Arquitectura híbrida para publicação e subscrição de informação na Internet

Transcrição

1 Arquitectura híbrida para publicação e subscrição de informação na Internet Mário L. J. R. Guimarães 1, Luís E. T. Rodrigues 2 1 Faculdade de Ciências da Universidade de Lisboa, 1749 Lisboa {mljrg@yahoo.com} 2 Faculdade de Ciências da Universidade de Lisboa, 1749 Lisboa {ler@di.fc.ul.pt} Palavras chave: Publicação e Subscrição de Informação, IP Multicast, Internet. Resumo Neste artigo apresentamos uma nova arquitectura para publicação e subscrição de informação na Internet. Esta arquitectura suporta simultaneamente os conceitos de endereçamento por-assunto e por-conteúdo. Como solução híbrida, recorre à combinação dos paradigmas de difusão de eventos através de redes de servidores especializados e de endereços de grupo IP Multicast. I. Introdução O paradigma de publicação e subscrição de informação (do inglês publish and subscribe) tem criado um interesse crescente em virtude das possibilidades que introduz no campo da computação distribuída. Ao contrário da comunicação em modo unicast (da qual são exemplos os protocolos tcp, udp, ou as chamadas a procedimentos remotos), onde cada processo do par comunicante tem obrigatoriamente de conhecer a identidade ou a localização do seu interlocutor, o conceito de publicação de informação permite que a comunicação seja distribuída e desligada entre dois ou mais processos ao mesmo tempo. Assim, o paradigma de publicação e subscrição de informação faz da informação a única interface de ligação entre as componentes dum sistema distribuído. As aplicações passam a consumir informação independentemente de quem a produz. Neste trabalho propomos uma nova adaptação do paradigma de publicação e subscrição de informação original. Esta modificação é necessária de forma a tornar exequível a criação dum serviço de publicação e subscrição de informação na Internet, à semelhança do que existe com a World Wide Web. Consequentemente, pensamos que a realização dum serviço desta dimensão recorrendo ao paradigma de publicação e subscrição original não é viável, pois a força principal deste paradigma, a propriedade de anonimato da fonte de informação, reduz bastante a capacidade de escala duma possível execução na Internet. Como tal, propomos em primeiro lugar a definição de domínios de publicação na Internet, baseados em nomes DNS (Domain Name System), e geridos por uma autoridade de publicação no domínio. Simultaneamente são introduzidos os conceitos de publicação circunscrita ao domínio (em inglês, domain-limited publishing) e de 1

2 subscrição orientada ao domínio (em inglês, domain-oriented subscribing). A criação de domínios de publicação juntamente com estes dois novos conceitos de publicação e de subscrição, permite alcançar níveis de escala bastante superiores e criar pela primeira vez mecanismos eficientes de controlo de acesso à informação de cada assunto em cada domínio. Os subscritores continuam a desconhecer a identidade dos produtores de informação, mas no acto de subscrição passam a referir o nome do domínio de publicação fonte. Contudo, pensamos que esta pequena perda de anonimato da fonte de informação não reduz o potencial da nova arquitectura. No entanto, é o custo que temos de assumir em virtude do aumento da capacidade de escala. Como veremos adiante, as alterações propostas permitem a criação de um sistema de publicação e subscrição mais eficiente, seguro e com grande capacidade de escala. Esta nova arquitectura pretende assim contribuir para o desenvolvimento de serviços de difusão de informação na Internet, assentes no paradigma de publicação e subscrição de informação. Seguidamente introduzimos o paradigma de publicação e subscrição de informação e apresentamos dois modelos relevantes, bem como as respectivas limitações na sua aplicação à escala da Internet. Na terceira secção apresentamos uma nova arquitectura assente num modelo híbrido dos anteriores. Por fim, na quarta secção concluímos este artigo e salientamos algumas vantagens da solução proposta. II. Publicação e Subscrição de Informação Na generalidade dos sistemas