Um algoritmo de substituição de objetos em cache na Internet baseado em semântica

Transcrição

1 Um algoritmo de substituição de objetos em ahe na Internet baseado em semântia Alides Calsavara, Rogério Guarai dos Santos Pontifíia Universidade Católia do Paraná PUCPR Programa de Pós-Graduação em Informátia Apliada PPGIA Rua Imaulada Coneição, 1155, Prado Velho, Curitiba, PR, CEP Resumo Este artigo apresenta o algoritmo de substituição de objetos em ahe na Internet denominado Least Semantially Related (LSR). Diferentemente dos algoritmos atualmente onheidos, que se baseiam em propriedades físias dos objetos, o LSR baseia-se na semântia da informação ontida nos objetos: o LSR tende a favoreer a permanênia no ahe de objetos que possuem maior afinidade entre si, om relação à semântia da informação, eliminando do ahe os objetos que tendem a ser de menos interesse para os lientes. Um algoritmo detalhado e uma estrutura de dados para o LSR são ompletamente projetados e implementados para fins de validação e omparação om outras estratégias de substituição de objetos em ahe; são também implementadas as estratégias SIZE, LFU e LRU. Além disso, é projetado um modelo para a realização dos experimentos, inluindo toda a oleta e preparação de dados para análise. Os resultados experimentais mostram que a estratégia proposta oferee, na maioria das situações, uma medida de efiiênia probabilidade de aerto superior às outras estratégias. As prinipais ontribuições desse artigo são a proposta da nova estratégia de substituição de objetos em ahe, a sua implementação e validação, assim omo o próprio modelo e orrespondentes ferramentas de obtenção de dados para a validação. Abstrat This artile presents the Web ahe replaement algorithm named Least Semantially Related (LSR). Differently from well-known replaement algorithms, whih are based on physial properties of objets, LSR is based on the semantis of the information ontained in objets: LSR tends to favor objets to stay in ahe when they are lose with respet to their semantis, by removing from ahe objets that tend to be of less interest to lients. A detailed algorithm and a data struture for LSR are ompletely designed and implemented for the purpose of validation and omparison with other replaement algorithms, namely SIZE, LFU and LRU, also implemented. Besides, a framework for the experimental work is designed and verified, inluding the data preparation proess. The initial experimental results show that the proposed strategy offers, in most ases, effiieny rate the hit rate better than other strategies. The main ontribution of this paper are the proposal of a new strategy to replae objets in ahe, its implementation and validation, and a framework and orresponding tools to obtain experimental data. Palavras-haves: Internet servies, ahe replaement algorithm, Web ahing, Semanti Web

2 1 Introdução Com o resimento da utilização da Internet e o surgimento de novas apliações, rese a ada dia a quantidade de dados transmitidos, tornando a infra-estrutura de omuniação existente ada vez mais sujeita à saturação. Grande parte desse tráfego é, muitas vezes, formado pela passagem de diversas ópias dos mesmos objetos de informação. Nesse ontexto, a utilização de ahe desempenha um papel fundamental por diversas razões. Primeiramente, porque é um meio de habilitar a Internet a disponibilizar seus serviços dentro de níveis aeitáveis de tempo de resposta, pois tende a reduzir a média de latênia no aesso aos objetos de informação. Em segundo lugar, permite redução no tráfego da rede em três níveis: (i) entre um liente (browser) e um proxy, (ii) entre um liente e um servidor, (iii) entre proxies. Em tereiro lugar, oferee redução no número de pedidos feitos aos servidores, diminuindo a hane de sobrearregar os mesmos [Williams et al., 1996]. De aordo om [Murta, 1998], a utilização de ahe é fundamental para a esalabilidade da Internet, espeialmente om o resimento do tamanho médio dos arquivos transmitidos, prinipalmente devido à intensifiação do uso de reusos de áudio e vídeo. Devido à natural limitação no tamanho de um ahe (tanto em um proxy omo em um liente), quando este estiver om sua oupação ompleta e for preiso inserir um novo objeto, um objeto (ou um onjunto de objetos) do ahe deverá ser eleito para ser removido, ou seja, deverá ser feita a substituição de alguns objetos do ahe por novos objetos. De forma abreviada, o problema onsiste em responder às seguintes questões: É neessário remover objetos do ahe? Se neessário, quais são os objetos a ser seleionados para remoção? Para tanto, existem os hamados algoritmos de substituição. Observa-se na literatura que os algoritmos de substituição atualmente utilizados na Internet e mesmo os que estão em estudo nos meios aadêmios baseiam-se invariavelmente em araterístias físias dos objetos, tais omo tamanho, tempo de validade (Time-To-Live -- TTL), freqüênia de aesso, usto de aesso, et. Para reduzir a latênia de aesso, é desejável que os ahes armazenem ópias de objetos relaionados a assuntos mais pessoais dos lientes [Wessels, 1995]. Não se enontram, entretanto, algoritmos que explorem a semântia da informação ontida nesses objetos. Este artigo apresenta um novo algoritmo de substituição de objetos de informação em ahe, baseado na semântia da informação, denominado Least Semantially Related, ou simplesmente LSR, ujo prinípio é substituir os objetos que sejam menos relaionados semantiamente om o novo objeto que entrar no ahe. O algoritmo assume que os lientes tenham a tendênia de prourar por novas informações que estejam relaionadas om a informação atualmente em mãos. Dessa forma, o algoritmo LSR tende a favoreer a permanênia no ahe de objetos que possuam maior afinidade entre si om relação à semântia da informação, eliminando do ahe os objetos que tendem a ser de menos interesse para os lientes. As prinipais ontribuições deste artigo são a originalidade do algoritmo de substituição baseado em semântia, a sua definição formal e a verifiação da sua viabilidade por meio de análise estatístia, omparando o seu desempenho om os algoritmos atualmente onheidos para a substituição de objetos em ahe. Verifiamos, que o algoritmo proposto é adequado para a Internet se não de forma genéria, mas pelo menos em algumas situações. O restante deste artigo desreve resumidamente o experimento realizado em [Santos, 2001] e está organizado omo segue. Na Seção 2, apresentam-se trabalhos relaionados, desrevendo-se resumidamente diversos algoritmos para substituição de objetos em ahe em uso na Internet. Na Seção 3, o algoritmo LSR é apresentado e exemplifiado. Na Seção 4, desreve-se a implementação do algoritmo, usando um esquema baseado em árvore para a lassifi-

