Đồng bộ thận trọng trong mô phỏng mạng truyền thông quy mô lớn

T R Ư Ờ N G Đ Ạ I H Ọ C B Á C H K H O A H À N Ộ I
VIỆN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG
BÀI TẬP LỚN MÔN HỌC
CÁC KỸ THUẬT HIỆN ĐẠI TRONG CNTT
MÔ PHỎNG HIỆU NĂNG CAO
Đề tài:
“Conservative Synchronization of Large-Scale Network Simulations”
(Đồng bộ thận trọng trong mô phỏng mạng truyền thông quy mô lớn)
- Giảng viên hướng dẫn : TS. Phạm Đăng Hải
- Học viên thực hiện : Hồ Thị Lợi (CA150114)
Đoàn Vũ Giang (CA150108)
Nguyễn Thị Thu Huyền (CB140170)
- Môn học : Chuyên đề 2
- Mã học phần : IT6190
- Chuyên ngành : Công nghệ thông tin
- Hà Nội: 8/2015 -
Conservative Synchronization of Large-Scale Network Simulations
MỤC LỤC
LỜI MỞ ĐẦU 3
1. TỔNG QUAN 4
2. GIỚI THIỆU BÀI BÁO 4
3. PHÂN TÍCH CÁC MÔ HÌNH CMB 5
3.1. Null – message 6
3.2. Thuật toán lazy CMB null-message: 6
3.3. Tối ưu hoá thuật toán lazy null – message 8
3.4. Đồng bộ hóa mô phỏng quy mô lớn 9
4. ÁP DỤNG MÔ HÌNH PHÂN TÍCH NULL MESSAGE ĐỂ DỰ ĐOÁN HIỆU
SUẤT MÔ PHỎNG 9
4.1. Mô hình đường cơ sở (Baseline) 10
4.2. Những kịch bản khác nhau cho mô hình baseline 11
4.3. Nền tảng phần cứng và phần mềm 11

4.4. Ước lượng Null-message 11
4.5. Ước tính chỉ số Overhead 12
4.6. Khả năng mở rộng của thuật toán CMB 13
5. PHẦN MỀM MÔ PHỎNG NETWORK SIMULATION (NS) 14
5.1. Giới thiệu phần mềm mô phỏng NS 14
5.2. Đối tượng được mô phỏng: 15
5.3. Dùng C++ và Otcl để xây dựng NS: 16
5.4. Cấu trúc cây thư mục NS 16
5.5. Môi trường làm của NS: 16
6. KẾT LUẬN 17
LỜI CẢM ƠN 18
TÀI LIỆU THAM KHẢO 19
2
Conservative Synchronization of Large-Scale Network Simulations
LỜI MỞ ĐẦU
Mô phỏng tin học (Computer simulation) là các chương trình máy tính, mạng
máy tính để mô phỏng một mô hình trừu tượng của một hệ thống cụ thể thông qua
các hiện tượng, các sự kiện trong thực tế hoặc số liệu đã có như các điều kiện thời
tiết, các phản ứng hoá học, các quá trình sinh học và các số liệu kinh tế…. Quy mô
của sự kiện được mô phỏng bằng mô phỏng tin học đã vượt xa bất cứ điều gì có thể
(hoặc thậm chí có thể tưởng tượng) so với cách sử dụng mô hình toán học truyền
thống giấy và bút.
Đã có rất nhiều những bài báo, những cuộc hội thảo lớn trao đổi, nghiên cứu về
mô phỏng song song và phân tán như Parallel and Distributed Simulation, Winter
Simulation Conference, Computer Simulation Methods and Applications,… Các
tác giả Alfred Park, Kalyan S. Perumalla và đặc biệt là Richard M. Fujimoto là
những nhân tố tích cực, đóng góp rất nhiều kết quả nghiên cứu trong lĩnh vực này.
Trong đó có bài báo “Conservative Synchronization of Large-Scale Network
Simulations” (Đồng bộ thận trọng trong mô phỏng mạng truyền thông quy mô
lớn) được in trong Kỷ yếu của Hội thảo lần thứ 18 về mô phỏng song song và phân

