Universidade Centro. Candidato. Orientador Silvio Meira

Transcrição

1 Pré projeto de Pesquisa (Dissertação de Mestrado) Universidade Federal de Pernambuco Centro de Informática Backup incremental em redes P2P Tema: Realização de backup de dados em ambiente de GRIDS computacionais Pré projeto apresentado ao programa de pós graduação em Ciências da Computação do CIn/UFPE, como parte da documentação necessária para o processoo seletivo Candidato Vinícius de Melo Rocha Orientador Silvio Meira Área de Pesquisa Engenharia de Software Recife 2009

2 1. Introdução A facilidade para criação de arquivos em formato digital tem levado a um crescimento significativo na quantidade de dados armazenados nos computadores. Porém, sua fragilidade não o torna um local seguro para guardar essa gama de informações, uma vez que são factíveis a erros de operação, vírus, falhas de hardware, dentre outros. Pensando nisso, este pré projeto aborda a importância do aprofundamento nos estudos de sistemas de backup incremental em redes P2P. Na sessão dois (2) discorremos sobre a fundamentação teórica para a construção do objeto de pesquisa, enquanto a motivação e o objetivo são descritos nas sessões três (3) e quatro (4). A referência bibliográfica pode ser verificada na sessão cinco (5). 2. Fundamentação Uma forma simples de prevenir a perda de dados está em realizar regularmente uma cópia de segurança dos arquivos. Mesmo existindo várias formas para realizar essa tarefa, a abordagem mais comum é usando discos removíveis, o que não se mostrada muito prático uma vez que a quantidade de dados tem crescido cada vez mais e o armazenamento dos discos também está sujeito a acidentes físicos e desgastes naturais. Uma abordagem mais recente está em alguns serviços oferecidos para armazenamento dos arquivos online, como o Mozy [12] e DropBox [13]. No entanto, essas soluções de backup ainda possuem um elevado custo e risco, uma vez que os dados permanecem centralizados. Baseado no fato de que a capacidade de armazenamento dos computadores dificilmente é utilizada em sua totalidade [14], existem vários sistemas peer to peer (P2P) [1, 2, 4] que exploram esse espaço ocioso para construir uma rede cooperativa de backup de dados. Esses sistemas distribuídos possuem como requisitos fundamentais: promover a segurança, baixo custo e alta disponibilidade dos dados armazenados. Outros sistema, como o pstore [3], vão mais além, fazendo o uso de backup incremental. Essa abordagem promove três grandes benefícios: a possibilidade de versionamento de arquivos; redução do espaço necessário para replicação dos dados, uma vez que diferentes arquivos podem compartilhar os mesmos blocos; a redução do consumo de banda passante, já que não se faz necessário o tráfego de todo o arquivo pela rede. 1

3 A seguir descoremos mais sobre a disponibilidade dos arquivos em redes P2P, bem como o papel dos backups incrementais e redes sociais nesse cenário. 2.1 Disponibilidade Podemos definir disponibilidade como a probabilidade de um arquivo poder ser acessado em um dado instante de tempo. Para que isto ocorra em um grau de satisfação aceitável, faz se necessário a replicação (redundância) dos dados em vários computadores, o que gera um aumento de tráfego na rede. Toda vez que uma alteração é feita em um arquivo, é preciso que ele seja copiado novamente. Com o uso de backup incremental isso não é necessário, tendo apenas que enviar os blocos de arquivo que sofreram alterações. Essa técnica vem sendo aplicada em sistemas como o pstore [3]. A natureza distribuída dos sistemas P2P contribui para uma maior confiabilidade, uma vez que a distribuição geográfica intrínseca dos pontos de rede (peers) reduz as chances de falha simultânea por acidentes catastróficos. No entanto, computadores em uma rede P2P estão disponíveis apenas uma fração de tempo, ou estão sujeitos as mesmas falhas mencionadas na introdução, o que pode trazer prejuízos a disponibilidade dos dados armazenados. Para minimizar esses riscos, sistemas como o Cooperative Internet Backup Schema [10] e o Wuala [15], apresentam resultados satisfatórios na utilização de erasure codes Reed Solomon [11]. Nesta técnica o arquivo é segmentado em n blocos que são distribuídos na rede junto com outros m blocos calculados que serão usados para recuperação em caso de falhas. 2.2 Backup incremental Partindo da máxima de que as alterações sofridas na grande maioria dos arquivos são incrementais (documentos, códigos fonte e até alguns aspectos de arquivos binários), existem hoje vários trabalhos relacionados ao controle de versão (Bazaar, darcs, Git) que exploram essa similaridade dos arquivos para economia de consumo da banda e espaço de armazenamento em disco. Isto trás benefícios, também, quando falamos em backup, mesmo que o foco do backup não esteja no versionamento dos arquivos, mas sim a economia de tráfego de dados e do espaço necessário para armazenamento desses dados. Na maioria dos sistemas de backup P2P, esse controle incremental é feito através da segmentação dos arquivos. Segue uma proposta de backup incremental descrita no artigo produzido no MIT, pstore: a secure peer to peer backup system [3]. 2