3 ação de informações. A Seção 5 disute sobre o experimento e a validação do esquema de simulação do LSR. A Seção 6 apresenta onlusões e propõe trabalhos futuros. 2 Trabalhos relaionados Os algoritmos de substituição de ahe têm um papel fundamental no projeto de qualquer omponente de armazenamento. Esses algoritmos, por exemplo, vêm sendo intensivamente estudados no ontexto da operação de sistemas de ontrole de memória virtual [O'Neil et al., 1993]. Apresentam-se resumidamente, a seguir, os mais relevantes algoritmos de substituição de objetos em ahe, baseados em araterístias físias dos objetos, tanto por estarem atualmente em uso na Internet, omo por estarem em estágio avançado de pesquisa. SIZE: Este algoritmo remove primeiramente do ahe, quando da hegada de um novo objeto, o maior objeto em tamanho, de forma que possa riar espaço sufiiente para o armazenamento do novo objeto, sendo que, ao remover o maior objeto em tamanho e ainda não tenha sido riado espaço sufiiente para entrada do novo objeto, deve-se retirar o próximo objeto maior, e assim suessivamente até que o espaço seja sufiiente. Se dois ou mais objetos forem esolhidos por terem, oinidentemente, o mesmo tamanho, utiliza-se a polítia LFU para remover dentre esses o menos freqüentemente usado. [Aggarwal et al., 1999]. LEAST-RECENTLY-USED (LRU): Esta polítia privilegia as referênias mais reentes, protegendo-as da substituição. Assim, ela explora o prinípio da loalidade temporal que diz que doumentos reentemente aessados têm maior probabilidade de serem requisitados em futuro próximo. A loalidade temporal foi observada em seqüênia de aesso a ódigo e dados de programas. Neste ambiente de ahe tradiional, a reposição de bloos fia a argo do algoritmo LRU por ser baseado no prinípio da loalidade. [Aggarwal et al.1999]. LEAST-FREQUENTLY-USED (LFU): Esta polítia retira os objetos utilizados om menor freqüênia, ignora a reentiidade dos aessos e pode, portanto, retirar objetos reémaessados que serão muito requisitados no futuro. Por outro lado o algoritmo preserva objetos mais refereniados, o que é uma vantagem. Porém, pode preservar eternamente objetos muito refereniados no passado e que não serão mais refereniados no futuro. [Aggarwal et al.1999]. LEAST NORMALIZED COST REPLACEMENT (LNC-R) - Este algoritmo de substituição de objetos em ahe maximiza o tempo de resposta. O algoritmo de substituição de ahe LNC-R estima a probabilidade de uma futura onsulta a um determinado objeto, usando uma movimentação média dos últimos tempos de hegada de K requisições do objeto. Contudo, foi observado que os lientes da Internet têm preferênia por aessar objetos pequenos. E por isso, a informação de domínio espeífio é baseada em estimativas da probabilidade de uma futura onsulta no padrão de referênia do objeto omo no tamanho do objeto.[sheuermann et al.,1997]. LOWEST RELATIVE VALUE (LRV) - Este algoritmo é baseado na reentiidade, tamanho e freqüênia do objeto. Os autores enontram funções matemátias que são aproximações da distribuição dos tempos entre aessos a um mesmo objeto e da probabilidade de mais aessos dado que o objeto foi aessado previamente i vezes. Estas funções são baseadas em uma extensa araterização de duas argas de ahes de rede. O ahe aumula, em tempo de exeução, estatístias de ada objeto requisitado, atualizadas a ada aesso. A prinipal desvantagem do LRV, além de seu usto proibitivo para implementação, é a sua grande parametrização om base em apenas duas argas, o que deixa dúvidas sobre o bom desempenho deste algoritmo om argas diferentes [Rizzo e Viisano, 1998].

