Otimizando o Desempenho do SimRWA 2.0 usando a Técnica de Profiler para Identificação de Gargalos

Transcrição

1 Otimizando o Desempenho do SimRWA 2.0 usando a Técnica de Profiler para Identificação de Gargalos Gilvan M. Durães 1, André C. B. Soares, William F. Giozza NUPERC Universidade Salvador UNIFACS R. Ponciano de Oliveira, 126, Rio Vermelho Salvador, BA Brazil gilvan.duraes@cc.unifacs.br, {andre.soares, giozza}@unifacs.br Abstract. The SimRWA is a simulation tool for RWA (Routing and Wavelength Assignment) algorithms and survivability technique in all optical networks. In this paper the profiler technique is used to identify bottlenecks in the source code of SimRWA. Once identified the main bottlenecks, they were eliminated, resulting in a response time reduction of about 35%. Resumo. O SimRWA é uma ferramenta para simulação de algoritmos RWA e de técnicas de sobrevivência em redes ópticas transparentes. Este artigo apresenta uma otimização do desempenho do SimRWA usando a técnica de profiler para a identificação de gargalos do código. Os resultados alcançados implicaram numa redução de aproximadamente 35% no tempo de resposta do SimRWA. Palavras-Chave: redes ópticas, simulador, profiler. 1. Introdução Atualmente tem sido desenvolvida uma nova geração de redes de transporte baseada em uma infra-estrutura óptica inteligente que utiliza a multiplexação WDM Wavelength Division Multiplexing. Essa nova tecnologia de redes, chamada de redes ópticas, é apontada como um dos principais veículos para atender, de forma satisfatória, a crescente demanda de banda passante nas redes de transporte, provocada pelo crescimento do número de usuários da Internet e o surgimento de novas aplicações envolvendo voz e vídeo como vídeo sob demanda, teleconferência, imagens médicas de alta resolução, etc. As redes ópticas podem ser classificadas em opacas ou transparentes [Ramaswami e Sivarajan, 1998]. As redes ópticas opacas realizam roteamento no nível eletrônico sendo necessária a utilização de conversores OEO Óptico-Eletro-Óptico. As redes ópticas transparentes realizam roteamento no nível óptico eliminando os conversores OEO. Os conversores OEO são responsáveis pela inserção de atrasos de processamento além de aumentar o custo dos equipamentos [Mouftah e Ho, 2002]. Por isso a evolução das redes ópticas aponta para as redes ópticas transparentes. No estabelecimento de uma conexão entre dois nós através de uma rede óptica transparente é necessário escolher uma rota e alocar um comprimento de onda. Esse problema é conhecido na literatura como o problema RWA Routing and Wavelength 1 Bolsista de Iniciação Científica (PIBIC FAPESB), aluno do curso de Ciência da Computação da Universidade Salvador.

2 Assignment. O problema RWA pode ser classificado em estático ou dinâmico [Soares e Giozza, 2004]. O problema RWA estático tem como objetivo minimizar o número de comprimentos de onda necessários para atender um conjunto de conexões conhecidas previamente. Já no problema RWA dinâmico, as conexões não são conhecidas previamente. Nesse caso o objetivo é selecionar uma rota e alocar um comprimento de onda, minimizando a probabilidade de bloqueio de futuras conexões, dado um conjunto de comprimento de onda. Na ausência de conversores de comprimento de onda, uma conexão deve utilizar o mesmo comprimento de onda em todos os enlaces físicos que compõem o caminho óptico. Essa propriedade é conhecida como continuidade obrigatória de comprimento de onda. Conversores de comprimento de onda são dispositivos localizados nos nós da rede óptica que possibilitam a conversão de um comprimento de onda de entrada em outro comprimento de onda de saída. Esses dispositivos permitem uma melhor utilização dos comprimentos de onda, minimizando a probabilidade de bloqueio de conexões [Chu et al., 2003]. Conversores de comprimento de onda são dispositivos ainda caros. Uma alternativa para eliminar os custos dos conversores de comprimento de onda é a adoção de algoritmos de alocação de comprimento de onda. Esses algoritmos devem minimizar a probabilidade de bloqueio de futuras conexões numa rede óptica transparente. Vários trabalhos recentes demonstram que os algoritmos de roteamento e alocação de comprimento de onda são os principais instrumentos para diminuir a probabilidade de bloqueio em redes ópticas transparentes [Pan HWDO, 2003] [Zang et al., 2000] [Barry e Subramaniam, 1997]. Dada a complexidade da solução analítica para o cálculo da probabilidade de bloqueio de conexões em redes ópticas transparentes e a inexistência de sistemas reais disponíveis para a realização de medições, é indispensável a utilização de simuladores de redes ópticas para a realização destes estudos. O SimRWA é uma ferramenta para simulação de algoritmos de alocação de comprimentos de onda e rotas em redes ópticas transparentes permitindo comparar esses algoritmos sob diferentes condições de tráfego e utilizando topologias genéricas [Soares et al.,2004]. Além disso, o SimRWA possibilita o estudo dos algoritmos de roteamento e alocação de comprimentos de onda sob o dimensionamento do número e do tipo de transmissores e receptores nos nós da rede óptica [Soares et al.,2005c] e sob diferentes técnicas de sobrevivência [Soares et al., 2005b]. Ele foi desenvolvido utilizando a linguagem de programação JAVA. O uso do SimRWA para estudos de redes ópticas modelando cenários complexos requer altos tempos de resposta, mesmo utilizando máquinas com um alto poder de processamento. Diante disso, surge o interesse em otimizar a ferramenta com o objetivo de diminuir o tempo de resposta. Este artigo descreve os passos da aplicação da técnica profiler no SimRWA e como a técnica de profiler contribuiu para identificação de gargalos no SimRWA. Além disso, são detalhadas as modificações realizadas com o objetivo de eliminar e/ou reduzir os gargalos identificados. O restante deste artigo está organizado da seguinte forma: a Seção 2 apresenta as