distribuídos, a forma de comunicação dominante assenta na troca de dados ponto-a-ponto (do inglês, unicast) entre dois processos. Nestes sistemas, as aplicações são desenhadas normalmente segundo o modelo pedido/resposta, mais conhecido por cliente/servidor. Contudo, e apesar dos seus méritos, um sistema puramente cliente/servidor demonstra pouca flexibilidade e reduzida capacidade evolutiva, conduzindo a custos acrescidos de manutenção adaptativa. Isto acontece porque os clientes estão dependentes da identidade do servidor (eventualmente, também da sua localização). Cada cliente deveria depender somente da informação pretendida, independentemente de quem a produz 1. Por sua vez, nos sistemas de publicação e subscrição de informação, o papel de cliente é substituído pelo de subscritor, consumidor de informação, e o papel de servidor é substituído pelo de editor, produtor de informação. Editores enviam informação na forma de notificações (ou eventos) para o sistema, que a distribui por quem a subscreve. Quem edita informação deve anunciar ao sistema qual é o tipo de informação que produz, enquanto que quem subscreve avisa o sistema a respeito do tipo de informação que deseja receber. Sempre que esta é publicada, cabe ao sistema a responsabilidade de a entregar aos respectivos subscritores na forma duma notificação. 1 Alguns sistemas mais evoluídos garantem de alguma forma a independência entre clientes e servidores (exemplo, TradingService da CORBA) recorrendo a serviços extra ao modelo cliente/servidor. Contudo, aqui estamos a analisar o paradigma de comunicação cliente/servidor na sua forma base, ou seja, entre dois processos, por comparação com o essencial do paradigma de publicação e subscrição de informação. 2

3 A total ausência de ligação explícita entre editores e subscritores torna anónima a comunicação entre estes, pois esta passa a ser efectuada somente em função da informação pretendida. Ganha-se independência de identidade entre emissores e receptores, isto é, cada um deles não precisa de saber da existência de nenhum dos outros. Isto permite que em qualquer altura, os editores possam parar de publicar determinada informação e passar a publicar outra, assim como os subscritores possam indicar o desejo de receber ou não certa informação, sem que isso afecte o funcionamento do sistema. Também ambos podem entrar e sair deste a qualquer momento. Assim, o paradigma da publicação e subscrição de informação está para o software, assim como os barramentos electrónicos (buses) estão para o hardware, tornando possível adicionar e substituir transparentemente componentes de código dum sistema distribuído, sem que isso implique obrigatoriamente a sua paragem (mesmo que temporária), possibilitando o desenvolvimento de sistemas Plug n Play. A manutenção dos mesmos torna-se deste modo mais fácil, e as aplicações servidoras podem ser migradas ou replicadas sem nenhum impacto nos clientes, mesmo estando o sistema em exploração. A. Métodos de endereçamento Actualmente existem três técnicas principais de endereçamento da informação, a saber, as formas de endereçamento por-canal (do inglês Channel-based), por-assunto (do inglês Subject-based) e por-conteúdo (do inglês Content-based). Pela sua simplicidade, o endereçamento por-canal é o método mais concretizado, estando na base dos sistemas que realizam a especificação do serviço de eventos da CORBA (Common Object Request Broker Architecture) [8]. Em arquitecturas por-canal, os subscritores lêem eventos dum canal endereçado através do seu identificador, e os editores enviam notificações para o canal usando o mesmo identificador. Consoante o número de canais pretendidos, assim tantos pedidos de subscrição terão de ser efectuados. O endereçamento por-assunto é segunda forma de endereçamento mais utilizada pela generalidade dos sistemas de publicação e subscrição de informação. O por-assunto recorre à noção de espaço de informação global e unidimensional (global information space), no qual a cada notificação está associado um único atributo designado por tema (subject), enquanto que o restante conteúdo da