tán (PADS'04), tạp chí IEEE năm 2004.
Trong phạm vi bài tập lớn môn học, tiểu luận sẽ trình bày các nội dung được đề
cập đến trong bài báo, trên cơ sở của chuyên đề về các thuật toán mô phỏng song
song thận trọng.
3
Conservative Synchronization of Large-Scale Network Simulations
1. TỔNG QUAN
Kỹ thuật mô phỏng song song theo sự kiện rời rạc hiện nay đã cho phép ứng
dụng với các mô hình mạng truyền thông quy mô lớn (chứa tới hàng triệu thiết bị đầu
cuối và thiết bị chuyển mạch). Tuy nhiên, hiệu suất mô phỏng song song có thể bị
giảm xuống đáng kể nếu không sử dụng những thuật toán đồng bộ thích hợp.
Nội dung bài báo đã đưa ra những nét so sánh về hiệu suất và khả năng mở rộng
của 2 thuật toán synchronous (đồng bộ) và asynchronous (không đồng bộ) trong mô
phỏng mạng song song thận trọng. Nhóm nghiên cứu cũng phát triển một mô hình
phân tích để đánh giá hiệu quả và tính khả mở của các tham số xác định trong một
thuật toán khá nổi tiếng có tên là Null-message.
Bài báo cũng chỉ rõ rằng dữ liệu thực nghiệm đã chứng minh tính chính xác của
mô hình này. Việc phân tích và đo lường trên hệ thống song song với hàng trăm bộ vi
xử lý cho thấy rằng đối với các kịch bản mô phỏng mô hình mạng thu nhỏ có số lượng
kênh vào / ra xác định thì thuật toán null-message có khả năng mở rộng tốt hơn khả
năng giảm số lượng tính toán giá trị toàn cục tối thiểu (global reduction) dựa trên các
giao thức đồng bộ.
2. GIỚI THIỆU BÀI BÁO
Mô phỏng song song ngầm định sự thực hiện chỉ một chương trình mô phỏng trên
một tập các processors kết nối chặt chẽ (máy tính song song).
Các tiến trình logic (LPs) trong mô phỏng song song bởi các thuật toán thận trọng
sẽ luôn đảm bảo được nguyên tắc causality, điều đó có nghĩa là các message nhận
được bởi tiến trình này được xử lý theo trật tự không giảm của nhãn thời gian. Tuy
nhiên, không có gì đảm bảo rằng các đồng hồ cục bộ trong các tiến trình khác nhau đã
“đồng giờ” với nhau. Vì vậy, đồng bộ hóa trong mô phỏng cũng là đề tài được đề cập

đến trong nhiều nghiên cứu trước đây.
Các thuật toán thận trọng được chia thành 2 loại, đó là đồng bộ và không đồng
bộ. Các thuật toán không đồng bộ không yêu cầu đồng bộ hóa giá trị GVT (global
vitua time). Thuật toán null-message (được phát triển từ thuật toán gốc Chandy-Misra-
Bryant) đã giải quyết được vấn đề hủy bỏ bế tắc là một ví dụ điển hình về thuật toán
không đồng bộ. Bên cạnh đó, các thuật toán đồng bộ hóa sử dụng tính toán global
redution để tìm ra biên độ thời gian tối thiểu (Lower Bound on Timestamp - LBTS)
của các thông điệp có thể được nhận bởi mỗi LP trong tương lai, điều đó giúp xác định
4
Conservative Synchronization of Large-Scale Network Simulations
rằng khi nào các sự kiện được an toàn để xử lý (ví dụ giao thức YAWNS). Một số
thuật toán khác lại sử dụng các kỹ thuật phát hiện bế tắc và phục hồi (deadlock
detection and recovery) hay kỹ thuật cửa sổ thời gian (simulation time windows).
Mặc dù trước đây đã có nhiều nghiên cứu đánh giá hiệu suất của các thuật toán
đồng bộ hoá thận trọng, nhưng hầu hết các nghiên cứu này đều mô phỏng trên quy mô
nhỏ (ít hơn 100 bộ vi xử lý). Do vậy, kết luận dựa trên nghiên cứu mô phỏng đó không
áp dụng đối với một kịch bản quy mô lớn.
Trong bài báo này nhóm nghiên cứu đã giải quyết những vấn đề liên quan trong
việc so sánh một thuật toán không đồng bộ CMB null-message với thuật toán đồng bộ
barier trong mô phỏng mạng truyền thông quy mô lớn. Bài báo cũng đề cập đến thuật
toán lazy null-message (trình bày trong phần 3). Phần 4 mô tả các kịch bản mô phỏng
được sử dụng cho các nghiên cứu thực nghiệm, và trình bày so sánh giữa dự đoán mô
hình phân tích và đo lường. Phần 5 trình bày các dữ liệu thực nghiệm được so sánh
hiệu suất của thuật toán CMB và thuật toán global reduction.
3. PHÂN TÍCH CÁC MÔ HÌNH CMB
Thuật toán CMB (Chandy – Misra – Briant) xây dựng dựa trên các giả thiết về
tiến trình logic:
- Các LPs sử dụng một kênh vào riêng cho từng LP khác có trao đổi với nó.
- Mỗi kênh vào là FIFO, có một đồng hồ thời gian mà giá trị tương ứng với
nhãn thời gian của: thông điệp ở đầu kênh vào (nếu có) hoặc thông điệp cuối