3 motivações e objetivos deste trabalho. A Seção 3 descreve a técnica de profiler, evidencia os gargalos identificados no SimRWA 2.0 [Soares et al.,2005a] e apresenta a seqüência de alterações feitas no seu código fonte. Por fim, a conclusão é apresentada na Seção Motivações e Objetivos Após a utilização do SimRWA para a realização de diversos estudos de avaliação de desempenho foi identificado um alto tempo de resposta para simulações mais complexas. Diante disso, foi feito um estudo de desempenho com relação ao tempo de resposta do SimRWA. Nesse estudo foi utilizada a topologia da rede NSFNET (Figura 1). Figura 1. Topologia da rede NSFNET. Foram simulados os algoritmos Random, Most Used, Least Used, Max-Sum e Relative Capacity Loss utilizando roteamento fixo de menor caminho (algoritmo de Dijkstra) [Soares e Giozza, 2004]. Todos os enlaces são bidirecionais utilizando para cada sentido uma fibra óptica multiplexando 40 comprimentos de onda. As intensidades de tráfego por nó foram 10, 30, 50, 70, 90, 110, 130 e 150 Erlangs. Foram realizadas 4 replicações de requisições de conexões para cada intensidade de tráfego. As simulações foram executadas em um PC AMD Semprom(tm) ,6 GHz, 240 MB de RAM, com Windows XP SP2, apenas na Máquina Virtual Java (JVM) e o tempo de resposta do SimRWA foi de aproximadamente 112 minutos o que consideramos um alto tempo de resposta. Diante desse tempo de resposta significativamente alto, surgiu o interesse de otimizar o SimRWA e, devido ao grande número de métodos em todas as 70 classes do SimRWA, utilizar ferramenta de profiler para identificação de gargalos de processamento. 3. Identificando e Eliminado Gargalos de Processamento do SimRWA 2.0 O profiler é uma técnica de otimização que permite detectar falhas no código que podem causar retardo na aplicação. Durante a execução do aplicativo em teste o profiler mantém um registro de todas as chamadas dos métodos, gerando em tempo de execução, dados estatísticos sobre: criação de objetos, coleta de lixo e uso de recursos do sistema (processador, memória, rede, disco) para cada método, indicando o seu nome

