Um algoritmo de difusão para redes sem fios não infraestruturadas

(1)

U

NIVERSIDADE DE

L

ISBOA

Faculdade de Ciˆencias

Departamento de Inform´atica

UM ALGORITMO DE DIFUS ˜

AO PARA REDES SEM

FIOS N ˜

AO INFRAESTRUTURADAS

Jo˜ao Lu´ıs Lopes Ludovico

MESTRADO EM ENGENHARIA INFORM ´

ATICA

Especializac¸˜ao em Arquitectura, Sistemas e Redes de Computadores

(2)

(3)

U

NIVERSIDADE DE

L

ISBOA

Faculdade de Ciˆencias

Departamento de Inform´atica

UM ALGORITMO DE DIFUS ˜

AO PARA REDES SEM

FIOS N ˜

AO INFRAESTRUTURADAS

Jo˜ao Lu´ıs Lopes Ludovico

DISSERTAC

¸ ˜

AO

Projecto orientado pelo Prof. Doutor Hugo Alexandre Tavares Miranda

MESTRADO EM ENGENHARIA INFORM ´

ATICA

Especializac¸˜ao em Arquitectura, Sistemas e Redes de Computadores

(4)

(5)

Agradecimentos

Quero agradecer a todas as pessoas que tornaram este trabalho poss´ıvel e que me apoiaram ao longo do curso. Nomeadamente a Nádia Fernandes, Tiago Gonçalves, Diogo Reis, David Costa, Daniel Costa, Pedro Feiteira, Maiur Narendra, Hélio Filipe, Miguel Pires, Tânia Nunes, ao meu orientador Hugo Miranda e como não podia deixar de ser aos meus pais e irmã.

(6)

(7)

(8)

(9)

Resumo

A difusão é uma operação muito utilizada em redes sem fios não infra-estruturadas. Nestas redes, os nós apenas comunicam com outros que estejam dentro do seu raio de transmissão, não existindo uma infra-estrutura que conecte e forneça serviços aos nós. Assim, para que uma mensagem seja entregue a todos os nós da rede esta tem de ser sucessivamente propagada pelos seus participantes.

Os algoritmos de difusão podem ser divididos em dois grupos distintos: os cientes do contexto e os não cientes do contexto. No primeiro caso, os nós incluem na sua tomada de decisão informação de contexto referente ao meio onde se encontram inseridos. Alguns destes algoritmos utilizam informação relativa à localização geográfica dos vizinhos. Ao utilizarem esta informação, estes algoritmos tentam maximizar a área de cobertura man-tendo uma taxa de retransmissão reduzida.

No segundo caso, a tomada de decisão advém apenas da informação com que os nós foram configurados inicialmente. No entanto, os valores utilizados na configuração po-dem levar a um desperd´ıcio de recursos dos nós ou a diminuições da taxa de entrega.

O algoritmo desenvolvido tenta, tal como nos algoritmos que utilizam informação ge-ográfica, maximizar a área de cobertura mantendo uma taxa de retransmissão reduzida. Para isto o algoritmo efectua estimativas, locais a cada nó, sobre a proximidade dos seus vizinhos. A partir destas estimativas, cada nó selecciona um sub-conjunto dos seus vizi-nhos que acredita encontrarem-se em regiões suficientemente distintas para assegurarem a continuação da difusão em todas as direcções da rede. No entanto, estas estimativas não necessitam que os dispositivos disponham de equipamento de localização, como o GPS.

Palavras-chave: Difus˜ao, ciente do contexto, redes ad hoc, algoritmo

(10)

(11)

Abstract

Broadcast is an operation widely used in ad hoc networks. In these networks, nodes only communicate with others within ones propagation radius, therefore these networks are characterized by the absence of an infrastructure that connects and provides services to all nodes. This way, in order for a message to be delivered to the entire network, it has to be relayed by its participants.

Broadcast algorithms can be divided in two major groups: aware and context-oblivious. In the first group, nodes collect information about their environment and de-cide to retransmit or not a message according to this information. Some context-aware algorithms use geographical information in order to make these decisions. By using this information these algorithms try to achieve the maximum coverage with the minimum number of retransmissions.

In the second group, the decision to retransmit or not a message is based solely on configuration parameters set at deployment time. However this information can lead to a waste in nodes resources or lower the delivery rate.

