PDF de programación - ANÁLISIS DE TRÁFICO DE DATOS EN SISTEMAS DISTRIBUIDOS

INSTITUTO TECNOLÓGICO DE LA PAZ

DIVISIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN

MAESTRÍA EN SISTEMAS COMPUTACIONALES



ANÁLISIS DE TRÁFICO DE DATOS EN SISTEMAS DISTRIBUIDOS



TESIS

PARA OBTENER EL GRADO DE

MAESTRO EN SISTEMAS COMPUTACIONALES



PRESENTA:

ANTONIO MEZA ARELLANO



DIRECTOR DE TESIS:

MC. JESÚS ANTONIO CASTRO



LA PAZ, BAJA CALIFORNIA SUR, MÉXICO, 18 JUNIO DE 2012







Resumen.

La implementación de la computación paralela en sistemas distribuidos basados

en clústeres, tiene como objetivo ejecutar de una manera rápida los procesos de

información masiva, para lo cual es necesario el intercambio de datos en tiempo

real, así como satisfacer los requerimientos de los usuarios.

El presente trabajo aborda el análisis de tráfico en un clúster, utilizando algoritmos

genéticos y optimización por enjambre de partículas. Para tal efecto, se efectuaron

experimentos en un clúster compuesto por 16 computadoras, usando la librería

PVM y el analizador de protocolos Wireshark.

El análisis de tráfico en redes es importante debido a que permite diagnosticar el

funcionamiento de las mismas y cuantificar el volumen de datos que requieren

transferir las aplicaciones que se ejecutan en estos ambientes distribuidos.



Abstract.

The objective of parallel computing implementation is to speedup massive data

processing execution. In order to achieve a good speedup, it becomes necessary

to exchange data in real time, and also satisfy the user requirements.

The present work deals with data traffic analysis on clusters, using genetic

algorithms and particle swarm optimization. Experiments on a 16 computers cluster

where carried out using PVM library and “Wireshark” protocol analyzer.

Data traffic analysis is of high importance since it allows to diagnose the networks

performance and to quantify the data volume required by different applications

implemented over those networks.







INDICE

1. Introducción. __________________________________________________ 1

1.2. Objetivo general. ______________________________________________ 2

1.3. Objetivos específicos. _________________________________________ 2

2. Procesamiento paralelo. _________________________________________ 3

2.1. Clasificación de los sistemas paralelos. ___________________________ 3

2.1.1. Paralelismo implícito. ____________________________________________________________ 3
2.1.2. Paralelismo explicito. ____________________________________________________________ 5

2.2. Taxonomía de Flynn. __________________________________________ 6

2.3. Sistemas de Memoria Distribuida. ________________________________ 7

2.4. Sistemas de Memoria Compartida. _______________________________ 7

2.5. Sistemas de Memoria Compartida Distribuida. _____________________ 8

2.6. Sistemas Distribuidos. _________________________________________ 8

2.6.1. Características clave de los sistemas distribuidos. _____________________________________ 9

3. Bibliotecas de computación paralela. _____________________________ 12

3.1. PVM (Parallel Virtual Machine; Máquina Virtual Paralela). ___________ 12

3.1.1. Características de PVM. _________________________________________________________ 13
3.1.2. Arquitectura PVM. _____________________________________________________________ 13
3.1.3. Funciones básicas. ______________________________________________________________ 14
3.1.4. Demonio PVM. ________________________________________________________________ 21

4. Redes de computadoras. ________________________________________ 22

4.1. Clúster. _____________________________________________________ 22

4.1.1. Componentes de un clúster. ______________________________________________________ 23
4.1.2. TCP/IP (Transmission Control Protocol/ Internet protocol; Protocolo de Control de
Transmisión/Protocolo de Internet) _____________________________________________________ 25
4.1.3. UDP (User Datagram Protocol ;Protocolo de Datagrama de Usuario) _____________________ 26
4.1.4. ARP (Address Resolution Protocol ; Protocolo de Resolución de Direcciones ) ______________ 27

4.2. Sockets. ____________________________________________________ 27

5. Analizador de protocolos Wireshark. ______________________________ 29



i







5.1. Analizador de protocolos. _____________________________________ 29

5.2. Wireshark. __________________________________________________ 29

5.2.1. Características. ________________________________________________________________ 29

5.3. GUI (Graphical User Interface; Interfaz Gráfica del Usuario) _________ 31

6. Computación Evolutiva. ________________________________________ 40

6.1. Características de los Algoritmos Paralelos. ______________________ 41

6.2 Algoritmos utilizados en las pruebas. ____________________________ 42

6.2.1. Algoritmos Genéticos. ___________________________________________________________ 42
6.2.2. Optimización por Enjambres de Partículas. __________________________________________ 44