4 LRUMIN: Este algoritmo é uma variação do LRU, a qual verifia o tamanho do objeto a ser armazenado e proura no ahe objetos de tamanho maior ou igual. Caso existam doumentos que atendem a este requisito, o algoritmo LRU é apliado a este subonjunto. Caso ontrário, todos os objetos ujos tamanhos sejam maiores ou iguais à metade do tamanho do objeto a ser armazenado são inluídos no subonjunto. A operação é repetida até que o espaço neessário seja liberado. [Williams et al., 1996]. GREEDYDUAL-SIZE (GD-SIZE): O algoritmo proposto é também um algoritmo híbrido que onsidera reentiidade dos aessos, tamanho e usto de busa de um objeto. Os autores mostram que onsiderar a latênia não leva a bons resultados devido à grande variabilidade de latênia de busa de um mesmo objeto, o que onfirma resultados anteriores. O algoritmo ordena os objetos de aordo om um valor H definido por H = usto/tamanho. Objetos om menor valor H são andidatos a sair do ahe. A reentiidade é onsiderada da seguinte forma. A ada aesso, o valor de H do objeto é alulado e aumulado ao valor residual anterior. Portanto, quanto mais reente o aesso ao objeto, maior o seu H e menor sua probabilidade de ser retirado do ahe. [Cao e Irani, 1997]. LOWEST-LATENCY-FIRST - Este algoritmo substitui primeiro o objeto que teve menor latênia no aesso via rede. No entanto, o mesmo trabalho mostra que não é um bom ritério. Em sistemas om grande variabilidade, onde pios numa medida impatam negativamente o desempenho, onsiderar apenas a média para representar os dados pode levar a onlusões errôneas. Portanto, a utilização destes tempos deve ser feita por meio de valores médios a- ompanhados por medidas de dispersão dos dados, o que pode difiultar a sua utilização. [Wooster e Abrams, 1997]. HYBRID - Este algoritmo híbrido alula, para ada objeto, seu valor para o ahe. Este álulo é feito por uma função que ombina os parâmetros tempo de onexão ao servidor do objeto, bandwidth da onexão, a freqüênia e o tamanho do objeto. Objetos om menor valor são desartados. O algoritmo apresentou bom desempenho em HR (hit rate) etempoderesposta frente a LRU, LFU e SIZE. Suas desvantagens são a neessidade de armazenar mais informações para ada objeto e a neessidade de ajustes uidadosos das onstantes utilizadas na função. [Wooster e Abrams, 1997]. (Na mesma linha está o MIX [Nilausse et al., 1998] que utiliza os parâmetros latênia, número de referênias, tamanho e tempo deorrido desde a última referênia.) FIRST-IN, FIRST-OUT(FIFO) - Este algoritmo substitui o objeto que entrar primeiro no ahe [Silbershatz e Galvin, 1994]. CACHE PARTICIONADO - Esta abordagem divide o espaço do ahe em partições. Cada partição é dediada ao armazenamento dos objetos ujos tamanhos pertenem a um intervalo. Cada intervalo define uma lasse de objetos. As lasses são em número igual ao número de partições e obrem todos os tamanhos possíveis de objetos, sem sobreposição. Substituição dos objetos são feitas apenas entre objetos de uma mesma lasse. Este modelo não permite nem retirada de um objeto pequeno para a inserção de um objeto grande, nem retirada de um objeto grande para a inserção de um objeto pequeno, pois não é possível fazer substituição entre objetos de tamanhos extremos. A proposta de dividir o espaço em partição que armazenem lasses de objetos de tamanho similar desdobra a gerênia de espaço de ahes em dois ampos: a organização do espaço e a polítia de substituição. A regra para ordenação é dada pela polítia de reposição. Por exemplo, a polítia LRU gera uma lista LRU. A polítia LFU gera uma lista uja have de ordenação é o número de aessos a ada objeto. A lista é atualizada a ada requisição. A atualização onsiste na reordenação da lista em aso de hit ou na

5 inserção om possibilidade de retirada em aso de miss. Cada inserção envolve no máximo uma retirada. Portanto o estado do ahe muda lentamente é quase estaionário e a orrelação entre o estado do ahe no passado imediato e no futuro imediato é alta. Através do partiionamento foi possível provar que o desempenho em HR e BHR (byte-hit rate) é função do tamanho médio dos arquivos soliitados e do tamanho médio dos hits. [Murtaet al., 1998]. 3 O algoritmo LSR O prinípio do algoritmo LSR é dar prioridade aos objetos que possuam maior relação semântia om o objeto que esteja entrando no ahe, isto é, os objetos om maior relação semântia om o novo objeto tenderão a permaneer no ahe. Por isso, o algoritmo analisa os objetos aloados em ahe e os organiza de aordo om a sua semântia. Assim, quando um novo objeto n estiver sendo inserido no ahe om tamanho maior que o espaço livre, outros objetos deverão ser removidos de tal forma que o espaço livre seja sufiiente para a inserção do objeto n. Os objetos a serem removidos do ahe serão esolhidos, um por vez, dentre os que possuem menor relação semântia om o objeto n, até que o espaço, oupado pelos objetos que foram removidos, seja maior ou igual ao espaço neessário para aomodar o objeto n. 3.1 Pseudo-ódigo A Figura 1 lista um pseudo-ódigo para o algoritmo LSR. O algoritmo iniia-se om a invoação do proedimento lsr (linha 1), segundo o qual um objeto n deverá ser inserido no ahe C, de aordo om sua semântia, removendo outros objetos se não houver espaço sufiiente para n. Na linha 3 verifia-se se o tamanho de n é maior que o tamanho de C; se o for, abortase, pois não é possível inserir o objeto no ahe, mesmo que este esteja ompletamente esvaziado. Na linha 4, a semântia s de n é extraída. Na linha 5, é definido o loal l de C para a inserção de n, de aordo om s, isto é, determina-se qual é o assunto mais espeífio referente à informação ontida em n. Na linha 6, verifia-se se o tamanho de n é maior que o espaço livre em C; se o for, na linha 7, ria-se espaço sufiiente para que n aiba em C, removendo objetos que estejam o mais semantiamente distantes do loal l. Finalmente, na linha 8, insere-se n no loal l. O proedimento de riação de espaço, invoado na linha 7, é detalhado a partir da linha 10. O onjunto C denota o próprio ahe, isto é, o onjunto de todos os objetos em ahe. O subonjunto D, D C, denota os objetos mais distantes semantiamente do novo objeto n, em um erto instante, sendo que, dentre estes, todos têm a mesma distânia semântia de n e, por isso, todos são igualmente andidatos a remoção. O subonjunto R, R D ontém os objetos que devem ser efetivamente removidos. Esse onjunto é formado a partir de objetos extraídos do subonjunto D, utilizando-se para isso um algoritmo S que pode variar. Por exemplo, S pode ser qualquer um dos algoritmos desritos na Seção 2. Caso a remoção de todos os objetos pertenentes a R não riar espaço sufiiente para a inserção de n, então um novo subonjunto D será definido, dando a mesma seqüênia ao algoritmo. O pseudo-ódigo, orrespondente a esse prinípio, situa-se entre as linhas 14 e 23, inlusive. Na linha 12, define-se que o espaço pendente de riação vai diminuindo à medida que objetos vão sendo removidos (linha 22). Na linha 13, invoa-se um proedimento para marar todos os assuntos mais genérios que o assunto ao qual o novo objeto deve ser vinulado, representado pelo loal l. Istoé neessário para se dar prioridade a esse ramo de assuntos na esolha de objetos para remoção. Ao final do proedimento (linha 24), os anestrais são desmarados om invoação do proedimento adequado. Todos os proedimentos invoados pelo proedimento rie_espaço são dependentes da estrutura utilizada para lassifiação de assuntos.