The developed broadcast algorithm tries, like the ones that use geographical informa-tion, to maximize the coverage area while keeping a low number of retransmissions. In order to do this, the algorithm performs estimates, local to each node, about the proxim-ity of each node. From these estimates, each node selects a subset of neighbors that he believes being in different regions in order to assure the broadcast of the message in all directions. However, these estimates do not require the usage of a GPS device.

Keywords: Broadcast, context-aware, ad hoc networks, algorithm

(12)

(13)

Conte ´udo

Lista de Figuras xvi

Lista de Tabelas xix

1 Introduc¸˜ao 1

1.1 Objectivos . . . 2

1.2 Estrutura do documento . . . 2

2 Difusão em redes não infraestruturadas 5 2.1 Não cientes do contexto . . . 5

2.2 Cientes do contexto . . . 7

2.2.1 Localização geográfica . . . 7

2.2.2 N´umero de vizinhos . . . 10

2.2.3 Dependˆencias entre n´os . . . 10

2.2.4 Tr´afego de dados . . . 11

2.2.5 Distˆancia aos vizinhos . . . 12

2.3 Resumo . . . 13

3 Digest Exchange Broadcast Algorithm 15 3.1 Estruturas de dados . . . 16

3.2 Funcionamento do algoritmo . . . 17

3.3 Concretizac¸˜ao . . . 21

3.4 Resumo . . . 23

4 Avaliação 25 4.1 Caracter´ısticas gerais das simulações . . . 25

4.2 Redes est´aticas . . . 26

4.3 Random Waypoint . . . 28

4.3.1 Velocidade entre [1, 2] metros por segundo . . . 29

4.3.2 Velocidade entre [5, 10] metros por segundo . . . 35

4.4 Manhathan . . . 36

4.5 Cen´arios busca e salvamento . . . 38 xi

(14)

4.6 Cen´ario Ponte . . . 39

4.7 Resumo . . . 43

5 Conclus˜ao e Trabalho Futuro 45

Bibliografia 48

(15)

(16)

(17)

Lista de Figuras

2.1 Exemplo de localização dos próximos retransmissores . . . 8

2.2 Grupos criados pelo n´o R . . . 9

3.1 Exemplo da configurac¸˜ao de uma rede . . . 16

3.2 Estruturas de dados utilizadas pelo algoritmo DEBA . . . 17

4.1 Taxa de entrega - modelo est´atico . . . 27

4.2 Taxa de retransmiss˜ao - modelo est´atico . . . 28

4.3 Taxa de entrega - Random Waypoint [1, 2] . . . 30

4.4 Taxa de retransmiss˜ao - Random Waypoint [1, 2] . . . 30

4.5 Taxa de entrega com diminuic¸˜ao dos intervalos de tempo - Random Way-point [1, 2] . . . 32

4.6 Taxa de retransmissão com diminuição dos intervalos de tempo - Random Waypoint [1, 2] . . . 32

4.7 Taxa de entrega com aumento das métricas utilizadas nas funções - Ran-dom Waypoint [1, 2] . . . 33

4.8 Taxa de retransmissão com aumento das métricas utilizadas nas funções -Random Waypoint [1, 2] . . . 34

4.9 Taxa de entrega com aumento das métricas utilizadas nas funções e redução dos intervalos de tempo - Random Waypoint [1, 2] . . . 34

4.10 Taxa de retransmissão com aumento das métricas utilizadas nas funções e redução dos intervalos de tempo - Random Waypoint [1, 2] . . . 35

4.11 Taxa de entrega - Random Waypoint [5, 10] . . . 36

4.12 Taxa de retransmiss˜ao - Random Waypoint [5, 10] . . . 36

4.13 Taxa de entrega usando o modelo Manhattan Grid . . . 37

4.14 Taxa de retransmiss˜ao usando o modelo Manhattan Grid . . . 38

4.15 Rede gerada para o modelo de Busca e Salvamento . . . 39

4.16 Taxa de entrega para os cen´arios de busca e salvamento . . . 39

4.17 Taxa de retransmiss˜ao para os cen´arios de busca e salvamento . . . 40

4.18 Exemplo de configurac¸˜ao de rede . . . 40

4.19 Taxa de entrega para os cen´arios ponte . . . 41

4.20 Taxa de retransmiss˜ao para os cen´arios ponte . . . 42 xv

(18)