4 e sua classe. Estas informações são necessárias para diagnosticar erros e problemas de desempenho relacionados ao código. A técnica de profiler é geralmente empregada através da utilização de uma ferramenta de profiler (software) que analisa a utilização dos recursos do computador em função da execução de um código fonte específico (e.g. classes Java) [BORLAND SOFTWARE CORPORATION, 2005], [APPPERFECT CORPORATION, 2005] [YOURKIT LCC, 2005]. Dessa forma, uma ferramenta de profiler pode ser composta por módulos que analisam a utilização de recursos sob diferentes aspectos: a) Profiler da Memória é a parte responsável por investigar problemas relacionados à memória. Esta opção mostra as classes carregadas, quais métodos usam a memória excessivamente, escapes de memória, referências e detalhes da coleta automática de lixo. b) Profiler do Processador esta opção fornece informações sobre a utilização do processador, como o número de vezes que um método é invocado, o seu tempo de execução e o tempo total da aplicação. c) Thread Profiler permite analisar o processo de execução de cada parte do aplicativo, relatando seus estados (executando, esperando, bloqueado, parado). Caso exista um deadlock, ponto em que o aplicativo fica bloqueado devido à espera de partes do processo por um evento que pode nunca ocorrer, o Thread Profiler mostra todas as partes envolvidas. d) Profiler do Sistema fornece informações detalhadas sobre os recursos do sistema que estão sendo usados pelos vários processos em execução na máquina: utilização da rede, quantidade de pacotes enviados e recebidos, percentagem de utilização do processador, memória livre e memória utilizada, escrita e leitura do disco. Neste trabalho foi utilizado o Optimizeit Enterprise Suite 6.0 for JAVA [BORLAND SOFTWARE CORPORATION, 2005] e especialmente o profiler do processador para identificar os métodos mais invocados e com maiores tempos de execução no SimRWA Os Gargalos do SimRWA 2.0 Para este trabalho, todas as simulações feitas seguem o cenário descrito na Seção 2. Os resultados dos tempos de resposta apresentados nesta Seção foram obtidos submetendo o SimRWA 2.0 ao Optimizeit Enterprise Suite 6.0 for JAVA. Para cada tempo apresentado foi feita uma média aritmética de 5 execuções da ferramenta de profiler. Isso foi feito devido a variabilidade dos resultados para um mesmo cenário estudado em diferentes execuções do Optimizeit Enterprise Suite 6.0 for JAVA. Os tempos dos métodos são tempos absolutos acumulados durante toda a simulação, ou seja, o Optimizeit pára de incrementar o tempo de um método quando este invoca um outro método. Na Tabela 1 destacamos os métodos com maiores tempos de execução da versão 2.0, bem como a média do tempo total das simulações fornecidos pela ferramenta de profiler.

5 Tabela 1. Métodos da versão 2.0 com maiores tempos de execução. Método Tempo (ms) % procurano() ,25 caminholivrepararota() ,73 interfacceparanoa() ,43 proximodeaotimo() ,15 Rcl.heuristicaAtual() ,80 lambdalivreparanoa() ,17 getdestino() ,31 insere() ,15 Total A Tabela 1 apresenta os principais métodos candidatos a otimização, isto é os métodos que representam gargalos de processamento do SimRWA. As subseções a seguir apresentam a seqüência de alterações feitas no código fonte e as comparações de desempenho entre versões. 3.2 Primeira Alteração. Foi encontrado no método caminholivrepararota() invocação desnecessária do método proximodeaotimo(), conforme mostra a Figura 2. Figura 2. Invocação desnecessária do método proxdeaotimo() no método caminholivrepararota() do SimRWA 2.0. Observe que a variável noori (linha 8) estava recebendo o retorno do método proxdeaotimo(noori), mas este retorno já estava armazenado na variável noadj (linha 2). Sendo assim, necessário apenas copiar o valor de noadj para noori. Este mesmo tipo de erro foi encontrado e corrigido em mais 11 métodos, gerando a versão 2.1 do SimRWA. Os resultados de desempenho são apresentados na

6 Tabela 2. Tabela 2. Comparação de desempenho entre as versões 2.0 e 2.1 do SimRWA SimRWA 2.1 Ganho em Relação a versão 2.0 Método Tempo(ms) % Tempo(ms) % procurano() , ,30 caminholivrepararota() , ,99 interfacceparanoa() , ,31 proximodeaotimo() , ,77 Rcl.heuristicaAtual() , ,05 lambdalivreparanoa() , ,23 getdestino() , ,03 insere() , ,47 Total ,39 Conforme observado, houve uma melhora significativa nos tempos dos métodos caminholivrepararota() e proximodeaotimo() e, consequentemente, uma queda de 4,39% no tempo total da simulação. 3.3 Segunda Alteração. O método procurano(), na versão 2.1 do SimRWA, ainda é o método que mais tempo de CPU consome. No SimRWA, o Vector 2 listanorota 3 de inteiros armazena os identificadores dos respectivos objetos da classe ElementosNo 4 especificados por um objeto da classe Rota. Assim, quando é necessário acessar e/ou alterar os atributos de um objeto da classe ElementosNo, é chamado o método procurano() para que, depois de procurar no Vector listano, retorne o nó ElementoNo correspondente ao identificador armazenado no Vector listanorota. 2 Classe do pacote java.util. 3 Atributo da Classe Rota que pertence ao SimRWA, especifica quais os nós compõem uma determinada rota. 4 Classe do SimRWA que representa um nó óptico.

