Obiettivi

Basso consumo di energia Dinamismo Robustezza Scalabilit In ambienti non ospitali o non accessibili

Direct Diffusion
A scalable and robust comunication paradigm for Sensor Networks
Pamela Assoni Arben Nasi

Reti di Sensori

Di cosa si parla
Direct Diffusion: paradigma di ricerca dati in una rete di sensori

Ogni nodo pu avere pi sensori orientati al rilevamento di un certo fenomeno Risparmio energia

Disposizione

Ricerca tramite query

densa Vicino al fenomeno da registrare Comunicazione hop-by-hop Ogni processo deve azionarsi solo quando necessario

Richieste: Data-Centriche IP-like

Ogni nodo pu avere un GPS

<attributo - valore>

Direct Diffusion interessi e gradienti. Intuitivamente..

Interessi (interests)

Un insieme di coppie <attributo-valore> che descrivono il compito che la rete deve svolgere come dettato dal nodo iniziale (sink node)

Sink node invia interest msg Es richieste:

Gradienti (gradients)

Quante pedoni ci sono nella regione X? In quale direzione si stanno muovendo i veicoli nella regione Y?

Coppie <nodo vicino-valore> che vengono mantenute da ogni nodo relativamente ad ogni interesse di cui a conoscenza.

Riceventi fanno matching e caching I nodi intermedi fanno aggregating N.B. interazione locale tra nodi

Direct Diffusion il nodo (1)

Direct Diffusion la dinamica

Si suppone che un nodo mantenga:

Una cache degli interessi di cui a conoscenza ad es. con record del tipo:

Type Interval Area Timestamp expiresAt

tipo di evento da rilevare frequenza di invio messaggi area interessata dal messaggio istante di invio del messaggio scadenza del messaggio

Gli interessi vengono considerati distinti se differiscono per tipo, per intervallo o per area.

Un compito viene affidato dallesterno ad un nodo qualsiasi che lo diffonde in tutta la rete. La propagazione dei messaggi legati al compito genera nei nodi toccati dei gradienti che consentono di definire i percorsi pi adatti I dati raccolti rifluiscono poi verso il nodo iniziale che li trasmette verso lorigine dellinteresse esterna alla rete.

Direct Diffusion lalgoritmo (1)

Direct Diffusion il nodo (2)

Una cache dei gradienti

Linteresse viene trasmesso al sink node. Il sink aggiunge il nuovo interesse alla sua cache degli interessi attivi e ve lo mantiene fino alla scadenza del task.

Per ogni interesse viene mantenuta una lista che contiene fino ad una entry per ogni nodo vicino. Il valore contenuto nella coppia <nodo vicino-valore> pu essere determinato a seconda del tipo di rete, ad es. usando la durata dellintervallo. Si tratta di messaggi che trasferiscono informazioni su un evento rilevato dalla rete e che vengono mantenuti per essere usati nella definizione dei percorsi migliori.

Una cache dei messaggi dati

Direct Diffusion lalgoritmo (2)

Direct Diffusion il nodo (3)

E quindi chiaro che luso di DD presuppone che i nodi abbiano una conoscenza non indifferente della rete e della propria posizione. In particolare devono conoscere:

Il sink trasmette un messaggio contenente il task ai suoi vicini fissando il valore dellintervallo ad un tempo molto maggiore di quello definito in precedenza. Ci consente di eseguire il flooding esplorativo iniziale con velocit di trasmissione abbastanza basse risparmiando risorse ed evitando di intasare la rete.

Tutti i loro vicini ed essere in grado di identificarli (per definire i gradienti) La loro posizione rispetto ad un sistema di riferimento comune con gli altri nodi (per capire se un interesse orientato al nodo) Eventualmente conoscere anche la posizione dei vicini.

Direct Diffusion lalgoritmo (5)

Se

Direct Diffusion lalgoritmo (3)

Un nodo riceve un interesse e controlla nella cache se lo conosce o meno.
non c, lo crea con un solo gradiente verso il nodo da cui il messaggio proviene Se c, aggiorna la entry relativa al gradiente e allinteresse modificando timestamp e duration.

Passando da nodo a nodo il messaggio arriva ad uno che si trova allinterno dellarea interessata. Esso inizia a lavorare e se rileva un evento da segnalare definisce un campionamento in base allintervallo pi alto tra quelli dei task legati a quellinteresse e lo manda a coloro con cui ha un gradiente per quel compito.

Direct Diffusion lalgoritmo (6)

Direct Diffusion lalgoritmo (4)

Il nodo rimanda linteresse ai suoi vicini. Pu decidere di:
Rimandare

Chi riceve un messaggio di risposta, controlla se ha un task corrispondente e di non avere in cache un messaggio di rilevamento simile. In tal caso lo invia ai suoi vicini, altrimenti lo elimina.