notificação, estruturado ou não, é ocultado ao sistema. Geralmente o tema toma a forma duma hierarquia de nomes (hierarchical name space), que ao contrário dum formato plano (flat name space), permite classificar a informação e facilitar a sua selecção pelos subscritores, pois os temas podem ser apresentados na forma duma árvore facilmente pesquisável. Relativamente ao por-canal, a principal diferença consiste na possibilidade duma única subscrição poder endereçar um conjunto alargado de temas, mediante o uso de técnicas de emparelhamento de expressões com nomes de tema. Por sua vez, os sistemas por-conteúdo estendem os por-assunto num espaço de informação n-dimensional, introduzindo a possibilidade de filtrar a informação difundida num tema. O nome do tema é tratado como um atributo obrigatório (a 0 ), e identifica cada um dos espaços (n-1)-dimensionais contidos no espaço do tema. 3

4 Em cada espaço (n-1), a informação é caracterizada por um conjunto próprio de atributos a 1,, a n-1, que juntamente com o tema a 0, permitem endereçar / seleccionar qualquer subconjunto de notificações de um espaço de até (n-1) dimensões, em função da combinação lógica ( e ) de operações relacionais entre cada um dos atributos a 0, a 1,, a n-1, e respectivos valores de comparação. Geralmente os operadores lógicos considerados são =, <>, <, >, e, tanto para valores escalares como para cadeias de caracteres. Algumas concretizações de por-conteúdo possibilitam o uso de expressões regulares para comparação de cadeias de caracteres, embora essa funcionalidade possa reduzir o potencial de escala do sistema. Outras soluções, permitem que os editores possam especificar o espaço de informação que produzem dentro dum tema, usando endereços por-conteúdo com um ou mais atributos condicionados a certos valores (SIENA em [1]). Cada notificação poderá ainda conter outros dados para além dos seus atributos, não acessíveis ao sistema de publicação e subscrição de informação. Esses dados, eventualmente estruturados, dizem apenas respeito à aplicação que faz uso do sistema. B. Soluções existentes Actualmente existem dois modelos diferentes de concretização do paradigma de publicação e subscrição de informação, nomeadamente, o modelo de rede de nós distribuidores (de agora em diante designados simplesmente por distribuidores), e o de grupos IP Multicast. No primeiro caso, existe uma rede de nós distribuidores ligados entre si, de modo hierárquico, acíclico ou livre, consoante a complexidade e desenho do sistema (Fig. 1). s s D D e D e e s D D e Fig. 1 Sistema de eventos com nós distribuidores livremente conectados. A cada um destes distribuidores poderão estar conectados editores e subscritores de informação, que em conjunto com os primeiros completam o sistema de eventos. Como se pode observar na figura anterior, editores e subscritores nunca trocam notificações directamente. Todo o tráfego flui dos primeiros para os últimos através da rede de distribuidores de acordo com algum algoritmo de encaminhamento, assente por exemplo, na propagação dos pedidos de subscrição pela rede, desde os subscritores até aos distribuidores ligados aos editores da informação requerida. É depois com base no 4

5 conhecimento recolhido dos pedidos de subscrição, que cada distribuidor posteriormente decide a qual dos seus distribuidores ou subscritores vizinhos deverá entregar as notificações recebidas. Alguns sistemas utilizam também mensagens de anúncio de publicações, emitidas pelos produtores de informação, de maneira a optimizar a difusão dos pedidos de subscrição (SIENA em [1]). Por seu lado, a capacidade de retenção de conhecimento das subscrições em cada distribuidor, permite mais facilmente a estes sistemas realizar o endereçamento porconteúdo. Num sistema que dê suporte a esta forma de endereçamento, cada distribuidor inspecciona o conteúdo de cada evento recebido e filtra-o de acordo com o interesse manifestado pelos seus vizinhos, sejam estes outros distribuidores ou simplesmente subscritores. Por sua vez, as soluções assentes em IP Multicast (por exemplo, OrbixTalk [3] e TIB/Rendezvous [5]) fazem a distribuição de