7 Figura 3. O método procurano(). A solução encontrada foi armazenar uma referência para o próprio objeto da classe ElementoNo em listanorota e não apenas o seu identificador, assim, não é mais necessário invocar o método procurano() para acessar os atributos de cada objeto da classe ElementoNo pertencente a uma rota. Esta solução foi aplicada obtendo-se a versão 2.2 do SimRWA. A Tabela 3 mostra o desempenho obtido na versão 2.2 em relação à versão anterior. Tabela 3. Comparação de desempenho entre as versões 2.1 e 2.2 do SimRWA SimRWA 2.2 Ganho em Relação a versão 2.1 Método Tempo(ms) % Tempo(ms) % procurano() 34 0, ,0 caminholivrepararota() , ,99 interfacceparanoa() , ,27 proximodeaotimo() , ,25 Rcl.heuristicaAtual() , ,11 lambdalivreparanoa() , ,10 getdestino() , ,31 insere() , ,32 Total ,70 Conforme esperado, houve uma grande diminuição no tempo gasto em procurano() e uma queda de 23,7% no tempo total da simulação. Todavia, os métodos interfacceparanoa() e proximodeaotimo() aumentaram seus tempos devido ao Vector listanorota armazenar referências para objetos da classe ElementoNo e não mais inteiros como antes. A terceira alteração foi feita nestes

8 métodos. 3.4 Terceira Alteração. Agora, após a diminuição quase que total do tempo gasto por procurano(), os 3 métodos que mais se destacam são: caminholivrepararota(), interfacceparanoa() e proximodeaotimo(). Ambos os métodos, apresentam invocações repetitivas de outros métodos. Como exemplo, a Figura 4 mostra o método interfacceparanoa(). Observa-se que foi tirada do loop a invocação do método getid() (linha 9) e atribuído o seu retorno à variável ida antes de entrar no loop (linha 5). Figura 4. Invocações repetitivas do método getid() no método interfacceparanoa(). O mesmo ocorre nos métodos caminholivrepararota() e proximodeaotimo() com os métodos getdestino() e getid(), respectivamente. Essa foi a alteração feita gerando a versão 2.3 do SimRWA e os resultados seguem na Tabela 4. Tabela 4. Comparação de desempenho entre as versões 2.2 e 2.3 do SimRWA SimRWA 2.3 Ganho em Relação a versão 2.2 Método Tempo(ms) % Tempo(ms) % procurano() 97 0, ,00 caminholivrepararota() , ,77 interfacceparanoa() , ,15 proximodeaotimo() , ,67 Rcl.heuristicaAtual() , ,11 lambdalivreparanoa() , ,54 getdestino() , ,76

9 insere() , ,71 Total , Desempenho Acumulado. A Tabela 5 compara a versão 2.0 do SimRWA, antes da aplicação das otimizações, com a versão 2.3 do SimRWA, após as eliminações dos principais gargalos, localizadas nos métodos críticos identificados pelo Optimizeit. Ressaltamos que foram feitas 5 simulações idênticas para cada versão e todos os tempos apresentados são resultados da média aritmética destas simulações. Tabela 5. Comparação de desempenho entre as versões 2.0 e 2.3 do SimRWA SimRWA 2.3 Ganho em Relação a versão 2.0 Método Tempo(ms) % Tempo(ms) % procurano() 97 0, ,25 caminholivrepararota() , ,46 interfacceparanoa() , ,5 proximodeaotimo() , ,77 Rcl.heuristicaAtual() , ,03 lambdalivreparanoa() , ,52 getdestino() , ,74 insere() , ,36 Total ,25 A diminuição do tempo de resposta em cerca de 30%, após pequenas alterações no código evidencia a grande importância da técnica profiler, ao revelar os métodos críticos do SimRWA os quais foram modificados. É importante ressaltar que a identificação dos gargalos não seria trivial sem a utilização da ferramenta de profiler, dado o grande número de classes e métodos do SimRWA. Além disso, devemos evidenciar também que a eliminação dos gargalos identificados pela ferramenta de profiler foi feita através de uma análise cuidadosa dos métodos críticos, posteriormente otimizados por nossa equipe. Para medir a real otimização (em termos de tempo de resposta) do SimRWA 2.3 em relação a versão 2.0 realizamos o mesmo estudo descrito na Seção 2. Desta vez, medimos o tempo de resposta da versão 2.3 sem a utilização da ferramenta de profiler. O tempo para a simulação desse último experimento foi de aproximadamente 73 minutos, ou seja, o SimRWA 2.3 gastou aproximadamente 35% a menos do tempo do SimRWA 2.0. Essas simulações foram realizadas apenas na Máquina Virtual Java (JVM). Ressaltamos que também foram feitas 5 simulações idênticas tanto na versão 2.0 como na versão 2.3 do SimRWA para esta comparação e que os tempos apresentados são resultados da média aritmética destas simulações.