6 [01] lsr ( in Cahe C, in Objeto n ) -- Insere um novo objeto n no ahe C, de aordo om sua semântia e -- remove outros objetos, se não houver espaço sufiiente para n. [02] INÍCIO [03] SE (n.tamanho > C.tamanho) aborte; [04] s := extrai_semântia(n); -- Extrai informação semântia s de n -- Determina o loal l do ahe C para inserção do objeto n de aordo om s [05] l := define_loal(c, s); -- Tamanho de n é maior que o espaço livre no ahe C? [06] SE (n.tamanho > C.espaço_livre) [07] ENTÃO ria_espaço (C, n, l); -- Cria espaço sufiiente para n em C [08] insere(c, n, l); -- Insere n no loal l do ahe C [09] FIM [10]ria_espaço(inCaheC,inObjeton,inLoall) -- Remove objetos do ahe C de aordo om o loal l, tal que -- o espaço livre do ahe seja sufiiente para a inserção de n. -- O algoritmo de substituição S é um atributo do ahe C. [11] INÍCIO -- O espaço pendente de riação iniialmente é o próprio tamanho do objeto n menos -- o espaço atualmente disponível no ahe. [12] p := n.tamanho - C.espaço_livre; [13] marque_assuntos_anestrais( l ); [14] REPITA -- Determina o onjunto D de objetos no ahe C de menor relação semântia -- (maior distânia semântia de) om n : [15] D := determine_objetos_mais_distantes (C, l); [16] R := { }; -- Iniia o onjunto R de objetos a serem removidos omo vazio [17] REPITA [18] x := C.S(D); -- Aplia o algoritmo S em D, obtendo o objeto x [19] transfira(d,r, x); -- Transfere x de D para R [20] ATÉ QUE ( vazio(d) ou R.espaço_oupado >= p) -- D é vazio ou espaço oupado por R é maior ou igual ao -- espaço pendente p de riação [21] remova(c, R) -- Remove os objetos de R do ahe C -- Espaço pendente de riação é diminuído de aordo om os objetos removidos: [22] p := p - R.espaço_oupado; [23] ATÉ QUE (p <= 0)--Espaço riado no ahe C é sufiiente para aber o objeto n? [24] desmarque_assuntos_anestrais( l ); [25] FIM Figura 1: Pseudo-ódigo para o algoritmo LSR

7 4 Implementação do LSR baseada em árvore A lassifiação da informação pode ser baseada em uma hierarquia de assuntos, isto é, uma árvore ujos nós orrespondam aos onjuntos e sub-onjuntos de assuntos [Rodriguez et al., 1999]. Cada onjunto (nó da árvore) ontém m>=0 subonjuntos (subárvores), disjuntos S 1, S 2,..., S m, e assim suessivamente, e n>=0objetos de informação. Esta estrutura, em partiular, permite o refinamento do LSR om relação aos proedimentos invoados pelo proedimento rie_espaço (Figura 1, linha 10). Uma hierarquia de assuntos é definida a partir da raiz Root. No exemplo da Figura 2, os assuntos XeYforam riadas sob o assunto Root. Sob o assunto X foram riados os assuntos A e B, e sob o assunto Y foram riadas os assuntos C e D. Os objetos inseridos na hierarquia da Figura 2, identifiados por #7, #12, #15, #3, #10, estão posiionados nos seus respetivos assuntos (nós da árvore), de aordo om a semântia de ada objeto de informação. 4.1 Refinamento do algoritmo LSR Os proedimentos invoados pelo proedimento ria_espaço (Figura 1, linha 10) são espeífios da estrutura utilizada para lassifiação da informação. Esses proedimentos podem ser implementados da seguinte forma: O proedimento extrai_semântia (Figura 1, linha 4) supõe que ada objeto de informação arrega, além da própria informação, uma seqüênia de assuntos e sub-assuntos, de aordo om a hierarquia; esta seqüênia identifia a própria semântia do objeto. Tal suposição não é irrealista, visto que o padrão para a definição de objetos de informação na Internet, o XML, e de desrição de reursos o RDF, omponentes do Projeto Semanti Web [W3C, 2002], prevêem esse tipo de informação (meta-informação) sobre o objeto. Trata-se de um trabalho ainda em andamento e a sua disussão está fora do esopo deste trabalho. O proedimento define_loal (Figura 1, linha 5) reebe a semântia do objeto, omo parâmetro, no formato de seqüênia de assuntos, onforme disutido para o proedimento extrai_semântia. Com isso, o trabalho do proedimento define_loal, em uma árvore, fia trivial: basta seguir a seqüênia até o seu final, pois para ada assunto há um nó orrespondente. Os proedimentos marque_assuntos_anestrais (Figura 1, linha 13) e desmarque_assuntos_anestrais (linha 24) para um loal da árvore, isto é, para um erto nó orrespondente a um assunto, também têm implementação trivial em uma árvore: basta marar ou desmarar, respetivamente, o próprio nó e todos os seus anestrais, reursivamente, até hegar à raiz da árvore. O proedimento determine_objetos_mais_distantes (Figura 1, linha 15) é mais omplexo, e um pseudo-ódigo está desrito na Figura 3. O proedimento supõe que para ada nó haja uma informação denominada altura real por indiar quantos níveis de desendentes existem, de forma que o desendente mais longínquo tenha pelo menos um objeto de informação vinulado, sendo que o próprio nó é onsiderado em sua altura real.