notificações recorrendo a endereços de grupo IP. Nestas soluções a difusão está totalmente dependente dos protocolos de IP Multicast utilizados, e não existe uma rede de nós distribuidores intermédios entre editores e subscritores, tornando difícil a introdução eficiente de mecanismos porconteúdo. Assim, estes sistemas concretizam apenas o endereçamento por-assunto, sendo menos complexos que os anteriores. C. Limitações das soluções existentes Apesar das características do modelo de rede de servidores, particularmente a sua capacidade de retenção distribuída de conhecimento das subscrições (para encaminhamento eficiente das notificações) e de suporte a sistemas por-conteúdo, esta solução tem várias limitações. A primeira reside no dilema entre a expressividade ao nível do endereçamento porconteúdo, isto é, a riqueza relativa aos operadores disponíveis para selecção de conteúdo, e a capacidade geral de escala do sistema [1]. Em relação a este ponto, convém relembrar que num sistema destes todos os distribuidores realizam tarefas de filtragem e encaminhamento das notificações recebidas, e como tal, quanto maior for o peso da execução das operações de filtragem menor será a capacidade de atender a um número crescente de eventos dentro do sistema. A segunda limitação está relacionada com os mecanismos de encaminhamento dos pedidos de subscrição. Neste caso a solução passa normalmente pela difusão total das subscrições para todos os distribuidores do sistema, uma vez que, qualquer emissor ligado a qualquer um dos distribuidores pode publicar para qualquer assunto, pois não existem restrições na publicação em função da localização da fonte de informação. No entanto, existem técnicas que evitam a necessidade de propagação total de subscrições, através da utilização de mensagens de anúncio de novos temas [1]. Estas, sendo difundidas em toda a rede permitem que mais tarde não seja necessário dispersar totalmente os pedidos de subscrição, bastando dirigi-los para os distribuidores próximos das fontes de informação correspondentes. Esta técnica reduz efectivamente o número de mensagens de subscrição trocadas entre os distribuidores do sistema, à custa da dispersão total das mensagens de anúncio. No entanto como estas são em princípio em número muito mais reduzido do que os pedidos de subscrição, sendo geralmente emitidas uma única vez por cada nova fonte dum tema, o saldo final deste mecanismo é positivo. Ainda assim, num sistema de grandes dimensões (por exemplo em WAN) onde 5

6 a quantidade de assuntos pode ser na ordem dos milhares (ou mais), o custo para os distribuidores do conhecimento de todas as fontes de informação pode ser significante. A terceira limitação da arquitectura em rede de nós consiste na dificuldade em circunscrever a propagação dum evento a uma região da rede, pois não existe a noção de região de difusão neste paradigma de publicação de informação, quer pela ausência de mecanismos para enumeração dos nós que possam constituir cada região, quer pela impossibilidade de se referenciar regiões de difusão nos métodos de endereçamento porassunto e por-conteúdo originais. Uma quarta desvantagem deste paradigma, principalmente quando se dirige este tipo de soluções para publicação em WAN, reside no facto da rede de nós não fazer uso dos avanços na área da difusão de informação na Internet, nomeadamente dos relacionados com o IP Multicast. Esta limitação impede por exemplo, que um sistema de publicação na Internet, baseado numa rede de nós, não melhore o seu desempenho quando ocorrem melhorias nos protocolos de IP Multicast de suporte à difusão. Por seu lado, os sistemas de publicação de informação realizados com base em IP Multicast tiram partido imediato da evolução dos protocolos de difusão na Internet, o que lhes dá uma vantagem em relação aos sistemas anteriores. Por exemplo, nestes sistemas já é possível efectuar difusões circunscritas a certas regiões da rede, recorrendo por exemplo à configuração do parâmetro TTL (Time To Live) dos pacotes IP. No entanto, como vimos atrás estas soluções têm concretizado apenas o endereçamento por-assunto, principalmente