cùng nhận được (nếu hàng đợi rỗng)
- LPs trao đổi các thông điệp có nhãn thời gian.
- Cấu hình mạng tĩnh, không tạo các LPs động.
- Các message được gửi trên mỗi link theo trật tự thời gian.
- Đường truyền là tin cậy, các thông điệp đến theo đúng thứ tự được gửi.
Thuật toán với mục đích đảm bảo xử lý các sự kiện trong mỗi LP theo trật tự
thời gian, tại mỗi tiến trình sẽ thực hiện như sau:
WHILE (mô phỏng chưa kết thúc)
{
- Đợi cho tới khi mỗi hàng đợi FIFO chứa ít nhất một msg
- Lấy sự kiện có nhãn thời gian nhỏ nhất ra khỏ hàng đợi
- Xử lý sự kiện này
}
END-LOOP
5
Conservative Synchronization of Large-Scale Network Simulations
Thuật toán có thể dễ dàng cho thấy không vi phạm ràng buộc causality, các
message sẽ luôn được xử lý đúng theo trật tự thời gian, tuy nhiên lại rất dễ rơi vào
bế tắc khi mà trong một chu trình, mỗi tiến trình đều ở trong trạng thái đang chờ
đợi một message từ tiến trình khác. Để giải quyết vấn đề thuật toán null – message
được sử dụng.
3.1. Null – message
Trước hết, có thể hiểu null – messge là một message chỉ chứa nhãn thời gian và
mục tiêu khi sử dụng chính là gỡ sự bế tắc khi thực hiện thuật toán thận trọng cơ
bản CMB bằng cách lan truyền thời gian nhân tạo. Cơ chế sử dụng null – message
rất đơn giản: mỗi LP sẽ gửi một null - message để chỉ ra nhãn thời gian thấp nhất
của một messages mà nó sẽ gửi trong tương lai
Thuật toán CMB cải tiến với null – message:
WHILE (mô phỏng chưa kết thúc)
{

- Đợi cho tới khi mỗi hàng đợi FIFO chứa ít nhất một msg
- Lấy sự kiện có nhãn thời gian nhỏ nhất ra khỏ hàng đợi
- Xử lý sự kiện này (null message không xử lý, chỉ gửi tiếp)
- Gửi tới những LPs lân cận các null messages mang nhãn thời gian thấp nhât
của của một message sẽ được LP này gửi đến trong tương lai (Giá trị thời
gian hiện thời cộng với giá trị lookahead)
}
END-LOOP
Có thể thấy ngay thuật toán null-message đã tháo gỡ thế bế tắc của thuật toán
CMB, tuy nhiên thuật toán này lại phục thuộc vào giá trị lookahead và từ việc phục
thuộc này sẽ phát sinh thêm nhiều vấn đề phải giải quyết như: giá trị lookahead = 0,
giá trị lookahead quá nhỏ hay mức độ rẽ nhánh mạng quá lớn dẫn đến phát sinh quá
nhiều null – message, điều đó cũng đồng nghĩa với việc hệ thống phải xử lý quá
nhiều null-message, hiệu suất hệ thống mô phỏng không cao. Vậy phải làm như thế
nào để dự đoán được giá trị lookahead phù hợp, một số thuật toán bổ sung khắc
phục nhược điểm của null-message được ra đời.
3.2. Thuật toán lazy CMB null-message:
Một phiên bản mới của thuật toán CMB - lazy CMB được ra đời, lazy CMB
null-message sẽ hạn chế số lượng null message gửi đi trong hệ thống bằng cách chỉ
6
Conservative Synchronization of Large-Scale Network Simulations
gửi chúng khi cần thiết. Cụ thể, các null message chỉ gửi khi LP đạt đến cuối thời
gian xử lý an toàn của nó, tức là chỉ khi LP bị chặn. Trong trường hợp này, nếu
không gửi null message thì hệ thống có thể dẫn đến bế tắc. Thuật toán lazy CMB
null-message sẽ:
• Đợi một thời gian τ trước khi gửi null-message
• Chỉ gửi message khi cần thiết
– Khi đã xử lý tất cả các msg an toàn, gửi null-message và chờ đợi
– Khi nhận được null-message, sẽ tính được cận dưới nhãn thời gian của
message tiếp.

Hình 1: Runtimes của thuật toán Lazy CMB
Hình 1 cho thấy quá trình mô phỏng sử dụng thuật toán Lazy CMB (giả sử các
LP có cùng lookahead) với các giá trị "LBTS" như trên thì lazy null message thực hiện
tương tự như của mô phỏng thời gian bước. Với một số lượng tối thiểu của các null
message trao đổi giữa các LP, sơ đồ này tương tự như là mô phỏng đồng bộ. Người ta
có thể tính toán số lượng null message Nɸ được gửi đi như sau:
(1)
Trong đó m là số lượng LP, n là số lượng các kênh đầu ra mỗi LP, và s là chiều
dài của thời gian chạy trong mô phỏng. Số lượng các cửa sổ thực hiện (s được chia
bởi lookahead), cho biết số vòng quay hoặc thời gian bước cho những null message
được gửi đi.
Vd với: m = 8, n = 2, s = 25, và lookahead = 0,2 giây. Bằng công thức 1, tổng
số null message sẽ là 2.000. Khái quát hoá, chúng ta có thể tính toán gần đúng số
7
Conservative Synchronization of Large-Scale Network Simulations
lượng tin nhắn đồng bộ hóa (Nψ) khi thay đổi số lượng đầu vào bằng phương trình
(giả sử m là một bội số của 2):
(2)
3.3. Tối ưu hoá thuật toán lazy null – message
Để tối ưu hoá thuật toán lazy null-message có thể sử dụng các phương pháp sau:
- Gửi null-message theo chu kỳ: mỗi LP sẽ gửi null-message mỗi f đơn vị thời
gian trước khi mô phỏng (trong đó giá trị f nhỏ hơn giá trị lookahead của các
LP, giả thiết rằng các LP có cùng lookahead). Với cách tăng tần suất gửi null-
message tới các LP kế cận sẽ tránh được tình trạng bế tắc của hệ thống.
- Loại bỏ bớt các null-message có cùng nhãn thời gian: Giả sử 1 LP vừa gửi đi 1
null-message có nhãn thời gian t, thì ngay sau đó nó không cần thiết phải gửi đi
thêm 1 null-message nào khác có cùng nhãn thời gian t như vậy nữa (các null-
message có cùng nhãn thời gian chỉ cần được gửi đi 1 lần từ 1 LP).
Từ 2 biện pháp tối ưu trên, phương trình 1 có thể được sửa đổi như sau:
(3)