8 Root X Y A B C D #7, SIZE 3569 #12, SIZE #15, SIZE 2547 #3, SIZE #10, SIZE 5605 Figura 2: Hierarquia de ategorias om objetos de informação e tamanho ConjuntoDeObjetos determina_objetos_mais_distantes (in Cahe C, in Loal l) -- Determina o onjunto de objetos no ahe C de menor relação semântia -- (maior distânia semântia) om relação ao loal l do ahe, que india um assunto. INÍCIO alvo := assunto raiz; Candidatos := onjunto de assuntos desendentes do alvo om altura real > 0; -- alvo possui algum desendente (direto ou indireto) que tenha assoiado -- pelo menos um objeto de informação? Ou, equivalentemente, altura real do alvo > 1? ENQUANTO (Candidatos não vazio) FAÇA INÍCIO eleito: = seleione o elemento de Candidatos om a maior altura real; ENQUANTO(eleito estiver marado omo "anestral" E existe um elemento de Candidatos que não seja o eleito) FAÇA --remove o eleito de Candidatos remove (Candidatos, eleito); --elege um novo elemento de Candidatos eleito := seleione o elemento de Candidatos om a maior altura real; alvo := eleito; Candidatos := onjunto de assuntos desendentes do alvo om altura real > 0; FIM retorne o onjunto de objetos assoiado ao alvo; FIM Figura 3: Pseudo-ódigo para o proedimento determina_objetos_mais_distantes 4.2 Exemplo de apliação do LSR A Figura 4 mostra uma árvore semântia antes (a) e depois (b) da inserção de um novo objeto de informação. Este novo objeto possui identidade #1, semântia G.H.A e tamanho 17Kb. O tamanho máximo do ahe neste exemplo é 30Kb, sendo que, antes da inserção, tem um espaço oupado de 28Kb. Logo, será neessário remover um ou mais objetos para que o novo ob-

9 G G H #7, SIZE = 4 H #7, SIZE = 4 A #5, SIZE = 8 A #5, SIZE = 8 #43, SIZE = 2 #1, SIZE = 17 B #4, SIZE = 5 B Et Et C Et (a) Antes da inserção #10, SIZE = 6 #8, SIZE = 5 C Et (b) Depois da inserção Figura 4: Árvore semântia antes e depois da inserção de um objeto jeto seja inserido. Mais preisamente, será neessário remover objetos de tal forma que seja riado um espaço de pelo menos 15Kb, alulado por , isto é, espaço oupado + tamanho do novo objeto tamanho do ahe. Apliando-se o LSR, serão removidos do ahe, pela ordem, os objetos #10, #8, #4 e #43, liberando um espaço total de 16Kb. Na verdade, a ordem de remoção entre os objetos #10 e #8 vai depender do algoritmo S empregado, pois este tem a mesma distânia semântia do loal de inserção (G.H.A). 5 Experimento e validação O algoritmo LSR foi implementado para fins de validação e omparação om outros algoritmos tradiionalmente utilizados na Internet. Um módulo denominado Cliente Internet representa qualquer entidade da Internet que utilize um ahe, omo um Web browser, umproxy ou até mesmo um servidor Internet. O módulo Cliente Internet aessa uma seqüênia de objetos de informação. Cada objeto de informação possui dois atributos: sua semântia e seu tamanho. Para essa seqüênia não há qualquer preoupação de estrutura ou ordenação. O módulo Gereniador do Cahe ontém o ahe onde são armazenados os objetos de informação e uma árvore de lassifiação semântia dos objetos. Todo o ontrole do ahe, isto é, a implementação do algoritmo LSR, é feito por este módulo. Nesta seção é apresentado o proesso de preparação de dados para a simulação, assim omo os resultados obtidos e uma análise omparativa entre a estratégia LSR e as prinipais estratégias atualmente empregadas na Internet, nominalmente, as estratégias SIZE (onsiderada a estratégia mais efiiente na média para emprego em proxies ompartilhados por muitos usuários), LFU e LRU. O objetivo do proesso de preparação de dados para simulação de ahe é obter uma seqüênia válida de aessos a objetos. Essa seqüênia deve, ao mesmo tempo, ter um fator de aleatoriedade, pois representa uma seqüênia de aessos realizados por