devido à reduzida expressividade do endereçamento em grupo IP (ou se subscreve o grupo todo ou não se subscreve nada) e à inexistência de nós distribuidores intermédios que executem eficientemente a tarefa de filtragem de eventos. Outro problema que estas soluções têm, reside na forma como realizam o emparelhamento de endereços por-assunto em endereços de grupo, estando a qualidade destas soluções muito dependente da eficiência do algoritmo utilizado. Por exemplo, no OrbixTalk [3] a cada endereço por-assunto é atribuído um endereço de grupo IP Multicast retirado de uma lista de endereços disponíveis. Como tal, para um número muito elevado de endereços por-assunto, é preciso uma igual quantidade de endereços de grupo IP Multicast. Observando o estado tecnológico actual, esta solução pode constituir uma situação incomportável para as tabelas de encaminhamento, resultando em sobrecarga e degradação do sistema. Normalmente, a solução passa por alguma forma de reutilização de endereços de grupo. 6

7 III. Arquitectura proposta A maior parte das soluções baseadas nos modelos anteriores não passa do uso em redes locais devido aos constrangimentos ou problemas que o seu desenho apresenta quando inseridas em redes de maior escala como a Internet. As que têm aplicações em redes mais alargadas fazem-no em ambientes controlados, normalmente através de conexões ponto-a-ponto em forma de túnel. Como tal, estas soluções não oferecem uma base para um serviço de publicação e subscrição de informação de grande escala aplicável à Internet. É objectivo deste artigo propor uma nova arquitectura, que apoiada num modelo híbrido, pretende servir de base à criação dum serviço generalizado de publicação e subscrição de informação com capacidade de escala na Internet. Nesta nova arquitectura são usadas técnicas fundamentais dos dois modelos de publicação existentes, como sejam, a constituição de uma rede de nós distribuidores de eventos e o uso de emparelhamentos de endereços por-assunto em endereços de grupo IP Multicast. As novidades desta solução em relação às anteriores dizem respeito à constituição da rede de nós em domínios de publicação, à subscrição orientada aos assuntos de cada domínio, à publicação circunscrita à fronteira do domínio, ao suporte bastante eficiente aos paradigmas de endereçamento por-assunto e por-conteúdo, ao algoritmo de encaminhamento de eventos, ao algoritmo de emparelhamento de subscrições em endereços de grupo IP Multicast, e à faculdade de se poder efectuar controlo de acesso a cada assunto. Vejamos cada um destes pontos da arquitectura de cada vez. A. Domínios de publicação A topologia proposta para a rede de nós assenta na criação de domínios de publicação na Internet, definindo cada um o seu espaço de informação hierárquico, cujo conteúdo publicado é da responsabilidade da autoridade de publicação do domínio. Ao nível da infraestrutura de rede, um domínio é formado por um ou vários segmentos, de tal modo que exista sempre um caminho interior a ligar quaisquer duas máquinas dentro do domínio. Nestas incluem-se um ou mais distribuidores de eventos, responsáveis pelos pedidos de subscrição, pela gestão do espaço de assuntos e seus anúncios, pela execução do algoritmo de emparelhamento de subscrições (tanto por-assunto como por-conteúdo) em endereços de grupo IP Multicast, e pela entrega de notificações. Estes domínios de publicação possuem um nome DNS único, gerido pela autoridade do domínio, sendo utilizado tanto pelos subscritores como pelos editores do seu espaço de informação para fazer referência aos respectivos assuntos. Cada domínio pode ainda conter outros domínios, cuja autoridade poderá eventualmente ser delegada pela autoridade responsável pelo domínio pai. O nome DNS de cada um destes domínios filhos deverá descender obrigatoriamente do nome do domínio pai. Por exemplo, laranjada.bebidas.pt e limonada.bebidas.pt são domínios contidos em bebidas.pt. 7