Trong đó c là tỷ lệ null-message bị hủy bỏ và f là tần suất các null-message
được gửi đi. Ở đây, giá trị f được sử dụng ở vị trí của giá trị lookahead trong
phương trình 1.
Bây giờ chúng ta chuyển sang các trường hợp tổng quát hơn của lookahead
không đồng đều trên các kênh đầu ra. Nó rất hữu ích để xây dựng một mô hình
phân tích mà các mô hình mô phỏng là không thường xuyên. Ở đây, chúng ta giả
định một giá trị lookahead được gán cho mỗi liên kết.
Trong trường hợp của các giá trị lookahead là khác nhau trên mỗi LP, công thức
3 có thể được sửa đổi thành phương trình:
(4)
8
Conservative Synchronization of Large-Scale Network Simulations
Phương trình 1-4 với các giá trị lookahead và tần suất gửi null message cho
phép ước lượng được số null message sẽ gửi đi trong suốt quá trình mô phỏng.
Tính toán được số lượng null message là rất quan trọng vì nó là một yếu tố quan
trọng để tính toán giá trị overhead trong thuật toán null message.
Phương trình 5 tính toán chỉ số overhead trong thuật toán lazy null messge. Ở
đây a là số lượng kết nối từ xa, p là tỷ lệ phần trăm và w là số lượng từng loại kết
nối cụ thể. Số lượng w này là yếu tố thông thường truyền thông. Ví dụ, nếu chúng
ta có kết nối trên cả bộ nhớ dùng chung (w
1
) và Ethernet (w
2
), có thể là w
1
= 1 và
w
2
= 10.
Bằng cách sử dụng những phương trình này, chúng ta không chỉ tính toán được

số lượng null message được gửi qua tất cả LP, mà còn tính được giá trị overhead
của thuật toán null message với từng kịch bản mô phỏng. Điều này rất hữu ích
trong việc dự báo hiệu suất của một kịch bản baseline mới (ví dụ như các thí
nghiệm nhỏ).
3.4. Đồng bộ hóa mô phỏng quy mô lớn
Lưu ý rằng phương trình (1) và phương trình (2) ở trên chỉ khác nhau ở hệ số n
trong (1) được thay bằng log
2
m trong (2). Đối với thuật toán quản lý thời gian đồng
bộ, số lượng tin nhắn đồng bộ hóa tăng tỉ lệ thuận với mlog
2
m, so với tỉ lệ của m
trong thuật toán CMB. Hơn nữa, giá trị này không bao gồm thời gian ngắt và khởi
động lại đồng thời toàn bộ các LP trong hệ thống (thời gian này sẽ tăng tuyến tính
khi số lượng LP tăng), góp phần tăng giá trị overhead quản lý thời gian đối với mỗi
phép tính LBTS. Vấn đề này sẽ được thảo luận thêm với kết quả hiệu suất trong
phần 4.5
4. ÁP DỤNG MÔ HÌNH PHÂN TÍCH NULL MESSAGE ĐỂ DỰ ĐOÁN
HIỆU SUẤT MÔ PHỎNG
Các mô hình phân tích trên đây cho phép dự báo hoạt động của null-message và
giá trị overhead. Những chỉ số này có thể được sử dụng để dự báo hiệu suất của các
mô hình mô phỏng khác nhau. Đầu tiên chúng ta sẽ ước tính hoạt động của null-
message và giá trị overhead trên hệ thống mô phỏng, sau đó so sánh với các chỉ số
9
Conservative Synchronization of Large-Scale Network Simulations
đo đạc thực nghiệm. Các phần sau đây liên quan đến kết quả thực nghiệm (mỗi LP
tương ứng với một CPU vật lý).
4.1. Mô hình đường cơ sở (Baseline)
Nhóm nghiên cứu đã sử dụng các tiêu chuẩn được phát triển tại Đại học
Dartmouth như một tập hợp các mô hình baseline để mô hình hóa và mô phỏng

