HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen des Internets...

HEINZ NIXDORF INSTITUTUniversität Paderborn

Algorithmen und Komplexität

Algorithmen desInternets

Sommersemester 200509.05.2005

5. Vorlesung

Christian Schindelhauerschindel@upb.de

Algorithmen des Internets 2005-05

Algorithmen und KomplexitätChristian Schindelhauer

Überblick

•Das Internet: Einführung und Überblick

•Mathematische Grundlagen

•IP: Routing im Internet

•TCP: Das Transport-Protokoll des Internets

– Fenster und Congestion-Fenster

– TCP Tahoe, TCPReno

– Das Lastbalancierungsspiel

– AIMD: Lösung des Lastbalancierungsspiel

– TCP Vegas

•Die Struktur des World Wide Web und des Internets

•Suche im Web

•Web-Caching im Internet

•Peer-to-peer-Netzwerke

•Angriffe auf das Internet

Algorithmen und KomplexitätChristian SchindelhauerTCP ist ..

•… ein verbindungsorientierter, zuverlässiger Dienst für bidirektionale Byteströme

•Verbindungsorientiert

– Zwei Parteien identifiziert durch Socketpaar: IP-Adresse und Port

– Kein Broadcast oder Multicast

– Verbindungsaufbau und Ende notwendig, d.h. Verbindung aktiv, bis (ordentlich) beendet

•Zuverlässig

– Jedes Datenpaket wird bestätigt (acknowledgment)

– Erneutes Senden von unbestätigten Datenpakete

– Checksum für TCP-Header und Daten

– TCP nummeriert Pakete und sortiert beim Empfänger

•Bidirektionale Byteströme

– Zwei gegenläufige Datenströme aus einzelnen Bytes

– Möglichst zeitnahe Auslieferung jedes einzelnen Datenbytes, aber Zeitverhalten der Datenfolgen kann verändert werden

– Versucht Übertragungsmedium effizient und fair zu nutzen durch Anpassung der Datenrate

Stauvermeidung in TCP Tahoe(congestion avoidance)

•Jacobson 88:

– Parameter: cwnd und Slow-Start-Schwellwert (ssthresh=slow start threshold)

– S = Datensegmentgröße = maximale Segmentgröße

•Verbindungsaufbau:cwnd ← S ssthresh ← 65535

•Bei Paketverlust, d.h. Bestätigungsdauer > RTO,

– multiplicatively decreasingcwnd ← S ssthresh ←

•Werden Segmente bestätigt und cwnd ≤ ssthresh, dann

– slow start:cwnd ← cwnd + S

•Werden Segmente bestätigt und cwnd > ssthresh, dann additively increasing

cwnd ← cwnd +

x ← 1

x ← x +1

y ← max

y ← x/2

x ← 1

x ← 2⋅x, bis x = y

x: Anzahl Pakete pro RTT

TCP Tahoe

Fast Retransmit und Fast Recovery

•TCP Tahoe [Jacobson 1988]:

– Geht nur ein Paket verloren, dann

• Wiederversand Paket + Restfenster

• Und gleichzeitig Slow Start

– Fast retransmit

• Nach drei Bestätigungen desselben Pakets (triple duplicate ACK),

• sende Paket nochmal, starte mit Slow Start

•TCP Reno [Stevens 1994]

– Nach Fast retransmit:

• ssthresh ← min(wnd,cwnd)/2

• cwnd ← ssthresh + 3 S

– Fast recovery nach Fast retransmit

• Erhöhe Paketrate mit jeder weiteren Bestätigung

• cwnd ← cwnd + S

– Congestion avoidance: Trifft Bestätigung von P+x ein:

• cwnd ← ssthresh

x ← y + 3

y ← x/2

Stauvermeidungsprinzip: AIMD

•Kombination von TCP und Fast Recovery verhält sich im wesentlichen wie folgt:

•Verbindungsaufbau:

•Bei Paketverlust, MD:multiplicative decreasing

•Werden Segmente bestätigt, AD: additive increasing

x ← 1

x ← x +1

x ← x/2

Beispiel: TCP Reno in Aktion

Slow Start

Additively Increase

Fast RecoveryFast Retransmit

Multiplicatively Decrease

Durchsatz und Antwortzeit

•Klippe:

– Hohe Last

– Geringer Durchsatz

– Praktisch alle Daten gehen verloren

•Knie:

– Hohe Last

– Hoher Durchsatz

– Einzelne Daten gehen verloren

Ein einfaches Datenratenmodell

•n Teilnehmer, Rundenmodell

– Teilnehmer i hat Datenrate xi(t)

– Anfangsdatenrate x1(0), …, xn(0) gegeben

•Feedback nach Runde t:

– y(t) = 0, falls

– y(t) = 1, falls

– wobei K ist Knielast

•Jeder Teilnehmer aktualisiert in Runde t+1:

– xi(t+1) = f(xi(t),y(t))