4.21 Taxa de entrega com aumento das métricas utilizadas nas funções - Cenários

Ponte . . . 42

4.22 Taxa de retransmissão com aumento das métricas utilizadas nas funções

-Cen´arios Ponte . . . 43

(19)

(20)

(21)

Lista de Tabelas

2.1 Algoritmos de difus˜ao . . . 14

4.1 Valores utilizados nas m´etricas deterministas . . . 26

4.2 Valores utilizados nas m´etricas probabilistas . . . 26

4.3 Número médio de mensagens por nó - Random Waypoint [1, 2] . . . 31

4.4 Número médio de nós que recebem uma mensagem por retransmissão -Random Waypoint [1, 2] . . . 31

4.5 Número médio de mensagens por nó com diminuição dos intervalos de tempo - Random Waypoint [1, 2] . . . 32

4.6 Novos valores utilizados nas m´etricas deterministas . . . 33

4.7 Novos valores utilizados nas m´etricas probabilistas . . . 33

4.8 Número médio de mensagens por nó com aumento das métricas utilizadas - Random Waypoint [1, 2] . . . 34

4.9 Número médio de mensagens por nó com aumento das métricas utilizadas e redução dos intervalos de tempo - Random Waypoint [1, 2] . . . 35

4.10 Número médio de mensagens por nó - Random Waypoint [5, 10] . . . 36

(22)

(23)

Cap´ıtulo 1

Introduc¸˜ao

As redes ad hoc sem fios são caracterizadas pela ausência de uma infra-estrutura que ligue e forneça serviços aos vários nós que a formam. Nestas redes, um nó só comunica directamente com outros que estejam dentro do seu raio de transmissão. Deste modo, uma mensagem que se pretende que seja difundida por todos os nós tem de ser propagada sucessivamente pelos participantes ao longo da rede. A difusão de mensagens é usada por vários serviços, como por exemplo, descoberta de rotas [17, 12] e de recursos [8].

O algoritmo de inundação é uma concretização de difusão. Neste caso, todos os nós retransmitem uma mensagem quando a recebem pela primeira vez. A inundação apre-senta uma elevada taxa de entrega mas, por outro lado, leva a um grande consumo de largura de banda e à redução da autonomia dos nós, uma vez que o envio de mensagens contribui significativamente para o consumo da bateria [7]. Adicionalmente, devido ao elevado número de retransmissões, muitas delas redundantes, poderá ocorrer um elevado número de colisões, uma vez que o meio utilizado para a transmissão de mensagens é partilhado por todos os nós. Na maioria das redes sem fios, os nós não conseguem iden-tificar a ocorrência duma colisão. Assim, caso ocorra um grande número de colisões, as mensagens não serão reenviadas e, devido a isto, alguns dos destinatários dessas mensa-gens poderão não as receber. Como consequência, a eficiência dos algoritmos de difusão pode diminuir caso o nó que não tenha recebido a mensagem seja um nó cr´ıtico para a propagação da mesma. Isto é, um nó que tem obrigatoriamente de retransmitir as mensa-gens de modo a garantir que estas sejam propagadas por toda a rede.

O desafio na criação de algoritmos de difusão eficientes, ou seja, com uma taxa de en-trega elevada, é a redução do número de retransmissões, que por sua vez irá reduzir o con-sumo de largura de banda e a taxa de colisões. A diminuição do número de retransmissões pode ser conseguida através da selecção de um conjunto m´ınimo de nós responsáveis por continuar a propagação da mensagem. Esta selecção seria simplificada caso os nós dis-pusessem de um serviço de localização geográfica como o GPS. Através da informação obtida por este sistema, seria poss´ıvel a execução de algoritmos de optimização que iden-tificassem deterministicamente para cada origem, o conjunto m´ınimo de nós cuja

(24)

Cap´ıtulo 1. Introduc¸˜ao 2

missão resultaria numa cobertura óptima para uma dada região da rede. Contudo, este trabalho assume um modelo de sistema mais genérico, em que os nós não dispõem de um serviço de localização e em que as antenas são omnidireccionais. Com estas limitações, o objectivo é enfraquecido, pretendendo-se apenas determinar um conjunto de transmisso-res tão reduzido quanto poss´ıvel mas que assegure, com grande probabilidade, a cobertura total da rede. Uma aproximação poss´ıvel à determinação deste conjunto consiste em fazer com que cada nó seleccione como retransmissores o conjunto de vizinhos que se encon-trem mais distantes entre si. No entanto, dado que os nós não são capazes de determinar a localização geográfica dos seus vizinhos nem a localização do emissor de uma mensagem recebida, a selecção do conjunto de vizinhos não é trivial. Para se efectuar esta selecção, é então necessário que cada nó recolha informação de contexto de modo a evitar que as retransmissões dos nós seleccionados, para continuar a propagação, sejam redundantes por cobrirem os mesmos nós deixando outros a descoberto.