mạng cộng đồng [22]. Cấu hình baseline này được tạo ra để chứng minh khả năng
mở rộng mạng mô phỏng. Mỗi phần của mạng được gọi là một Campus Network
(CN).
Hình 4 cho thấy các cấu trúc liên kết cho CN. Mỗi CN bao gồm 4 máy chủ, 30
thiết bị định tuyến, và 504 máy chủ (tổng số là 538 nút). Mỗi CN bao gồm 4 mạng
con (sub-network) riêng biệt. Net 0 bao gồm 3 thiết bị định tuyến, có nút 0:0 là
router gateway cho CN. Net 1 gồm 2 router và 4 máy chủ. Net 2 gồm 7 tuyến, 7
router LAN, và 294 khách hàng. Net 3 chứa 4 bộ định tuyến, 5 thiết bị định tuyến
mạng LAN, và 210 khách hàng.
Hình 4: Campus Network
Tất cả các liên kết máy chủ không phải điểm cuối (non-end host) đều có băng
thông là 2Gb/s và độ trễ truyền thông (delay) dưới 5ms (riêng truyền thông giữa
Net 0 đến Net 1 có delay là 1ms). Host cuối được kết nối point-to-point với router
mạng LAN tương ứng có băng thông 100MB/s và delay là 1ms.
Nhiều CN có thể được kết nối với nhau để tạo thành một cấu trúc liên kết vòng.
Chính tính chất này của mạng cho phép các mô hình cơ sở để dễ dàng thay đổi kích
thước (thu nhỏ hay mở rộng quy mô).
10
0:1
0:2 1:0
1:2
1:3
1:4
1:5
4 5
2:0 2:1
2:2 2:3
2:4 2:5
2:6
3:0 3:1

3:2 3:3
Net 1
Net 2 Net 3
1:1
Net 0
To other CNs
0:0
Conservative Synchronization of Large-Scale Network Simulations
4.2. Những kịch bản khác nhau cho mô hình baseline
Nhóm nghiên cứu đã đưa ra 5 kịch bản với 5 cấu hình tương phản. Việc lựa
chọn máy chủ ngẫu nhiên, thay đổi độ trễ lan truyền trên mạng liên kết vòng và
thay đổi các cụm liên kết sẽ tạo ra các kịch bản sử dụng trong nghiên cứu này.
Kịch bản Lưu lượng Chord? Đặc tính khác
Baseline Std. No None
Baseline-R Rand. No None
Baseline-2ms Rand. No Single 2ms ring link
Chord-R Rand. Yes None
Chord-Asym Rand. Yes Asym. Chord delays
Bảng 1. Benchmark Scenarios
4.3. Nền tảng phần cứng và phần mềm
Phần mềm mô phỏng song song / phân tán (PDNS) là phần mềm mô phỏng
mạng trên nền tảng HLA RTI (High Level Architecture & using RunTime
Infrastructure based). Các PDNS được nhắc đến trong nghiên cứu này gồm có: NS-
2, libSynk,
NS-2 (Network Simulator 2): là phần mềm mã nguồn mở mô phỏng mạng điều
khiển sự kiện riêng rẽ hướng đối tượng, được phát triển tại UC Berkely, viết bằng
ngôn ngữ C++ và Otcl chạy trên nền Windows 32 và Linux. NS rất hữu ích cho
việc mô phỏng mạng diện rộng (WAN) và mạng local (LAN). Bốn lợi ích lớn nhất
của NS-2 phải kể đến là: Khả năng kiểm tra tính ổn định của các giao thức mạng
đang tồn tại; Khả năng đánh giá các giao thức mạng mới trước khi đưa vào sử

dụng; Khả năng thực thi những mô hình mạng lớn mà gần như ta không thể thực thi
được trong thực tế; Khả năng mô phỏng nhiều loại mạng khác nhau.
libSynk: là thư viện quản lý các kết nối và thời gian. libSynk được sử dụng để
quản lý các tình huống trong mô phỏng song song và phân tán, nó cũng được sử
dụng để phân chia bộ nhớ giữa các kết nối SMP và TCP/IP để truyền thông qua
SMPS.
4.4. Ước lượng Null-message
Sử dụng các mô hình phân tích cho thuật toán CMB có thể được ước tính được
số lượng Null-message sẽ gửi đi trong hệ thống. Bảng 2 cho thấy số liệu ước tính
11
Conservative Synchronization of Large-Scale Network Simulations
cùng với số liệu đo đạc thực hiện trên các kịch bản baseline mô phỏng song song.
Trong kịch bản này có s = 25; lookahead = 0,2; f = ( 0,2/3 ); n = 2; c = 0,5 .
Số lượng CPUs Null-message ước lượng Null-message đo đạc
4 1,500 1,424
8 3,000 2,974
16 6,000 6,064
32 12,000 11,890
64 24,000 23,586
128 48,000 48,628
256 96,000 96,034
512 192,000 193,862
Bảng 2. Ước lượng số lượng Null message
Số liệu trên Bảng 2 cho thấy rằng mô hình phân tích của nhóm nghiên cứu dự
đoán khá chính xác số lượng null-message. Sự chênh lệch số liệu giữa ước lượng
và số liệu mô phỏng phụ thuộc vào tỉ lệ giữa số lượng null-message được gửi đi và
số lượng null-message bị hủy bỏ. Gần như không thể dự đoán chính xác được tỉ lệ
này, nhưng số liệu ước lượng cũng đã khá gần với số liệu thực tế đo đạc được từ
việc mô phỏng.
4.5. Ước tính chỉ số Overhead