10 um usuário qualquer, e ainda obedeer à mesma distribuição de aessos observada na Internet. Para atender ao quesito aleatoriedade foi apliado o Método de Monte Carlo, o qual requer que os objetos estejam arranjados em ategorias de aesso e que ada objeto tenha uma identifiação únia dentro da sua ategoria. 5.1 Seqüênia de aessos a objetos A simulação do LSR baseia-se na implementação de uma hierarquia de ategorias semântias de objetos, de aordo om a sua semântia. Uma seqüênia de aessos a objetos é obtida a partir dos objetos ontidos nos nós da hierarquia de ategorias. Assim, ada item da seqüênia deve desrever o objeto aessado ompletamente, isto é, o aminho de nós no qual o objeto está inserido, a identifiação únia no universo de objetos (normalmente a sua URL) e o tamanho do objeto (normalmente em bytes). A relação a seguir ilustra uma possível seqüênia de aessos a objetos da hierarquia apresentada na Figura 2. Seqüênia de aessos a objetos Root.X.A;#7;3569 Root.X.B;#15;2547 Root.X.D;#10;560 Root.X.B;#12;15720 Root.X.A;#7;3569 Root.X.B;#15;2547 Root.X.D;#10;560 Root.X.B;#12; Obtenção do universo de objetos para simulação Foi utilizado um esquema para obtenção de um onjunto de objetos om suas respetivas semântias que permitisse a simulação. Tal onjunto foi denominado Universo de Objetos, enquanto que o onjunto de todos aminhos (os quais definem semântia de objetos) orrespondentes a esses objetos foi simplesmente denominado de Caminhos. Cada elemento do Universo de Objetos é representado por três itens: (i) o aminho do objeto, (ii) a URL do objeto e (iii) o tamanho do objeto em bytes. Cada elemento de Caminhos é representado somente por um aminho de algum objeto ontido no Universo de Objetos. Os onjuntos Universo de Objetos e Caminhos utilizados na simulação do LSR foram obtidos manualmente (Filtro C) do site do Yahoo!, pois este já ontém uma lassifiação de objetos de informação. Foi extraído um subonjunto om 983 objetos, definindo, assim, um Universo de Objetos e o orrespondente onjunto Caminhos, om 180 entradas. Neste experimento não será omtemplada toda a hierarquia do Yahoo!, obviamente, inlusive porque a lassifiação de assuntos neste trabalho é baseada em simples árvore, enquanto que no Yahoo! os assuntos são estruturados segundo um DAG (direted-ayli graph) ompleto. 5.3 Obtenção da distribuição de aessos a objetos Obteve-se a distribuição de aessos a objetos na Internet a partir do arquivo de registros de aessos do proxy Squid, por um erto período. A distribuição da quantidade de aessos pela quantidade de objetos, vindos do proxy foram esseniais para que se pudesse fazer a obtenção e a distribuição do maior número de objetos aessados pelos usuários. Foram utilizados era de de registros de aessos a objetos em um proxy Squid. O Gráfio 1 ontém um histograma om a distribuição verifiada. Nota-se, pela distribuição representada no gráfio, que há uma tendênia de muitos objetos serem aessados pouas vezes e de pouos

11 objetos serem aessados muitas vezes. A partir das URLs om respetivos números de aessos, foi possível produzir uma distribuição da quantidade de aessos pela quantidade de objetos. A seqüênia de objetos aessados pelo Squid passou pelo Filtro 1 A, transformando-a numa seqüênia om o número de aessos por objetos. Esses registros foram separados por URL, que por sua vez foram separadas pela quantidade de aessos, indiando a freqüênia om que os usuários aessaram os objetos no período. Esta nova seqüênia foi submetida ao Filtro B que gerou a distribuição de aessos para os objetos, definindo ategorias de aesso e o número de objetos aessados em ada ategoria. A distribuição onstatada na Internet foi, portanto, reproduzida no Universo de Objetos seleionado. Cada entrada do Universo de Objetos foi aresida om a ategoria de aessos orrespondente, pelos Filtro D e E, obtendo a Tabela Universo. Observou-se a orrespondênia entre o histograma obtido e o histograma mostrado no Gráfio 1, demonstrando que a distribuição dos objetos do Universo em ategorias de aesso segue a mesma distribuição que se verifiou na Internet. G ráfio 1: Distribuição de aessos para os objetos do S quid Número de objetos Número total de objetos = M a is C a te g o ria d e a e s s o 5.4 Obtenção de uma seqüênia de aessos para simulação A seqüênia de aessos aleatórios ao Universo de Objetos foi obtida através da apliação do Método de Monte Carlo, a fim de se respeitar a distribuição dos objetos em ategorias de a- essos. A Tabela 1, obtida a partir da Tabela Universo, ontém todos os dados neessários para apliação do Método de Monte Carlo. Cada linha da tabela orresponde a uma ategoria de aessos. Para ada ategoria onstam a quantidade q de objetos presentes na Tabela Universo, a probabilidade relativa da ategoria e o orrespondente intervalo entre zero e um. A probabilidade relativa de uma ategoria é obtida pela divisão da quantidade de objetos da ategoria pelo total de objetos: P = q q O limite inferior orrespondente a uma ategoria é aberto, exeto se for zero, e dado pela somatória das probabilidades relativas das ategorias anteriores: 1 i = 1 Pi 1 Um Filtro é um programa que faz um arranjo em um onjunto de dados, segundo alguns ritérios.