10 O ganho de aproximadamente 5% quando as simulações são feitas apenas na Máquina Virtual Java é em decorrência do não processamento da ferramenta de profiler durante tais simulações. 4. Conclusão A implantação de redes ópticas transparentes para compor a futura infra-estutrura de transporte dos backbones dos provedores de serviço de telecomunicações é uma tendência mundial. Os algoritmos de alocação de comprimento de onda e as estratégias de roteamento estudados constituem-se em instrumentos valiosos na otimização dos recursos das redes ópticas transparentes. Principalmente quando a tecnologia de conversores de comprimento de onda ainda não está amadurecida e competitiva. Atualmente, a utilização de ferramentas para simulação de redes ópticas transparentes é de grande importância para a realização de dimensionamentos e estudos comparativos. Com o objetivo de reduzir o tempo de resposta da ferramenta SimRWA apresentamos neste trabalho a utilização da técnica de profiler para identificação de gargalos que posteriormente foram eliminados com nossa intervenção. Após a realização da otimização descrita neste artigo foi possível alcançar uma diminuição de aproximadamente 35% no tempo de resposta do SimRWA. É importante evidenciar que a diminuição do tempo de resposta é um grande incentivo para que sejam realizadas simulações de cenários mais realísticos e consequentemente mais complexos. Referências Ramaswami, R. e Sivarajan, K. N. (1998). Optical Network - A Practical Perspective. Morgan Kaufmann Publishers. Mouftah, H. T. and Ho, P. (2002). Optical Networks - Architecture and Survivability. Kluwer Academic Publishers. Soares, A. C. B. e Giozza, W. F. (2004). Avaliação de desempenho de algoritmos para alocação dinâmica de comprimentos de onda em redes ópticas transparentes. In Simpósio Brasileiro de Redes de Computadores 2004, pages Chu, X., Li, B., e Chlamtac, I. (2003a). Wavelength converter placement under different rwa algorithms in wavelength-routed all optical networks. IEEE TRANSACTION ONCOMMUNICATIONS, pages Pan, D., Qi, Z., Zhao, J., and Ji, Y. (2003). A new dynamic wavelength assignment algorithm:load equalization algorithm. In International Conference on Communication technology, pages Zang, H., Jue, J. P., e Mukherjee, B. (2000). A review of routing and wavelength assignment approaches for wavelength-routed optical WDM network. Optical Network Magazine. Barry, R. A. e Subramaniam, S. (1997). The max-sum wavelength assignment algorithm in wdm ring networks. In OFC 97. Soares, A. C. B., Neto, J. C. M., e Giozza, W. F. (2004). SimRWA: Uma ferramenta para avaliação de desempenho de algoritmos para alocação de comprimentos de onda e rotas em redes ópticas transparentes. In III Salão de Ferramentas do Simpósio Brasileiro de Redes de Computadores, pages

11 Soares, A. C. B., Assis, K. D. R., e Giozza, W. F. (2005c). WDM Mesh Networks under Limitations in the Number of Transceivers per Node. In ICT Soares, A. C. B., Neto, J. C. M., e Giozza, W. F. (2005b). Sobrevivência em redes ópticas wdm sob influência de algoritmos de alocação de rota e de comprimentos de onda. In Simpósio Brasileiro de Telecomunicações - SBrT. Soares, A. C. B., Neto, J. C. M., e Giozza, W. F. (2005a). SimRWA 2.0: Uma ferramenta para avaliação de desempenho de algoritmos RWA e de técnicas de sobrevivência em redes ópticas transparentes. In IV Salão de Ferramentas do Simpósio Brasileiro de Redes de Computadores. AppPerfect, Java Testing and Monitoring Solutions, disponível em acessado em 27/01/2006. Optimizeit Enterprise Suite, Uma Solução de Performance Completa para Java, disponível em acessado em 27/01/2006. YourKit, The Industry Leader in Java Profiling, disponível em acessado em 27/01/2006.