8 Domínio A Domínio B Internet Domínio C Domínio D.1 Domínio D.2 Domínio D.3 Fig. 2 Domínios de publicação na Internet. B. Subscrição orientada A introdução de domínios de publicação identificados por nomes DNS modifica o paradigma original de publicação e subscrição de informação, criando o novo conceito de subscrição orientada ao domínio. Segundo este conceito, o nome DNS do domínio faz parte do endereço de qualquer assunto subscrito ou anunciado em qualquer dos modos de endereçamento, por-assunto ou por-conteúdo. Assim, o nome do domínio não só é usado para o localizar aquando da subscrição ou anúncio dum assunto do seu espaço de informação, mas também serve para indicar explicitamente a origem de toda a informação subscrita. Num serviço de publicação e subscrição de informação genérico e aberto, particularmente se realizado na Internet, esta propriedade pode revelar-se bastante importante por motivos de segurança, pois eventualmente será do interesse dos consumidores de informação conhecer quem a produz e poder confiar na sua integridade. Neste novo conceito, somente os editores contidos no domínio têm o direito de anunciar e publicar para o espaço de informação desse domínio. Daí se designar o responsável pelo domínio de autoridade de publicação. Como tal, ao contrário das soluções anteriores nas quais era necessário usar mecanismos de difusão total de anúncios 2 pela rede, esta nova arquitectura permite que os pedidos de anúncio e subscrição de assuntos sejam encaminhados directamente para os servidores responsáveis pelo domínio, e consequentemente para perto dos editores da informação. Isto possibilita que sua a capacidade de escala seja maior comparativamente com as soluções anteriores, pois não 2 No pior dos casos recorrem à difusão de subscrições por toda a rede, mas nem sequer essas soluções são aqui consideradas em virtude da sua ineficiência em sistemas de grande escala. 8

9 é necessário difundir quaisquer anúncios de assuntos pela rede de nós, nem é preciso que cada nó tenha conhecimento da localização de todos os assuntos (tal como acontece por exemplo no SIENA [1]). C. Publicação circunscrita Um outro conceito introduzido é designado por publicação circunscrita ao domínio. Esta faculdade está directamente relacionada com a utilização das novas tecnologias desenvolvidas dentro da comunidade responsável pela Internet Multicast Address Allocation Architecture, nomeadamente com o protocolo MZAP (Multicast-Scope Zone Announcement Protocol [6]). Este conceito torna possível delimitar a propagação de eventos dentro do domínio onde são publicados, com os domínios a serem definidos através gama de endereços de grupo IP Multicast que os seus editores podem usar para difusão interna, recorrendo ao protocolo MZAP 3. Esta capacidade constitui uma vantagem significativa em relação às soluções anteriores que não a contemplam de raiz dentro da sua arquitectura. Os conceitos de domínios de publicação, subscrição orientada ao domínio e de publicação circunscrita ao domínio, permitem introduzir na arquitectura mecanismos de controlo de acesso à informação, uma vez que a difusão desta pode ser limitada pela fronteira do domínio. Relativamente a este ponto, cabe à autoridade de publicação do domínio configurar se um assunto pode ser ou não subscrito do exterior, se todo o domínio está ou não acessível a partir de fora, ou se determinado subscritor pode ou não aceder a determinado assunto. Como se poderá facilmente verificar, este tipo de controlo é muito difícil de realizar em sistemas em que os editores podem produzir para qualquer assunto independentemente da sua localização na rede, ou seja, em sistemas onde a publicação não pode ser controlada. Entendemos que estas adaptações do paradigma de publicação e subscrição de informação original introduzidas com esta arquitectura, não reduzem a potencialidade dos sistemas distribuídos desenvolvidos sobre esta forma de comunicação. Uma eventual limitação a existir, diz respeito ao facto dos endereços de subscrição fazerem referência ao nome do domínio respectivo. Não obstante, o conceito de subscrição orientada ao domínio e a atribuição do direito de publicação num domínio somente aos editores nele contidos, trazem vantagens significativas, permitindo aumentar a capacidade de escala deste paradigma, condição necessária para que possa ser genericamente aplicado numa rede de grandes dimensões como a Internet. Simultaneamente, a ideia de difusão limitada dentro de domínios de publicação introduz uma possibilidade nova a ser explorada neste tipo de sistemas, podendo facilitar por exemplo o desenvolvimento de sistemas cooperativos. 