4 O arquivo é segmentado em blocos que recebem uma assinatura. Essas assinaturas são estruturadas em metadados que informam como esse arquivo pode ser remontado novamente. Esses blocos e metadados são enviados para a rede e, caso o arquivo sofra alguma alteração, apenas os blocos alterados serão enviados novamente. Figura 1: Uma File Block List (FBL) e seus File Blocks (FB): (a) um arquivo composto de três FBs de mesmo tamanho, (b) mostra como uma nova versão pode ser atualizada apenas adicionando um único FB. Um arquivo é representado por um File Block List (FBL) e vários File Blocks (FB). Cada FB possui um pedaço do arquivo, enquanto a FBL forma uma lista ordenada de todos os FBs usados para compor esse arquivo. Cada FB possui ainda uma assinatura em código hash do conteúdo do arquivo que pode ser utilizado para validar a consistência dos dados. Outros atributos, como permissão de acesso, também podem ser adicionados ao metadado. Quando falamos em segmentação de arquivos, essa técnica assemelha se ao erasure codes, utilizado para aumentar a disponibilidade do sistema. Porém, o grande desafio está em conseguir utilizar as duas técnicas simultaneamente, no intuito de obter o melhor das duas abordagens: economia de banda e versionamento; alta disponibilidade. 2.3 Redes sociais No artigo On the Impact of the Data Redundancy Strategy on the Recoverability of Friend to Friend Backup Systems [7] encontramos um estudo substancial sobre os benefícios das redes sociais em sistemas P2P. Nessas redes o termo friend to friend (F2F) tem sido utilizado para definir sistemas P2P que fazem uso de redes sociais [9], a exemplo de projetos como o OurBackup [8]. 3

5 Ao contrário das redes F2F, nos sistemas anônimos existe uma grande chance de ocorrerem problemas como o free riding, termo comumente usado para expressar quando alguém utiliza um serviço sem oferecer nada em troca. No caso das redes P2P, quando existe um relacionamento entre os peers, eles tendem a permanecer conectados para um bem comum. Assim como o backup incremental, isto reduz o consumo de banda e armazenamento, uma vez que os dados não precisam ser novamente replicados pelo fato de algum peers ter deixado a rede. 3. Objetivos 3.1 Geral Desenvolver um sistema de backup incremental distribuído confiável e eficiente. 3.2 Específicos Desenvolver protótipos para validar tecnologias propostas em outros trabalhos. Documentar resultados, sugerindo melhorias a estudos já realizados. Validar a utilização de erasure codes em sistemas de backup incremental. 4. Justificativa Conforme constatado na dissertação de mestrado OurBackup: uma solução P2P de backup baseada em redes sociais [8], técnicas como o erasure codes têm se mostrado mais eficientes que outras, como a simples replicação dos dados. No entanto, conforme também descrito, sua aplicabilidade nas redes de backup distribuído incremental mostra se, ainda, pouco praticável, existindo, assim, uma grande carência acadêmica na abordagem desse tópico. Dessa forma, um estudo mais aprofundado das tecnologias já propostas levará as redes de backup distribuído incremental a um novo patamar. Vejo, então, no programa de pós graduação em ciências da computação, oferecido pelo CIn/UFPE, uma excelente oportunidade para promover o desenvolvimento profissional e acadêmico através de um ambiente de pesquisa tido como referência e excelência em suas áreas de atuação. 4