Từ các kết quả ước tính số lượng null-message được gửi đi như trên, cùng với
phương trình 3 đã được thiết lập trong mục 3.3, chúng ta có thể để ước tính giá trị
overhead cho mỗi kịch bản mô phỏng.
Nhóm nghiên cứu cũng đã đưa ra một khái niệm mới “Packet Transmissions per
Second of wallclock time” (PTS): là số lượng gói tin được xử lý trong 1 giây của
wallclock hay số lượng gói tin được truyền đi từ nút này tới nút khác trong hệ
thống mạng.
Giá trị overhead và PTS trong trường hợp mô phỏng với 32 CPU được thể hiện
trong Bảng 3. Số liệu thống kê cũng cho biết rằng 28 CPU (87,5%) đã gửi tin null-
message thông qua bộ đệm bộ nhớ dùng chung và 4 CPU còn lại (12,5%) giao tiếp
thông qua giao thức TCP / IP trên Ethernet. Sử dụng các giá trị m = 32, p1 = 0,875,
p 2 = 0,125, W1 = 1, và w2 = 10, chỉ số overhead cho kịch bản cơ bản là 6,25.
12
Conservative Synchronization of Large-Scale Network Simulations
Kịch bản Chỉ số Overhead PTS
Baseline 6.25 1,512,410
Baseline-R 8.52 865,385
Baseline-2ms 10.54 621,008
Chord-R 9.43 699,848
Chord-Asym 12.21 684,630
Bảng 3. Ước lượng chỉ số Overhead
4.6. Khả năng mở rộng của thuật toán CMB
Trong phần 3.3, chúng tôi đã chỉ ra rằng, thuật toán Null-message tương đối ổn
định khi tăng kích thước mô hình mô phỏng. Chúng tôi cũng đã chứng minh bằng
thực nghiệm với cùng kịch bản Baseline (đường cơ sở). Nhưng với các kịch bản
khác, hiệu quả của thuật toán null-messages phụ thuộc rất nhiều vào khả năng dự
báo giá trị lookahead.
Số lượng CPUs Null Messages Reductions
16 784 736
32 783 747

128 787 892
Bảng 4. Mô phỏng cho kịch bản Baseline
Thời gian mô phỏng của thuật toán CMB gần như không đổi khi mô phỏng với
quy mô từ 16-128 VXL (xem Bảng 4), trong khi đó thời gian toàn cục (global
redutions) lại đều đặn tăng theo số lượng CPU (từ 16 đến 128 CPU). Hình 5 cho
thấy sự thay đổi của 2 giao thức đồng bộ với kịch bản Baseline
Số lượng CPUs Null Messages Reductions
64 420 508
128 414 523
256 420 563
512 436 620
Bảng 5. Mô phỏng mô hình lớn với kịch bản Baseline
Đây là kết quả mô phỏng trên máy Compaq Alpha Tru64 cluster.
13
Conservative Synchronization of Large-Scale Network Simulations
Giá trị PTS tương ứng được thể hiện trong hình 6. Kịch bản baseline sử dụng
giá trị global reductions tăng theo hàm mũ tương ứng với quy mô mô phỏng.
Ngược lại, thuật toán null-message lại tương đối ổn định trong thời gian chạy hiệu
suất lên đến 512 CPU.
Hình 5. Đánh giá PTS theo quy mô mô phỏng
Hình 6. PTS trong mô hình lớn
5. PHẦN MỀM MÔ PHỎNG NETWORK SIMULATION (NS)
5.1. Giới thiệu phần mềm mô phỏng NS
NS (Network Simulation) chương trình phần mềm dạng hướng đối tượng được
sử dụng để mô phỏng lại các sự kiện xảy ra trong hệ thống mạng.
NS được sử dụng để mô phỏng LAN và WAN, thực thi mô phỏng mạng lớn và
nhiều loại mạng khác nhau
14
Conservative Synchronization of Large-Scale Network Simulations
Hệ mô phỏng NS-2 được phát triển ở trường đại học Berkeylay từ năm 1989, là

một phần trong dự án VINT (Virtual Internet Testbed) của phòng thí nghiệm quốc
gia Lawrence Berkeley
Hình ảnh: Tổng quan về NS dưới góc độ người dùng
• OTcl Script Kịch bản OTcl
• Simulation Program Chương trình Mô phòng
• OTcl Bộ biên dịch Tcl mở rộng hướng đối tượng
• NS Simulation Library Thư viện Mô phỏng NS
• Event Scheduler Objects Các đối tượng Bộ lập lịch Sự kiện
• Network Component Objects Các đối tượng Thành phần Mạng
• Network Setup Helping Modules Các mô đun Trợ giúp Thiết lập Mạng
• Plumbling Modules Các mô đun Plumbling
• Simulation Results Các kết quả Mô phỏng
• Analysis Phân tích
• NAM Network Animator Minh họa Mạng NAM
5.2. Đối tượng được mô phỏng:
- Wired, Wireless, Satellite
- TCP Agents, UDP Agents, multicast, unicast
- Thiết kế các cơ chế quản lý hàng đợi tại bộ định tuyến như DropTail, Fair
Queueing, Red.
15
Conservative Synchronization of Large-Scale Network Simulations
- Cài đặt thuật toán định đường động và tĩnh, Dijkstra, vector khoảng cách,
thuật toán trạng thái liên kết,
- Hỗ trợ các ứng dụng WebCache, FTP, Telnet, CBR, Web, Real Audio.
5.3. Dùng C++ và Otcl để xây dựng NS:
Hệ mô phỏng NS được viết trên C++ và Otcl, C++ dùng để xử lý dữ liệu, các
thao tác về gói tin và Otcl được sử dụng để định dạng cấu hình mô phỏng, điều
khiển mô phỏng.
Đây là lí do để hệ mô phỏng NS đạt hiệu quả. Để giảm bớt thời gian xử lý gói
tin và những sự kiện trong mô phỏng, tất cả đều được thực hiện trên C++.