1.1 Objectivos

Este trabalho tem como objectivo o desenvolvimento de um algoritmo de difusão para redes sem fios não infraestruturadas. Tenciona-se com este algoritmo que cada nó da rede consiga estimar a proximidade dos seus vizinhos de modo a reduzir retransmissões redundantes. No entanto, pretende-se que esta estimativa não necessite de informação obtida através de um mecanismo de localização geográfica, por forma a alargar o le-que de modelos de sistema onde possa ser utilizado. Assim, esta estimativa terá por base informação de contexto recebida através de mensagens de sinalização periódicas que agregam informação relativa à vizinhança de cada nó. Pretende-se também que o algoritmo seja eficiente, ou seja, contenha uma elevada taxa de entrega e uma reduzida taxa de retransmissão.

De modo a escolher quais os dispositivos que irão retransmitir uma dada mensagem, pretende-se desenvolver várias funções de comparação que, através da informação rece-bida pelas mensagens de sinalização, irão seleccionar o conjunto de vizinhos que deverá retransmitir a mensagem por forma a assegurar a sua propagação. Para cada uma das funções desenvolvidas irá proceder-se à realização de testes de modo a identificar aquela que apresente um melhor desempenho.

1.2 Estrutura do documento

O presente documento encontra-se estruturado da seguinte forma:

• Cap´ıtulo 2 – Descreve os alguns dos tipos de algoritmos de difus˜ao existentes dis-cutindo as suas vantagens e desvantagens;

(25)

Cap´ıtulo 1. Introduc¸˜ao 3

• Cap´ıtulo 3 – Descreve a implementação do algoritmo e as justificações para as decisões tomadas;

• Cap´ıtulo 4 - Apresenta e discute os resultados do algoritmo em vários cenários de utilização;

(26)

(27)

Cap´ıtulo 2

Difus˜ao em redes n˜ao infraestruturadas

Neste cap´ıtulo são apresentados e discutidos diferentes algoritmos de difusão para redes sem fios não infraestruturadas.

O cap´ıtulo encontra-se dividido em várias secções em que cada uma apresenta uma abordagem diferente para a realização de algoritmos de difusão em redes sem fios não infraestruturadas. Em cada secção são ainda discutidas as vantagens e desvantagens dos algoritmos apresentados.

Difusão A difusão é uma operação muito utilizada nas redes sem fios não infra-estruturadas,

seja para efectuar descoberta de recursos [8], descoberta de rotas entre dois nós[17, 12] entre outras. Esta operação é necessária, pois os nós apenas comunicam com outros que estejam dentro do seu raio de retransmissão, sendo por isso necessário propagar a men-sagem ao longo da rede por forma a determinar, por exemplo, qual o nó que fornece determinado serviço ou qual o caminho para um determinado nó.

Devido à sua frequente utilização, é fundamental que estes algoritmos sejam eficien-tes, isto é, obtenham uma elevada taxa de entrega com o menor número de retransmissões poss´ıveis de modo a poupar os recursos dos nós.

´

E poss´ıvel encontrar variadas propostas de algoritmos de difusão de mensagens para redes sem fios não infraestruturadas. Segundo [10] estes algoritmos podem ser divididos em dois grupos, os não cientes do contexto e os cientes do contexto. As secções seguintes descrevem estas duas abordagens.

2.1 N˜ao cientes do contexto

Nos algoritmos não cientes do contexto, a decisão por parte de um dispositivo de retrans-mitir ou não retransretrans-mitir uma mensagem advém apenas da informação com que foi confi-gurado inicialmente, não apresentando portanto uma grande complexidade. Porém, estes algoritmos não são capazes de se adaptarem a variações nas caracter´ısticas das redes onde são utilizados o que pode provocar um desperd´ıcio de recursos dos nós ou diminuições

(28)

Cap´ıtulo 2. Difus˜ao em redes n˜ao infraestruturadas 6

da taxa de entrega. No entanto, ao não manterem estado, estes algoritmos não requerem o envio de mensagens de controlo periódicas (por forma a actualizar esse estado), não impondo um tráfego adicional na rede. Outra vantagem da ausência de estado é a maior adaptação, por parte dos algoritmos, a cenários em que os nós apresentem movimento.

