Service (II)

Service spezifiziert üblicherweise nur die Signatur von Operationen und (in Prosa) deren Bedeutung

Es wird nicht spezifiziert: Qualität des Services, z.B.ReaktionszeitGenauigkeitZuverlässigkeitVerfügbarkeit...


Service Evolution

...ist die

evolutionäre Verbesserung der Qualität eines Services.


Service Evolution


evolutionär: schrittweise, ungeplante Veränderung einer Menge von Individuen


Service Evolution


Verbesserung: Selektionsverfahren sorgt dafür, dass Service später besser an die Umwelt angepasst ist als vorher.


Service Evolution


Qualität des Services: Alle Freiheitsgrade, die die Spezifikation des Services noch ermöglicht.

z.B.

Performanz, Genauigkeit, Zuverlässigkeit, ...


Merkmale: Service Evolution

„Service“ muss durch eine Menge von individuellen Service-Instanzen repräsentiert werden.

Jede Instanz muss sich verändern können.

Es muss eine Art Rückmeldung (Selektion) durch die Umgebung passieren.

Die Service-Instanzen wissen nicht unbedingt, warum sie von der Umwelt bevorzugt werden.


Der evolutionäre Trader


Trader (I): Was ist das?

Trader liefert Dienstinstanzen basierend auf einer beschreibenden Anfrage eines Clients

Trader

Client

S 1A

S 2A

S 3B

S 4B

S 5B

getS ervice( A , properties )

S 2

S 1, A , Props

S 2 , A , Props

S 3 , B , Props

S 4 , B , Props

S 5 , B , Props


Trader (II): Eigenschaften

Beschreibung besteht aus Interface des DienstesEiner Menge an Properties Auch „komplexere“ Queries sind prinzpiell möglich

Trader entscheidet, welche Instanz zurückgeliefert wird, wenn mehrere auf die Suchanfrage passen


Trader (III): Vorteile

Entkopplung der Provider von ihren BenutzernNeue Dienstprovider können dynamisch registriert und

zurückgezogen werden Lastverteilung ist möglich

Round RobinBasierend auf Lastauskunft

Basis für FailoverWenn Dienst stirbt, dann kann Client sich einen neuen

holen Findet Anwendung u.a. in:

CORBA Trader ServiceJini‘s Lookup Service


Der evolutionäre Trader

Population Mehrere Provider pro Dienst

Umwelt muss vorhanden sein Clients

Selektion der Dienste Rückmeldung der Clients, Policy des Traders

Zufällige Mutation „Fehler“ des Traders

Weiterentwicklung Veränderung im Dienst


Evolutionärer Trader: Anfrage

Client stell Anfrage an den Trader

Trader

Client

S 1A

S 2A

S 3A

getS ervice( A , properties )S 1 , A , Props

S 2 , A , Props

S 3 , B , Props


Evolutionärer Trader: Referenz-Lieferung

Trader liefert Referenz auf Service zurück, plus ein VotingTicket

Trader

Client

S 1A

S 2A

S 3A

S 1 , A , Props

S 2 , A , Props

S 3 , B , Props

S 1

S 1 T


Evolutionärer Trader: Verwendung der Srv.

Client verwendet den Service, ohne den Trader zu benötigen

Trader

Client

S 1A

S 2A

S 3A

S 1 , A , Props

S 2 , A , Props

S 3 , B , Props

S 1

S 1

T


Evolutionärer Trader: Voting

Danach wendet sich der Client an den Trader und bewertet den Service; dazu benötigt er das VotingTicket

Trader

Client

S 1A

S 2A

S 3A

vote( , S 1 , rating )S 1 , A , Props

S 2 , A , Props

S 3 , B , Props

T


Evolutionärer Trader: Voting II

Speichert sich die Bewertung in einer Datenbank ab

Trader

Client

S 1A

S 2A

S 3A

S 1 , A , Props

S 2 , A , Props

S 3 , B , Props

S 1( , S 1 , rating )T


Evolutionärer Trader: Voting III

Trader führt Statistiken über die „Bewertung“ der Services durch die Clients

Trader

Client

S 1A

S 2A

S 3A

S 1 , A , Props

S 2 , A , Props

S 3 , B , Props

S 1ID Rating

S1S2...S3

r1r2...r3


Evolutionärer Trader: Anfrage (II)