5.4. Cấu trúc cây thư mục NS
5.5. Môi trường làm của NS:
Để thực hiện mô phỏng một mô hình mạng trước hết ta phải khởi tạo các đối
tượng, các liên kết, các Agent, các dịch vụ truyền tin trên môi trường NS, và
điều này khá đơn giản vì NS đã hỗ trợ cách khởi tạo ra các đối tượng này. Sau khi
khởi tạo các đối tượng như nút(node), liên kết(link), các Agent, các dịch vụ truyền
tin thì đoạn mã lệnh tương ứng sẽ được phát sinh. Cấu trúc câu lệnh của NS cũng
khá đơn giản chúng ta cũng có thể sử dụng nó để tạo ra một mô hình theo ý muốn.
16
Conservative Synchronization of Large-Scale Network Simulations
Sau khi thực hiện mô phỏng mô hình mạng trên NS, trình biên dịch sẽ dịch
chương trình chúng ta đã mô phỏng, kết quả được lưu dưới dạng file NAM. NAM
có một giao diện dễ sử dụng (có các nút điều khiển chương trình như: Play, Stop,
FastForward, Rewind, Pause ), chúng ta có thể thực hiện chương trình đã biên
dịch dưới dạng file NAM trong môi trường NAM một cách dễ dàng. Trên màn hình
luôn luôn hiển thị thời gian thực hiện chương trình, tốc độ truyền gói tin. Ngoài ra
nó còn có màn hình quan sát lưu lượng gói tin truyền đi và số lượng gói tin rời khỏi
đường truyền khi có độ trì hoãn cao hay nghẽn mạch xảy ra trên mạng.
6. KẾT LUẬN
Bài báo trình bày một mô hình phân tích cho thuật toán lazy null message
không đồng bộ để quản lý thời gian. Các phương trình được đề xuất trong bài báo
có thể được sử dụng để tính toán số lượng null-message và giá trị overhead tương
ứng. Cụ thể, chỉ số overhead cho phép dự đoán được việc tối ưu hóa thuật toán
null-message, giá trị overhead hầu như tăng lên không đáng kể nếu như đầu vào/ra
của các kênh ổn định (như mô phỏng với quy mô nhỏ).
Thuật toán null-message cũng rất linh động cho các mô hình mạng biến động và
không đối xứng. Thuật toán tối ưu hóa CMB có thể đồng bộ hóa các message theo
giá trị lookahead gửi tới các kết nối cục bộ. Các tính chất này chứng minh được lợi
thế trong mô phỏng mạng quy mô lớn của thuật toán CMB.
17

Conservative Synchronization of Large-Scale Network Simulations
LỜI CẢM ƠN
Môn học các kỹ thuật hiện đại trong CNTT với chuyên đề Mô phỏng hiệu năng
cao đã mang đến cho chúng em những kiến thức mới các phương pháp mô phỏng,
đặc biệt là mô phỏng tin học hiệu năng cao.
Qua quá trình thực hiện tiểu luận, phần nào chúng em cũng được hiểu thêm về
các thuật toán thận trọng trong mô phỏng song song. Tuy nhiên, do chủ đề khá mới
mẻ và kiến thức còn hạn chế nên tiểu luận của chúng em mới chỉ dừng lại ở mức
tìm hiểu và thử nghiệm một vài ví dụ nhỏ trên phần mềm mô phỏng.
Chúng em xin chân thành gửi tới Thầy, TS. Phạm Đăng Hải lời cảm ơn sâu sắc.
Thầy đã tận tình giảng dạy và cung cấp cho chúng em những kiến thức và tài liệu
cần thiết để chúng em hoàn thành tiểu luận này.
18
Conservative Synchronization of Large-Scale Network Simulations
TÀI LIỆU THAM KHẢO
[1] R. M. Fujimoto, Parallel and Distributed Simulation Systems. New York:
Wiley-Interscience, 2000.
[2] K. M. Chandy and J. Misra, "Distributed Simulation: A Case Study in Design
and Verification of Distributed Programs," IEEE Transactions on Software
Engineering, vol. 5, pp. 440-452, 1979.
[3] R. E. Bryant, "Simulation of Packet Communications Architecture Computer
Systems," Massachusetts Institute of Technology. MIT-LCS-TR-188 MIT-LCS-
TR-188, 1977.
[4] R. Bagrodia and M. Takai, "Performance evaluation of conservative algorithms
in parallel simulation languages," IEEE Transactions on Parallel and Distributed
Systems, vol. 11, pp. 395-411, 2000.
[5] W K. Su and C. L. Seitz, "Variants of the Chandy-MisraBryant Distributed
Discrete-Event Simulation Algorithm," presented at the SCS Multiconference on
Distributed Simulation '89, Miami, FL, 1989.
[6] J. Porras, V. Hara, J. Harju, and J. Ikonen, Improving the Performance of the