Um exemplo de um destes algoritmos é a difusão probabilista [11]. Neste algoritmo, cada nó retransmite uma mensagem recebida pela primeira vez com uma probabilidade p. Quanto maior for esta probabilidade, maior será o número de nós que irá retransmitir a mensagem. A existência de uma probabilidade ideal pi em que para valores de p superi-ores a pi o desempenho do algoritmo decai devido ao aumento do número de colisões foi identificada em [19].

O algoritmo de inundação pode ser considerado o caso particular da difusão proba-bilista em que p = 1. Neste caso, todos os nós irão retransmitir a mensagem o que, em condições ideais, garante uma cobertura óptima da rede. No entanto, muitas das retrans-missões serão redundantes, contribuindo apenas para o aumento do consumo da largura de banda dispon´ıvel e para o consumo da bateria dos dispositivos. Além disto, dado que o meio de transmissão é partilhado por todos os nós, com o aumento do número de retrans-missões a probabilidade de ocorrência de colisões será mais elevada [21]. Devido a isto, as mensagens poderão não ser recebidas por todos os nós, o que irá diminuir a eficiência do algoritmo. No entanto, esta diminuição poderá ser mais acentuada, caso o nó que não receba a mensagem seja um nó cr´ıtico para a propagação da mesma. Isto é, um nó que tem obrigatoriamente de retransmitir as mensagens de modo a garantir que estas sejam propagadas por toda a rede.

Os algoritmos probabilistas são ainda caracterizados pela existência de uma probabi-lidade pm, a qual corresponde à possibiprobabi-lidade da propagação da mensagem ser interrom-pida, devido à não retransmissão da mensagem por todos os receptores. Esta probabili-dade é mais acentuada em fases iniciais da propagação visto que poucos nós receberam a mensagem. Por forma a impedir que isto aconteça, no GOSSIP1(p,k) [11] as mensa-gens são retransmitidas com probabilidade 1 durante os primeiros k saltos sendo depois retransmitidas com uma probabilidade p < 1. Desta forma, a probabilidade de todos os nós decidirem não retransmitir a mensagem vai diminuir, o que faz com que o GOSSIP1 consiga atingir uma melhor taxa de entrega. No entanto, o desempenho do GOSSIP1 passa a depender não só do valor escolhido para p, como também do valor escolhido para k.

Nos algoritmos probabilistas o número de retransmissões de cada mensagem pode ser aumentado ou reduzido fazendo variar a probabilidade de retransmissão. Contudo, uma definição adequada de um valor para p depende das caracter´ısticas da vizinhança de cada nó. Em regiões com uma elevada densidade de dispositivos, um número reduzido de re-transmissões e portanto, um baixo valor de p é suficiente para atingir uma elevada taxa de entrega. Em cenários cuja densidade é baixa, o valor de p tem de ser mais elevado.

(29)

Infe-Cap´ıtulo 2. Difus˜ao em redes n˜ao infraestruturadas 7

lizmente, os algoritmos não cientes do contexto não dispõem dos mecanismos necessários à regulação de p em função das caracter´ısticas do ambiente, obrigando à utilização de va-lores conservadores que tendem em muitos casos a resultar num desperd´ıcio de recursos dos dispositivos. Assim, de modo a obter uma melhor gestão dos recursos dos nós bem como obter melhores taxas de entrega e de retransmissão (ou seja, a proporção média de nós que receberam e retransmitem, respectivamente, cada mensagem) é necessário que os algoritmos de difusão utilizem informação de contexto.