12 O limite superior orrespondente a uma ategoria é fehado, exeto se for um, e dado pela somatória da probabilidade relativa da ategoria om as probabilidades das ategorias seguintes: i = 1 Pi Categoria (Quantidade de aessos por objetos) Quantidade de objetos por ategoria q P Probabilidade = q q Limite inferior (aberto) 1 Pi i = 1 Intervalo Limite superior (fehado) i = ,47 0,00 0, ,23 0,47 0, ,14 0,70 0, ,09 0,84 0, ,05 0,93 0, ,02 0,98 1, Somatória q p Tabela 1: Distribuição de probabilidade para apliação do Método de Monte Carlo Pi Uma vez onstruída a tabela de probabilidades das ategorias, faz-se a esolha aleatória de objetos que definirão uma seqüênia de aessos. A esolha de um objeto deve ser ontabilizada e, se o número de aessos a esse objeto atingir o seu limite (o próprio número que identifia a ategoria), o objeto deve ser marado omo inválido para esolha dentro da sua ategoria. 5.5 Resultados da simulação A efiiênia de um ahe pode ser medida pela probabilidade de aerto, que éaoorrêniade um aesso a um objeto já presente no ahe. Tal probabilidade pode ser obtida em função da variação do tamanho total do ahe ou em função do número de aessos. Foram geradas seqüênias para 1.000, 2.000, 3.000, 4.000, 5.000, 6.000, 7.000, 8.000, 9.000, , , e aessos a objetos. Essas 13 seqüênias foram submetidas para as quatro estratégias (LSR, SIZE, LRU e LFU) em análise, para os seis seguintes tamanhos de ahe: , , , , e Portanto, foram realizadas 4 x 13 x 6 = 312 simulações de ahe. Cada uma das seqüênias sofreu um rearranjo na ordem dos aessos a fim de ontemplar o omportamento suposto dos usuários que aessam objetos na Internet, isto é, que um usuário permanee um "erto tempo" pesquisando um mesmo assunto antes de passar a pesquisar outro. Tal rearranjo foi realizado om a ordenação dos aessos de aordo om o primeiro nível de assuntos nos aminhos dos aessos. Observou-se que todas as estratégias tendem a manter o ahe o mais oupado possível, o que demonstra que as implementações dessas estratégias estão orretas neste sentido. (Todas as demais ombinações permitiriam essa mesma observação e, por isso, não são aqui representadas.) O Gráfio 2 mostra o efeito do número de objetos aessados em uma seqüênia na probabilidade de aerto. Observa-se que, a probabilidade de aerto para todas as estratégias aumenta, tendendo a um patamar próximo de 1 a medida que aumenta o número de aessos a

13 objetos. Pode-se observar também que, para as quatro estratégias, a probabilidade de aerto aumenta a medida que aumenta o tamanho do ahe. Essa onstatação pode ser mais failmente notada nos Gráfio 3, que mostra o efeito do tamanho do ahe na probabilidade de aerto para um determinado número de aessos. O Gráfio 3 permite ainda observar que há uma onvergênia na probabilidade de aerto entre as quatro estratégias a medida que o ahe Gráfio 2: Efeito do número de objetos aessados em uma seqüênia na probabilidade de aerto para um ahe de tamanho Probabilidade de aerto 1,000 0,800 0,600 0,400 0,200 0,000 1, Número de objetos aessados na seqüênia Gráfio 3: Efeito do tamanho do ahe na probabilidade de aerto para aessos LFU LRU LSR SIZE Probabilidade de aerto 0,80 0,60 0,40 0,20 LFU LRU LSR SIZE 0, Tamanhodoahe aumenta, isto é, a estratégia adotada não influenia na probabilidade de aerto. A expliação para isso é que, a medida que o ahe aumenta, mais hane tem de onter todo o Universo de Objetos. A observação final e mais importante é que, pratiamente em todas as situações, verifia-se que a estratégia LSR tem maior probabilidade de aerto que as demais estratégias experimentadas. Não foi feita uma análise dos dados a fim de se determinar quanto maior é a probabilidade de aerto da estratégia LSR em relação às outras estratégias, visto que a amostragem de dados utilizada para a simulação ainda deve ser ampliada para dar maior preisão ao experimento. O que nota-se, de fato, é que existe algum ganho no uso de LSR.

14 6 Conlusões e propostas de trabalhos futuros Este artigo propõe uma solução inovadora para o tratamento de ahes na Internet om relação à substituição de objetos: a estratégia LSR, que utiliza a lassifiação dos objetos para dar prioridade de permanênia no ahe aos objetos mais relaionados semantiamente om o objeto que se deseja inserir no ahe. Um algoritmo e uma estrutura de dados para a estratégia LSR foram ompletamente projetados e implementados para fins de validação e omparação om outras estratégias de substituição de objetos em ahe; foram também implementadas as estratégias SIZE, LFU e LRU. Além disso, foi projetado um modelo para a realização dos experimentos, inluindo toda a oleta e preparação de dados para análise. Os resultados experimentais mostraram que a estratégia proposta oferee, na maioria das situações, uma medida de efiiênia probabilidade de aerto superior às outras estratégias. Esses indiadores favoráveis justifiam a ontinuidade do trabalho apresentado; abaixo seguem alguns trabalhos futuros. (1) O desenvolvimento da estratégia LSR levou em onsideração a disponibilização da semântia da informação ontida em ada objeto. Com a adoção de XML e RDF, isso tende a tornar-se fatível. Assim, uma direção para pesquisas futuras é explorar esse padrão, inlusive na organização da árvore semântia om a qual pode-se onsiderar estabeleer uma lassifiação padrão de objetos de informação. Certamente isso possibilitará a apliação da estratégia LSR em sistemas reais, tornando possível uma análise sua em um ambiente mais favorável. Uma onseqüênia direta da apliação da estratégia LSR em sistemas reais é a sua implementação em browsers, proxies e servidores, o que exigirá mais esforço de desenvolvimento e pesquisas. Certamente, nesse enário, no qual haveria milhões de entradas na árvore semântia, a efiiênia do LSR deveria ser novamente avaliada. (2) Uma das melhorias que podem ser feitas na estratégia LSR é riar nós de assuntos na árvore de semântia, de forma dinâmia, a fim de refletir novos assuntos de interesse para os lientes e, assim, automatiamente aumentar a probabilidade de aertos do ahe. Um sinal de que a árvore preisa ser revista, isto é, que novos assuntos devem ser onsiderados, é quando os nós et se enontram om muitos objetos de informação assoiados. Seria possível, ainda, ontrolar o ahe do liente para saber o perfil do liente nas onsultas e, a partir daí, dinamiamente, onfigurar a árvore de assuntos para o liente. (3) Outra melhoria é evitar remover um objeto eleito omo o mais distante semantiamente mas que tenha alto valor (por exemplo, uso freqüente, alto usto para download, et) para outro liente o que viabilizaria a apliação da estratégia LSR para ahes multiusuários ou outra thread de onsultas do mesmo liente, supondo que um mesmo liente possa estar onsultando objetos sobre mais de um assunto simultaneamente. (4) Uma questão importante a ser respondida é omo a estrutura da árvore de assuntos afeta o desempenho do ahe, pois a estrutura em árvore pode ser ustosa ou vantajosa para se inserir e remover objetos, quando se ompara om o desempenho obtido por estratégias que utilizam estruturas lineares. Esta questão depende de uma futura melhoria da representação de hierarquia de assuntos para omtemplar a hierarquia do Yahoo!, que se baseia em DAG. Além disso, é preiso onsiderar a possibilidade de gerar e atualizar a árvore dinamiamente. (5) O algoritmo projetado e experimentado para a estratégia LSR onsidera, para efeito de esolher os objetos menos relaionados semantiamente, somente o objeto que se deseja inserir no ahe. Uma melhoria imediata é a armazenagem do histório das semântias mais reentemente aessadas e utilizar tal histório para deidir quais os objetos menos relaionados semantiamente não apenas om o último aessado, mas onsiderando uma janela no pas-