Si controlla la presenza del task e di messaggi simili per evitare di inoltrare messaggi il cui termine scaduto e evitare ridondanze dovute a pi nodi che hanno rilevato lo stesso evento.

a tutti (flooding) Selezionare in base a criteri geografici Mantenere memoria dei vicini da cui sono arrivati in passato messaggi di risposta ad interessi affini e mandare solo a loro

Direct Diffusion note (1)

Direct Diffusion lalgoritmo (7)

Possono nascere diversi percorsi che possono:

Essere

eliminati risparmiando in tal modo risorse ma rendendo la comunicazione pi vulnerabile e pi costoso il ripristino di un collegamento Rallentare i ritmi di trasmissione degli altri percorsi mantenendoli in vita ma riducendone il traffico

Il messaggio raggiunge il sink che decide di rinforzare, cio di ridurne il valore dellintervallo, il percorso che passa per uno o pi dei suoi vicini e di aumentare tale valore per gli altri nodi (negative reinforcement). Le regole sulla cui base si sceglie un vicino possono essere definite in fase di progettazione della rete ad es. si pu scegliere il vicino che per primo ha inviato al nodo un evento non visto in precedenza oppure con qualit del rilevamento migliore.

Direct Diffusion note (2)

Direct Diffusion lalgoritmo (8)

Con il secondo modello di rinforzo, la rete mantiene una maggiore robustezza al prezzo di una maggiore dispersione di energia. La struttura di rete consente la coesistenza nella rete di interessi diversi. Ci reso possibile dalla possibilit di identificare in modo univoco ogni interesse e, attraverso i gradienti tra vicini, di arrivare al rispettivo sink node. Il limite agli interessi gestibili sta quindi nel numero e tipo di sensori presenti nei nodi.

Il vicino rivede linteresse con un intervallo pi breve e allo stesso modo del sink, modifica il gradiente rispetto ad uno dei suoi vicini in base ai criteri usati dal sink. Procedendo in questo modo, passo dopo passo, lo scambio di messaggi lungo tutto il percorso prescelto viene accelerato.

Caratteristiche

Direct Diffusion note (3)

La struttura non esclude nemmeno la coesistenza di interessi simili.
Es. due sink node distinti richiedono il rilevamento della temperatura in una certa area.

Disposizione casuale, area da 160 x 160 m Radio range 40 m Densit media costante 5 sorgenti e 5 sink node

In questo caso, essi vengono uniti in un unico interesse se hanno area di interesse, intervallo e tipo uguali. Da quanto detto risulta chiaro che per arrivare a regime, la rete necessita di un certo tempo.

Comparazione

Performance
Metriche:

Schema flooding

dispersione media di energia ritardo medio (invio-ricezione) event delivery ratio (consegnati su inviati)

Multicast omniscente: ogni sorgente trasmette ai nodi sink lungo lalbero dei cammini minimi (calcolato centralmente)

Non viene considerata la congestione In funzione della grandezza della rete (da 50 a 250 nodi incrementando di 50)

Dinamismo
Average Dis ipated Energy s

Dispersione media di energia per pkt

diffusion

Simulazione di fallimento dei nodi Spegnimento di 10-20% di nodi per 30 sec

omniscent flooding Average Dissipated Average 0,018 0,016 0,014 0,012 0,01 0,008 0,006 0,004 0,002 0 50 Network Size 100 150 200 250

Comportamento stabile rispetto al dinamismo

Benefici per aggregazione, soppressione duplicati, reinforcement e reinforcement negativo.

Event Delivery Ratio

0,8 no failures 10% failures 20% failures

0,6

Event Delay Ratio

0,4

Average Delay
Average Delay
0,35 0,3 0,25 0,2 0,15 0,1 0,05 Delay diffusion omniscent flooding

Ragionevole num eventi consegnati senza troppo ritardo fino 20% fallimenti
150 Nework Size 200 250

0,2

50

100

Average Delay

0,7

0,6

0,5

0,4

no failures

Delay

0,3

10% failures

0,2

20% failures

0,1

50

100

150

200

250

Average Dissipated Energy

Nework Size

0 50 100 150 Network Size 200 250

0,006

0,005

0,004 no failures 10% failures 20% failures

0,003

0,002

Average dissipated energy

0,001

D.D. ~ ominiscent - Benefici per reinforcement

250

0 100 Nework Size 150 200

50

Conclusioni

Altre valutazioni

Significativa efficienza nel consumo di energia Stabilit rispetto al dinamismo Novit introdotte:

No fallimenti Efficienza energia con e senza aggregazione e soppressione duplicati Efficienza energia con e senza negative reinforcement

Ricerca data-centrica Reinforcement cammino migliore Aggregazione dei dati Caching

Efficienza Energia
Duplicate Suppression
0,25 0,2 0,15 0,1 0,05 0 50 100 150 Network Size 200 250 con senza Average Dissipated Energy

Negative Reinforcem ent

0,012 0,01 0,008 0,006 0,004 0,002 0 50 100 150 Network Size 200 250 con senza average Dissipated Energy