3 Não entrando aqui em pormenores, pois não é esse o intuito deste artigo, convém realçar que o uso do MZAP trás várias vantagens por comparação com a limitação do alcance dos pacotes IP Multicast através da configuração do parâmetro TTL (Time To Live). Com o MZAP os routers são configurados para não deixar passar para fora do domínio os pacotes IP Multicast cujo endereço de grupo esteja dentro duma certa gama de endereços configurada no router, correspondente aos endereços privados do domínio. 9

10 D. Encaminhamento de eventos Na nova arquitectura, cada evento reportado é entregue num único pacote e como tal não pode exceder o tamanho que este reserva para dados. Esta escolha é fundamentada pelo facto de se entender um evento como um conjunto de dados reduzido, mas suficiente para caracterizar o acontecimento que reporta. Caso seja preciso, é sempre possível incluir uma referência para informação mais completa, não se limitando assim o desenvolvimento das aplicações. Por outro lado, esta opção evita a necessidade de reordenar pacotes, prescinde do uso de buffers em memória, e melhora os tempos de entrega dos eventos. Pelas mesmas razões, qualquer outro tipo de mensagem quer seja de controlo ou de execução dos algoritmos do sistema, é sempre entregue num único pacote. O algoritmo de encaminhamento determina o melhor caminho e a melhor forma de entrega dos eventos dinamicamente, fazendo uso dum conjunto de parâmetros tais como, o número máximo de subscritores para os quais podem ser encaminhados eventos em modo unicast, e a distribuição por domínios dos subscritores de cada assunto. Por exemplo, aquando da produção dum evento por um editor é sempre feita uma selecção inicial do conjunto de subscritores interessados. Se o número destes for inferior a um certo limite, o evento é entregue a cada um deles por unicast. Caso contrário o algoritmo considera a distribuição do conjunto por cada domínio em causa. Se para um domínio o número de subscritores for superior a um determinado valor, então cabe ao distribuidor desse domínio entregar o evento usando endereços de grupo locais. A partir deste momento, qualquer evento semelhante é enviado por unicast para cada um dos distribuidores escolhidos no passo anterior, passando estes a subscrever directamente junto dos editores no lugar dos subscritores respectivos. Este processo pode ainda repetir-se para os distribuidores, que comportando-se agora como subscritores em trânsito, podem ser substituídos pelos distribuidores do domínio imediatamente acima. Consequentemente, o número de decisões de encaminhamento adapta-se à quantidade de subscritores e à sua dispersão pelos domínios, a cada momento. Ao mesmo tempo, a carga das estruturas de subscrição também é aliviada. Por fim, os pedidos de subscrição são também encaminhados através da rede de nós de tal modo que o caminho por eles percorrido seja minimizado. E. Modos de endereçamento Relativamente aos modos de endereçamento suportados, esta arquitectura possibilita a subscrição de assuntos em por-assunto e por-conteúdo. A publicação só pode ser efectuada em por-assunto, isto é, não é possível anunciar a publicação dum subconjunto do espaço de informação dum assunto, mas somente a sua totalidade. Os assuntos são referenciados por um URL (Uniform Resource Locator) [7] com o formato <proto>://<domínio _dns>/<assunto>[?<filtro>], cuja escolha se deve à grande familiaridade com o mecanismo de endereçamento actualmente usado na Web. No nome do assunto podem ser usados os símbolos * e. durante a procura dos nomes de assunto dum domínio. Para anunciar, publicar ou subscrever é necessário especificar uma URL <proto>://<domínio_dns>/<assunto> completa. Somente na subscrição em por-conteúdo será possível estabelecer uma condição de filtro. Neste poderão ser usados os operadores lógicos usuais, a saber, <, >, =, <>, <=, e >=, bem como as ligações 10