15 sado de aessos. Certamente, essa modifiação deve favoreer ainda mais a estratégia LSR em sua omparação om as demais. Portanto, as prinipais ontribuições desse artigo são a proposta da nova estratégia de substituição de objetos em ahe, a sua implementação e validação, assim omo o próprio modelo e orrespondentes ferramentas (hamados de filtros) de obtenção de dados para a validação. Os resultados iniiais de medição de efiiênia são favoráveis à estratégia LSR e perebe-se que as perspetivas de apliações e trabalhos futuros de pesquisa e desenvolvimento são muitas. O ompleto desenvolvimento do LSR resolvendo-se a pendênia de inorporar semântia aos objetos e utilizando-se estruturas de dados adequadas a grandes massas de dados permitirá a sua utilização real na Internet, possibilitando a omprovação dos resultados obtidos e ontribuindo, desta forma, para o avanço da tenologia de redes de omputadores. Referênias bibliográfias [Aggarwal et al., 1999] Charu Aggarwal, Joel L. Wolf e Philip S. Yu. CahingontheWorld Wide Web, IEEE Computer, 11(1): [Cao e Irani, 1997] Pei Cao e Sandy Irani. Cost-aware WWW proxy ahing algorithms. In Proeedings of the 1997 Usenix Symposium on Internet Tehnologies and Systems (USITS-97) (Monterey, CA, De. 1997). [Krishnamurthy e Wills, 1999] Balahander Krishnamurthy e Craig E. Wills. Proxy ahe ohereny and replaement-towards a more omplete piture. In Proeedings of the 19 th IEEE International Conferene on Distributed Computing Systems, Austin, TX, (June 1999). [Murta et al., 1998] Cristiana Duarte Murta, Virgilio Almeida e Wagner Meira Jr. Analyzing performane of partitioned ahes for the WWW. In Proeedings of the 3rd International WWW Cahing Workshop (June 1998). [Nilause et al., 1998] Niolas Nilause, Zhen Liu e Philippe Nain. A New and Effiient Cahing Poliy for the World Wid Web. In Proeedings of the 1998 Workshop on Internet Server Performane, June [O Neil et al., 1993] Elizabeth J. O Neil, Patrik E. O Neil e Gerhard Weikum. The LRU-K page replaement algorithm for database disk buffering. In Proeedings of the ACM SIG- MOD International Conferene on Management of Data. [Rizzo e Viisano, 1998] Luigi Rizzo e Lorenzo Viisano. Replaement poliies for a proxy ahe. Teh. Rep. RN/98/13, UCL-CS, [Rodriguez et al., 1999] Pablo Rodriguez, Christian Spanner e Ernest W. Biersak. Web ahing arhitetures: Hierarhial and distributed ahing. In Proeedings of the 4th International Web Cahing Workshop (Apr. 1999). [Santos, 2001] Rogério Guarai dos Santos. Substituição de Objetos em Cahe na WWW baseada na Semântia da Informação. Dissertação de Mestrado. Pontifíia Universidade Católia do Paraná, Programa de Pós-Graduação em Informátia Apliada. Setembro de [Sheuermann et al., 1997] Peter Sheuermann e Junho Shim e Radek Vingralek. A ase for delay-onsious ahing of Web douments. In Proeedings of the 6th International WWW Conferene (Santa Clara, Apr. 1997).

16 [Silbershatz e Galvin, 1994] Silbershatz, A. and Galvin, P. B. (1994). Operating Systems Conepts. Addison-Wesley, Reading, Mass., fourth edition. [Wessels, 1995] Duane Wessels, D. Intelligent ahing for World-Wide Web objets. In Proeedings of the INET '95 onferene (Honolulu, Hawaï, June 1995). [Williams et al., 1996] Stephen Williams, Mar Abrams, Standridge, C. R., Abdulla, G., and Fox, E. A. Removal poliies in network ahes for World-Wide Web douments. In Proedings of the ACM SIGCOMM '96 Conferene (Stanford University, CA, Aug. 1996). [Wooster e Abrams, 1997] Roland P. Wooster, e Mar Abrams. Proxy ahing that estimate page load delays. In Proeedings of the 6rd International WWW Conferene (Apr. 1997). [W3C, 2002] The World Wide Web Consortium (W3C).