Client stell Anfrage an den TraderDer Service mit dem besten Rating wird

zurückgeliefert

Trader

Client

S 1A

S 2A

S 3A


S 2 , A , Props

S 3 , B , Props


Evolutionärer Trader: Information

Trader informiert die Services regelmässig über ihre Qualität, und die der anderen (anonym)

Trader

Client

S 1A

S 2A

S 3A

rating( sn)

S 1 , A , Props

S 2 , A , Props

S 3 , B , Props

E

E

E


Evolutionärer Trader: Entwicklungsphase

Die Services können sich nun verändern, wenn sie wissen, dass ihre Qualität schlecht ist

Sie wissen aber nicht wie sie sie verbessern können; Annahmen sind möglich

Trader

Client

S 1'A

S 2''A

S 4A

S 1 , A , Props

S 2 , A , Props

S 4 , B , Props


Evolutionärer Trader: Anfrage (III)

Trader liefert manchmal auch den nicht-besten Dienst zurück; dieser kann sich ja in der Zwischenzeit verbessert haben!

Trader

Client

S 1'A

S 2''A

S 4A


S 2 , A , Props

S 4 , B , Props


Evolutionärer Trader: Anfrage (IV)

Wenn sehr viele clients den besten Service bekommen, wird dessen Belastung möglicherweise höher;

Damit wird sein Rating schlechter.

Andere Services bekommen wieder eine Chance.


Evolutionärer Trader: Benefits

Alle Vorteile des Traders Kein Koordinationsaufwand über die Art der Bewertung

Diese Koordination ist grosses Problem!!Extrem lose Kopplung

Services entwickeln sich zufällig weiterChance für unerwartete Veränderung

Dynamische, schrittweise Anpassung an eine sich verändernde UmweltClients bestimmen die Qualitäten der Services,

allerdings indirekt


Evolutionärer Trader: Nachteile

Je nach Szenario, langsame Anpassung an sich verändernde Umwelt

Nicht jeder Client bekommt immer den besten ServiceQualität der „Dienste“ kann sich ändern, auch nach

unten


Anwendungsbeispiele


Beispiel: Matrix Calculation Service

Dienst zur Berechnung von Matrixoperationen multiplizieren, dividieren, addieren, ...

Qualitätsaspekte:GenauigkeitPerformanz

Rating: z.B. Zahl zwischen 0 und 100

Weiterentwicklung: Verbesserung dieser Aspekte durch Programmierung


Beispiel: Radarstellungen

Radarstellung bietet Dienst:Scannen eines Geibietes

Überschneiden: Also mehrere „gleiche“ Dienste

Untersch. Qualität:Wetter, Jamming, Position

Rating durch die CCCClients

Verbesserung d. Qual.:Anderes BandReparaturVerlegung

Radar

Radar

RadarCCC

CCC

CCC

Netz


Erweiterungsmöglichkeiten


Erweiterung: Verhungern lassen

Wenn die verschiedene Dienste unter der Kontrolle des Traders laufen, können den schlechteren Diensten die Resourcen beschränkt werden:

Handler ThreadsThread Priorität,etc.


Erweiterung: „Sozialhilfe“

Trader kann den schlechten Diensten mit Absicht bessere Ratings zukommen lassen, um im Falle von Ausfällen des besten noch ein Backup zu haben.

Insbesondere interessant im Zusammenhang mit „Verhungern lassen“


Erweiterung: Benachrichtigung bei Änderung

Trader liefert manchmal auch die nicht-optimalen Provider zurück, da die sich potentiell geändert haben können.

Evolution ist sehr langsam.

Neue Services (oder geänderte) benachrichtigen den Trader über die Änderung

Trader gibt denen gezielt mehr Chancen


Das war‘s!

Vielen Dank.

Fragen? Kritik? Anregungen?

Documents

Evolution in verteilten Systemen, Copyright © 2001, MATHEMA AG Evolution in verteilten Systemen Der Evolutionäre Trader Markus Völter, MATHEMA AG [email protected]