动态资源发现协议中的流量优化与多关注点自主管理

### 动态资源发现协议中的流量优化与多关注点自主管理 #### 1. 动态资源发现协议中的流量减少 在动态资源发现场景中，相较于网格环境，可能会出现更高的节点更替率（churn）。我们将两次发布之间的间隔定义为一个发布周期，这里设定为 \(T = 150\) 秒。从公式 5 可以推导出每次迭代的衰减因子 \(D'\) 的定义： \[D' = \left(\frac{H}{T}\right)^{\frac{1}{2}} \approx 0.9928\] 这意味着在每次后续发布时，每个缓存项过时的概率略低于 1%。 我们定义“旧化度”（oldness）为所有缓存元素在缓存中停留的平均时间，并以 \(T\) 进行归一化。旧化度越高，节点更替影响缓存条目的概率就越高。通过实验评估旧化度值的分布，在一个包含 5000 个节点、缓存大小为 50 的网络中，经过 200 个周期的实验结果显示，平均旧化度倾向于接近 20 的最大值，这意味着预期的节点更替概率为 \(1 - D'^{20} \approx 0.135\)，并且在 75% 的情况下旧化度低于 28（预期节点更替概率为 0.183）。基于此分析，在优化模型中，我们假设缓存行受节点更替影响的概率为 10%，这对应于 \(H \approx 19800\) 秒和 \(P_z = 0.9\)。 ##### 模型评估 在之前的模拟中，我们使用实际测量数据集评估了缓存命中概率 \(P_x\) 和低节点更替概率 \(P_z\)。由于在流行度方面我们只有初步结果，因此使用样本值 \(P_y\) 来评估模型。图 6(b) 展示了 MAAN 和 REMED 优化模型（\(P_x = 0.7\)，\(P_z = 0.9\)，\(P_y \in [0,1]\)）在发布时使用的平均带宽（以 Mbits 为单位）。分析结果表明，根据 \(P_y\) 的值，网络流量节省范围为 MAAN 所需流量的 53% 至 71%。图 7 显示了在不考虑流行度优化的情况下，应对不同节点更替水平和缓存大小组合所需的消息数量。从该图可以明显看出，路由缓存最多可节省 70% 的路由消息，小缓存已经足够，不会对内存造成严格限制，并且 REMED 能够很好地容忍估计的节点更替水平。 下面是不同情况下的消息数量对比表格： | 情况 | 路由消息（千条/发布） | 放置消息（千条/发布） | | ---- | ---- | ---- | | 无优化 | [具体数值] | [具体数值] | | 缓存 50，节点更替 10% | [具体数值] | [具体数值] | | 缓存无限，节点更替 10% | [具体数值] | [具体数值] | | 缓存无限，无节点更替 | [具体数值] | [具体数值] | mermaid 流程图展示 REMED 优化前后的消息处理流程： ```mermaid graph LR classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px; classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px; A([开始]):::startend --> B{是否使用 REMED 优化}:::decision B -->|否| C(无优化消息处理):::process B -->|是| D(REMED 优化消息处理):::process C --> E([结束]):::startend D --> E ``` #### 2. 行为骨架中多非功能关注点的自主管理 在并行应用中，高效实现通常需要解决多个与非功能关注点相关的问题。非功能关注点是指与应用计算结果本身无关，而是与应用计算结果的方式相关的问题，例如性能调优、容错、安全和电源效率等。 ##### 并行框架 我们假设并行应用是根据结构化并行编程原则进行编程的，具体来说，并行应用是由行为骨架（behavioural skeletons）和建模纯函数的顺序代码部分组成。行