– Increase-Strategie f0(x) = f(x,0)

– Decrease-Strategie f1(x) = f(x,1)

•Wir betrachten lineare Funktionen:

Lineare Datenratenanpassung

•Interessante Spezialfälle:

– AIAD: Additive IncreaseAdditive Decrease

– MIMD: Multiplicative Increase/Multiplicative Decrease

– AIMD: Additive IncreaseMultiplicative Decrease

Fairness und Effizienz

•Effizienz

– Last:

– Maß

•Fairness: Für x=(x1, …, xn):

– 1/n ≤ F(x) ≤ 1

– F(x) = 1 ↔ absolute Fairness, d.h. xi = xj, für alle i,j

– Skalierungsunabhängig

– Kontinuierlich, stetig, differenzierbar

– Falls k von n fair, Rest 0, dann F(x) = k/n

Konvergenz

•Konvergenz unmöglich

•Bestenfalls Oszillation um Optimalwert

– Oszillations-amplitude A

– Einschwingzeit T

Vektordarstellung (I)

Vektordarstellung (II)

•Additive Increase

– Falls x1+ x2 ≤ K

• x1 ← x1 + aI

• x2 ← x2 + aI

•Additive Decrease

– Falls x1+ x2 > K

• x1 ← x1 + aD

• x2 ← x2 + aD

– aI > 0

– aD < 0

•Multiplicative Increase

• x1 ← x1 b⋅ I

• x2 ← x2 b⋅ I

•Multiplicative Decrease

• x1 ← x1 b⋅ D

• x2 ← x2 b⋅ D

– bI > 1

– 0 < bD < 1

•Additive Increase

• x1 ← x1 + aI

• x2 ← x2 + aI

•Multiplicative Decrease

• x1 ← x1 ⋅ bD

• x2 ← x2 ⋅ bD

– aI > 0

– 0 < bD < 1

Faire und Effiziente Lineare Datenratenanpassung

Effiziente lineare Funktionen

•X(t) > K

– aD ≤ 0 → bD ≤ 1

– aD > 0 → bD < 0

→ nicht möglich

•X(t) < K

– aI ≥ 0 → bI ≥ 1

– aI < 0 → nicht möglich

•Fairness von x(t) = (x1(0), …, xn(0)) konvergiert gegen 1, d.h.

•Es gilt für c=a/b:

•Beweis?

Fairness (I)

Beweis! (1)

•Es gilt:

•Substitution

•Dann ist:

Beweis! (2)

•Zu zeigen:

•Warum gilt diese Gleichung?

Beweis! (3)

•Warum gilt diese Gleichung?

•wobei

•Es gilt:

•D.h. Fairness nimmt mit c=a/b zu.

– Für c=0 ist F(x(t+1))= F(x(t))

– Für c>0 ist F(x(t+1))> F(x(t)), falls F(x(t)) ≠ 1

– Für c<0 ist F(x(t+1))< F(x(t))

•Daher aI/bI ≥ 0 und aD/bD ≥ 0

– Also, aI,bI,aD,bD ≥ 0

•Aus Effizienz:

– aD ≤ 0 → bD ≤ 1, heißt also aD = 0 → bD ≤ 1,

– aI ≥ 0 → bI ≥ 1,

• es muß aI > 0, da sonst Fairness nicht zunimmt (siehe MIMD)

•Führt zu AIMD

Fairness (II)

Durchsatzoptimierung in der Transportschicht

•Hauptproblem von TCP: Durchsatzoptimierung durch Stauvermeidung

– Jacobson: min. 99% aller verlorenen Pakete durch IP wegen Datenüberlaufs (congestion) an Routern

– Feedback in der Transportschicht nur durch Ackn.-Pakete:

• Wird ein Paket nicht bestätigt, war der gewählte Datendurchsatz zu hoch

TCP verringert Datendurchsatz

• Werden alle Pakete bestätigt, war der Datendurchsatz genau richtig oder zu niedrig

TCP erhöht Datendurchsatz

Modell

•Rundenmodell

– In Runde t steht Bandweite ut zur Verfügung

– Algorithmus fordert in Runde Bandweite xt an

– Feedback zu Beginn von Runde t+1:

• Ist xt > ut? (d.h. sind Pakete verloren gegangen)

– Algorithmus erfährt nie die wirklich verfügbaren Bandweiten

Runde Internet Host B

Bandweite läßt maximal ut Pakete durch

Host A

sendet xt+1 Pakete

schickt Bestätigung (Ack.)

erhält Ack. undberechnet xt+1

sendet xt Pakete

erhält min(xt+1,ut+1) Pakete

Bandweite läßt maximal ut+1 Pakete durch

erhält min(xt,ut) Pakete

•Der statische Fall

– die verfügbare Bandweite bleibt konstant

•Der dynamische Fall

– die verfügbare Bandweite ändert sich

Durchsatzoptimierung in der Transportschicht

Kosten

•Modell nach Karp, Koutsoupias, Papadimitriou, Shenker 2000

•Prinzip:

– xt > ut : Datenrate ist größer als verfügbare Bandweite

• Zeitverlust und Overhead durch wiederholtes Senden von verlorenen Paketen

– xt < ut : Nur ein kleiner Teil der verfügbaren Bandweite wird genutzt

• Opportunitätskosten

Milde Kosten

•Prinzip:

Strenge Kosten

•Prinzip:

•Bandweite ist fest:

– u1 = u2 = … = u

•Start mit Intervall

– [1..n] = {1,2,3,…n}

•Sinnvoller (rekursiver) Suchalgorithmus A(i,j) auf Intervall [i..j]:

– Falls i=j dann ist u=x.

– Ansonsten

• x = A(i,j) mit x [i+1..j]∈

• Falls x ≤ u: Suche in [x,j]

• Falls x>u: Suche in [i,x-1]

Der statische Fall

Komplexitätsmaß

•Cc,A(i,j,u): Kosten, die Algorithmus A bei Suche nach u mitKostenfunktion c(x,u) entstehen

•worst-case:

•average-case:

wobei:

•Wahl von x:

Milde Kosten bei Binärer Suche

•Wahl von x:

Strenge Kosten bei Binärer Suche

•Wahl von x:

•Strenge worst-case Kosten:

•Strenge average-case Kosten:

•Milde worst-case Kosten:

•Milde average-case Kosten:

Binäre Suche

•Wird als Grundbaustein von TCP eingesetzt

•Wahl von x:

AIMD (Additively Increasing – Mulitiplicatively Decreasing)

•Wird als Grundbaustein von TCP eingesetzt

•Wahl von x:

•Strenge worst-case Kosten:

•Strenge average-case Kosten:

•Milde worst-case Kosten:

•Milde average-case Kosten:

AIMD (Additively Increasing – Mulitiplicatively Decreasing)

Algorithmen und Komplexität

Vielen Dank!

Ende der 5. Vorlesung

Nächste Vorlesung: Mo. 16.05.2005Nächste Übung: Mo. 16.05.2005

Heinz Nixdorf Institut& Institut für InformatikUniversität PaderbornFürstenallee 1133102 Paderborn

Tel.: 0 52 51/60 66 92Fax: 0 52 51/62 64 82E-Mail: schindel@upb.dehttp://www.upb.de/cs/schindel.html

HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen des Internets...

Documents

Transcript of HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen des Internets...

1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 14.06.2004 9. Vorlesung.

WINCOR NIXDORF GI TAV 2011 - Selektiver Regressionstestwinter/tav/html/tav31/TAV31F01_Keynote_WN… · WINCOR NIXDORF GI TAV 2011 - Selektiver Regressionstest Dr. Andreas Wübbeke

1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 28.05.2004 6. Vorlesung.

HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen des Internets Sommersemester 2005 04.07.2005 12. und letzte Vorlesung.

1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 30.04.2004 2. Vorlesung.

1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 21.06.2004 10. Vorlesung.

Wegenetze von: Johanna Nixdorf, Michael Repke, Christian Richter (10.11.2008)

Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität.

4 Greedy-Algorithmen (gierige Algorithmen) · 4 Greedy-Algorithmen (gierige Algorithmen) I Greedy-Algorithmen werden oft f ur die exakte oder approximative L osung von Optimierungsproblemen

© Fachgebiet Softwaretechnik, Heinz Nixdorf Institut, Universität Paderborn HEINZ NIXDORF INSTITUT Universität Paderborn Softwaretechnik Prof. Dr. Wilhelm.

Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Die Klasse NP Verifizieren versus Berechnen -TSP:

Vorlesung Informatik & Gesellschaft Dr. Andrea Kienle 09.05.2005.

Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen

Jaroslaw Kutylowski 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität An Overview of Robot Behavior Control with insight into.

HNI Nachrichten 2014 11 03 AS - kw.uni-paderborn.de · HEINZ NIXDORF INSTITUT Universität Paderborn HNINachrichten Mitteilungen aus dem Heinz Nixdorf Institut Interdisziplinäres

HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen des Internets Sommersemester 2005 23.05.2005 6. Vorlesung Christian.

Wincor Nixdorf Aktiengesellschaft Paderborn ... · Die Wincor Nixdorf Aktiengesellschaft, Paderborn, (im Folgenden „Wincor Nixdorf AG“) ist das Mutterunternehmen des Wincor Nixdorf-Konzerns.

1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 21.05.2004 5. Vorlesung.

Eigenschaften von Algorithmen Klaus Becker 2008. 2 Algorithmen Zielsetzung: klassische Algorithmen erkunden und dabei zentrale Eigenschaften von Algorithmen.

Klaus Volbert 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen und Komplexität Sommersemester 2004.