11 lógicas e. Para tal cada evento é constituído por um conjunto de propriedades às quais estes operadores podem ser aplicados. Os tipos destas propriedades são de um modo geral todos os tipos primitivos incluindo, numérico, verdadeiro ou falso, cadeia de caracteres, data e conjunto de valores. No que diz respeito ao uso da tecnologia de IP Multicast, é utilizado um algoritmo de probabilidades para emparelhamento entre referências de assuntos e endereços de grupo. Este algoritmo assenta no pressuposto de que existem certos assuntos que são mais procurados do que outros ou que têm taxas de produção de eventos diferentes. O algoritmo explora a semelhança entre grupos de subscritores de vários assuntos como meio de reduzir a quantidade de endereços de grupo necessários para servir a população de subscritores. Comparativamente com outros métodos de emparelhamento, este algoritmo permite que o sistema se adapte o melhor possível à escassez de endereços de grupo disponíveis e pode evitar a sobrecarga das tabelas de encaminhamento dos routers. Ao mesmo tempo, é reduzida a probabilidade de qualquer subscritor receber eventos não desejados. O algoritmo de emparelhamento e o algoritmo de encaminhamento de eventos, permitem realizar eficientemente o endereçamento por-conteúdo sobre endereços de grupo IP Multicast. Deste modo reduz-se consideravelmente o dilema entre expressividade e capacidade de escala [1], pois grande parte da filtragem é feita na fonte de informação e nos distribuidores perto dos subscritores, ou seja, somente quando é estritamente necessário. IV. Conclusão Como vimos, as soluções que actualmente são usadas para realizar sistemas de publicação e subscrição de informação possuem formas bastante avançadas de referenciação da informação difundida. Algumas delas recorrem à classificação de eventos e incluem a possibilidade de endereçar a informação através das propriedades destes. No entanto, nenhuma delas tem a capacidade de escala suficiente para ser utilizada na produção de aplicações genéricas voltadas para a Internet. Neste trabalho, apresentámos uma nova arquitectura híbrida assente nos modelos de redes de nós e de difusão em IP Multicast. A conjugação destes dois modelos numa única solução permite reunir os poderes de expressividade do primeiro e a capacidade de escala e de evolução do segundo. Introduzimos também pela primeira vez as noções de domínios de publicação, de subscrição orientada ao domínio e de publicação circunscrita ao domínio, justificando-as com o seu potencial em aumentar a capacidade de escala dos sistemas de publicação. Por fim, motivámos para a necessidade de se criar mecanismos eficientes para controlo de acesso aos assuntos em cada domínio. Pensamos que a arquitectura apresentada introduz novas possibilidades neste paradigma de comunicação, capazes de impulsionar o desenvolvimento de aplicações de difusão de informação na Internet assentes na troca assíncrona de eventos. Exemplos destas aplicações serão, entre outros, de colaboração remota entre equipas de trabalho, de supervisão e controlo à distância de sistemas, e de distribuição de actualizações de documentos e de software. 11

12 V. Referências [1] A. Carzaniga, Architectures for an Event Notification Service Scalable to Wide-area Networks, PhD. Thesis, Politecnico Di Milano, December [2] Banavar et al., An Efficient Multicast Protocol for Content-Based Publish-Subscribe Systems, IBM T. J. Watson Research Center, IEEE [3] D. Glance, Multicast Support for Data Dissemination in OrbixTalk, IONA Technologies Pty. Ltd, September [4] Stardust.com Inc., The Evolution of Multicast: From the MBone to Inter-Domain Multicast to Internet2 Deployment, September [5] TIBCO Inc., Rendezvous Information Bus, 19 July [6] M. Handley, D. Thaler, R. Kermode, Multicast-Scope Zone Announcement Protocol, RFC 2776, February [7] T. Berners-Lee, Universal Resource Identifiers in WWW, RFC 1630, June [8] Object Management Group Inc., Common Object Request Broker Architecture (CORBA), 2 September