Chandy-Misra Parallel Simulation Algorithm in a Distributed Workstation
Environment.
Arlington, VA, 1997.
[7] W. Cai and S. J. Turner, "An Algorithm for Reducing NullMessages of the
CMB Approach in Parallel Discrete Event Simulation," University of Exeter, 1995.
[8] D. M. Nicol, "The Cost of Conservative Synchronization in Parallel Discrete
Event Simulations," Journal of the ACM, vol. 40, pp. 304-333, 1993.
[9] K. M. Chandy and J. Misra, "Asynchronous Distributed Simulation via a
Sequence of Parallel Computations," Communications of the ACM, vol. 24, pp.
198-205, 1981.
[10] B. D. Lubachevsky, "Efficient Distributed Event-Drive Simulations of
Multiple-Loop Networks," Communications of the ACM, vol. 32, pp. 111-123,
1989.
[11] Z. Xiao, B. Unger, R. Simmonds, and J. Cleary, "Scheduling Critical Channels
in Conservative Parallel Discrete Event Simulation," presented at the 13th
Workshop on Parallel and Distributed Simulation, Atlanta, GA, 1999.
[12] H. Y. Song, R. A. Meyer, and R. Bagrodia, "An Empricial Study of
Conservative Scheduling," presented at the 14th Workshop on Parallel and
Distributed Simulation, Bologna, Italy, 2000.
[13] M. L. Bailey and M. A. Pagels, "Measuring the Overhead in Conservative
Parallel Simulations of Multicomputer Programs," presented at the 23rd Winter
Simulation Conference, Phoenix, AZ, 1991.
19
Conservative Synchronization of Large-Scale Network Simulations
[14] D. M. Nicol, "Scalability, Locality, Partitioning and Synchronization in PDES,"
presented at the 12th Workshop on Parallel and Distributed Simulation, Banff,
Alberta, Canada, 1998.
[15] D. M. Nicol and J. Liu, "Composite Synchronization in Parallel Discrete-Event
Simulation," IEEE Transactions on Parallel and Distributed Systems, vol. 13, pp.
433-446, 2002.

[16] D. M. Nicol, "Analysis of Synchronization in Massively Parallel Discrete-Event
Simulation," presented at the 2nd ACM SIGPLAN, Seattle, WA, 1990.
[17] D. M. Nicol, C. Michael, and P. Inouye, "Efficient
Aggregation of Multiple LP's in Distributed Memory Parallel Simulations,"
presented at the 21st Winter Simulation Conference, Washington, D.C., 1989.
[18] C C. Lim, Y H. Low, B P. Gan, S. Jain, W. Cai, W. J.
Hsu, and S. Y. Huang, "Performance Prediction Tools for
Parallel Discrete-Event Simulation," presented at the 13th Workshop on Parallel
and Distributed Simulation, Atlanta, GA, 1999.
[19] E. Naroska and U. Schwiegelshohn, "Conservative Parallel Simulation of a
Large Number of Processes," Simulation, vol. 72, pp. 150-162, 1999.
[20] J. Lemeire and E. Dirkx, "Performance Factors in Parallel Discrete Event
Simulation," presented at the 15th European Simulation Multiconference, Prague,
2001.
[21] V. Jha and R. Bagrodia, "A Performance Evaluation Methodology for Parallel
Simulation Protocols," presented at the 10th Workshop on Parallel and Distributed
Simulation, Philadelphia, PA, 1996.
[22] "NMS Baseline Model. />[23] "pdns.

[23] [24] G. F. Riley, R. M. Fujimoto, and M. H. Ammar, "A Generic Framework
for Parallelization of Network Simulations," presented at the 7th MASCOTS,
College Park, MD, 1999. [25] "libSynk.
/>[24] R. M. Fujimoto, T. McLean, and K. S. Perumalla, "Design of High Performance
RTI Software," presented at the 4th Workshop on Distributed Simulation and Real-
Time Applications, San Francisco, CA, 2000.
[25] K. S. Perumalla, A. Park, R. M. Fujimoto, and G. F. Riley, "Scalable RTI-
Based Parallel Simulation of Networks," presented at the 17th Workshop on
Parallel and Distributed Simulation, San Diego, CA, 2003.
[26] G. F. Riley, "The Georgia Tech Network Simulator," presented at the ACM
SIGCOMM '03, Karlsruhe, Germany, 2003.

[27] Alfred Park, Richard M. Fujimoto, Kalyan S. Perumalla, “Conservative
Synchronization of Large-Scale Network Simulations” Proceedings of the 18th
Workshop on Parallel and Distributed Simulation (PADS’04), Atlanta, Georgia,
USA, 2004.
20