7. Desarrollo. ___________________________________________________ 47

7.1. Adaptación de PVM. __________________________________________ 48

7.2. Procedimiento para utilizar PVM en un clúster. ____________________ 48

7.3. Software para el análisis de tráfico de datos. _____________________ 48

7.4. Algoritmos de prueba. ________________________________________ 48

7.5. Implementación de los algoritmos. ______________________________ 49

7.6. Captura de paquetes de datos. _________________________________ 49

7.7. Conversaciones. ____________________________________________ 49

8. Resultados. ___________________________________________________ 50

8.1. Algoritmo Genético Distribuido con migración controlada por el proceso

maestro (ag –dm) ________________________________________________ 50

8.2. Algoritmo Genético Distribuido con Migración en anillo (ag –dm-4.0) _ 53

8.3. Optimización por enjambre de partículas mediante vecindarios ______ 57

9. Conclusiones y recomendaciones. _______________________________ 61

10. Fuentes bibliográficas. ________________________________________ 63

11. Anexos. _____________________________________________________ 65

11.1. Anexo 1. ___________________________________________________ 65

ii







11.2. Anexo 2. ___________________________________________________ 66

11.3. Anexo 3. ___________________________________________________ 71

11.4. Anexo 4. ___________________________________________________ 72

11.5. Anexo 5. ___________________________________________________ 74



iii







1. Introducción.

La necesidad de procesar de una manera rápida grandes cantidades de

información y el intercambio de datos en tiempo real, entre otros, han impulsado el

desarrollo de la computación paralela.

La computación paralela utiliza simultáneamente elementos de procesamiento

múltiple dividiendo el problema en partes independientes, de manera que cada

elemento de procesamiento ejecute paralelamente su parte. Entre los diferentes

elementos de procesamiento se pueden incluir recursos tales como: una

computadora con múltiples procesadores,

red distribuida y hardware

especializado.

En el presente trabajo se analiza el tráfico de datos en una red distribuida y se

compara la eficiencia de tres algoritmos relacionados con la transmisión de

paquetes y el tiempo de transmisión (Genético Distribuido con Migración

Controlada por el Proceso Maestro, Genético Distribuido con Migración en Anillo y

Optimización por Enjambre de Partículas Mediante Vecindarios)



1







1.2. Objetivo general.

Analizar el tráfico de datos en un sistema distribuido por medio de un analizador

de protocolos, para así elaborar un reporte de la transmisión de paquetes que se

generan en los algoritmos.



1.3. Objetivos específicos.

 Analizar el flujo de datos producido en la red mediante un muestreo,

ejecutando varios algoritmos.



Informar si se produce pérdida de datos en

la comunicación y

sincronización de la red.

 Elaborar un reporte detallado con la información que el análisis del tráfico

de los datos obtenidos.



2







2. Procesamiento paralelo.

El procesamiento paralelo se define como el conjunto de procesos que pueden

comunicar y compartir elementos para resolver rápidamente problemas con alta

complejidad computacional [1]. A diferencia de la computación lineal, en lugar de

procesar las instrucciones en forma secuencial, la computación paralela puede

ejecutar instrucciones de manera concurrente.

Unas de las principales características del procesamiento en paralelo es reducir el

tiempo de ejecución que sea más eficiente, por lo anterior es utilizado para

implementar aplicaciones paralelas que hagan buen uso de los procesadores,

identificando los fragmentos de programa que pueden paralelizarse.



2.1. Clasificación de los sistemas paralelos.

Estos sistemas puedes dividirse en dos tipos:

 Paralelismo implícito o de bajo nivel.

 Paralelismo explícito o de alto nivel



2.1.1. Paralelismo implícito.

Las técnicas para el paralelismo de bajo nivel están enfocadas a reforzar el nivel

de concurrencia en el CPU. Esto da una apariencia de un sistema con un

procesador (Figura 2.1.)

Algunos ejemplos de estas técnicas son:

Segmentación: La ejecución de cada una de las instrucciones es dividida en

etapas, por lo cual cada instrucción puede ejecuta