6 5. Referência bibliográfica [1] Martin Landers, Han Zhang, Kian Lee Tan. PeerStore: Better Performance by Relaxing in Peer to Peer Backup, p2p, pp , Fourth International Conference on Peer to Peer Computing (P2P'04), [2] Landon P. Cox, Christopher D. Murray, and Brian D. Noble. Pastiche: Making backup cheap and easy. In Proc. of the Fifth ACM/USENIX Symposium on Operating Systems Design and Implementation, Boston, MA, December [3] C. Batten, K. Barr, A. Saraf, and S. Treptin. pstore: A secure peer to peer backup system. Technical Memo MIT LCS TM 632, MIT Laboratory for Computer Science, December [4] Landon P. Cox and Brian D. Noble. Samsara: Honor among thieves in peer to peer storage. In Proc. of the 19th ACM Symposium on Operating Systems Principles, Bolton Landing, NY, October [5] Athicha Muthitacharoen, Robert Morris, Thomer M. Gil e Benjie Chen. Ivy: A read/write peer to peer file system. In Proc. of 5th Symposium on Operating Systems Design and Implementation, [6] John Kubiatowicz, David Bindel, Yan Chen, Patrick Eaton, Dennis Geels, Ramakrishna Gummadi, Sean Rhea, Hakim Weatherspoon, Westly Weimer, Christopher Wells e Ben Zhao. Oceanstore: An architecture for global scale persistent storage. In Proc. of ACM ASPLOS. ACM, November [7] OLIVEIRA, Marcelo Iury de Sousa ; CIRNE, W. ; BRASILEIRO, F. ; GUERRERO, D.. On the Impact of the Data Redundancy Strategy on the Recoverability of Friend to Friend Backup Systems. In: Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, 2008, Rio de Janeiro. Anais do 26o. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos. Porto Alegre: Sociedade Brasileira de Computação, v. v. 1. p. p [8] M. Oliveira. OurBackup: A P2P backup solution based on social networks, MSc Thesis, Universidade Federal de Campina Grande, Brazil, [9] Colaço, Eduardo M.; OLIVEIRA, Marcelo Iury de Sousa; Soares, Alexandro S.; Brasileiro, Francisco; Guerrero, Dalton S. Using a file working set model to speed up the recovery of Peer to Peer backup systems, SIGOPS Oper. Syst. Rev., Vol. 42, No. 6. (2008), pp

7 [10] Mark Lillibridge, Sameh Elnikety, Andrew Birrell, Michael Burrows, e Michael Isard. A cooperative internet backup scheme. In USENIX AnnualTech nical Conference, GeneralTrack, pages 29 41, [11] James S. Plank. A tutorial on Reed Solomon coding for fault tolerance in RAID like systems. Technical report, Knoxville, TN, USA, [12] Online Backup, Data Backup & Remote Backup Solutions from Mozy.com. Web Page found at accessed on October [13] Dropbox Home Secure backup, sync and sharing made easy. Web Page found at accessed on October [14] J.R. Douceur and W.J. Bolosky. A large scale study of filesystem contents. In Proc. of the 1999 ACM International Conference on Measurement and Modeling of Computer Systems (SIGMETRICS 99). Atlanta, Georgia, USA, May [15] Wuala Secure Online Storage Backup. Store. Share. Access Everywhere. Web Page found at accessed on October [16] Fernandes, S., Silvestre, G., Rocha, J., Dias, K., Kamienski, C. A., Sadok, D., Análise de Tráfego P2P no Backbone da RNP, In Proc. of 22º Simpósio Brasileiro de Redes de Computadores (SBRC 2004), Gramado/RS, May