2.2 Cientes do contexto

Nos algoritmos cientes do contexto, o nó inclui na sua tomada de decisão informação referente ao meio onde se encontra inserido. Esta informação pode ser, por exemplo, re-ferente à localização geográfica dos vizinhos, ao número de vizinhos que cada nó contém, à criação de dependências entre nós, ao tráfego de dados na rede ou a sua distância aos outros dispositivos. A informação de contexto permite aos algoritmos adaptarem-se às diferentes caracter´ısticas das redes onde são utilizados, obtendo-se assim uma melhor gestão dos recursos dispon´ıveis. Por outro lado, os nós necessitam armazenar estado o que fará com que os algoritmos sejam mais complexos requerendo, assim, um maior po-der computacional na sua execução. Além disto, a maioria destes algoritmos, requerem que o estado seja constantemente actualizado (por forma a impedir que este fique inválido o que poderá levar a uma degradação no desempenho do algoritmo) através de mensa-gens de controlo periódicas, o que irá impor um tráfego adicional na rede. Este tráfego é mais acentuado em redes cujos nós apresentam movimento e, devido ao movimento cons-tante dos nós, os casos em que o estado está incoerente tendem a aumentar o que poderá provocar uma degradação no desempenho dos algoritmos.

2.2.1 Localização geográfica

No caso da localização geográfica, os dispositivos partilham um sistema de coordenadas comum e obtêm a sua posição nesse sistema. Esta informação é depois utilizada para determinar os próximos retransmissores.

Um exemplo de um algoritmo que utiliza esta informação é o six-shot broadcast [9]. Neste algoritmo cada retransmissor difunde, juntamente com a mensagem, as 6 coor-denadas alvo onde se deverão encontrar os próximos retransmissores (Fig. 2.1). Estas coordenadas são escolhidas tendo por base o estudo realizado por [13], que mostra que a melhor maneira de cobrir uma dada área usando c´ırculos de raio r é dividir a área em hexágonos (cuja distância do centro aos vértices é r) em que cada c´ırculo terá o seu cen-tro num dos vértices do hexágono. A retransmissão é então assegurada pelos nós que se encontram mais próximos dessas 6 coordenadas. De modo a obter os nós mais próximos de cada coordenada, cada nó ao receber a mensagem irá esperar um intervalo de tempo

(30)

inversamente proporcional à sua distância à coordenada mais próxima. Deste modo, nós mais próximos irão retransmitir primeiro.

Figura 2.1: Exemplo de localização dos próximos retransmissores

O optimized Broadcast Protocol for Sensors networks (BPS) [5] segue a aproximação do algoritmo anterior. No entanto, este algoritmo distingue-se do six-shot uma vez que a posição geográfica Pos dos nós que necessitam retransmitir a mensagem não é enviada no cabeçalho desta mas sim calculada localmente por cada receptor a partir da localização do emissor. Cada nó ao receber uma nova mensagem irá verificar se a deve retransmitir. Uma mensagem não é retransmitida se: i) o nó já a tiver retransmitido anteriormente ou ii) se um nó que esteja a uma distância inferior a um determinado valor de proximidade

vpj´a a tenha retransmitido. Caso o n´o possa retransmitir a mensagem, este calcula a sua

distância à posição Pos e irá esperar um intervalo de tempo inversamente proporcional a esta distância. No final deste intervalo de tempo, o nó volta a verificar se pode retransmitir a mensagem. Se sim, então a mensagem é retransmitida, caso contrário, a mensagem é descartada.

Em [18] cada nó presente na rede necessita de recolher informação sobre os seus vizinhos directos, isto é, os nós que estejam dentro do seu raio de transmissão. Esta informação é recolhida através de mensagens de sinalização periódicas e é utilizada para determinar se o nó tem de retransmitir a mensagem. Quando um nó R recebe uma men-sagem de um nó S que tem de ser propagada pela rede, R separa os seus vizinhos em três grupos distintos consoante as suas localizações, como pode ser observado na Fig. 2.2. No primeiro grupo encontram-se todos os nós que são vizinhos de S e cuja distância a S é me-nor que a distância de R a S. No segundo grupo encontram-se todos os nós vizinhos de S e cuja distância a S é maior que a distância de R a S. No terceiro grupo encontram-se todos os vizinhos de R que não são vizinhos de S. Caso os nós do terceiro grupo sejam cobertos

(31)

pelo raio de transmissão dos nós do segundo grupo, R não irá retransmitir a mensagem uma vez esta seria redundante. Assim, os nós responsáveis por retransmitir a mensagem são os nós pertencentes ao segundo grupo visto que cobrem os mesmo nós que R e, por estarem mais afastados de S, obtêm uma área de cobertura maior.

Área de transmissão de S Área de transmissão de R S Grupo 3 Grupo 2 R Grupo 1

Figura 2.2: Grupos criados pelo n´o R

No Location Aided Broadcast Protocol (LAB) [20] cada nó guarda informação sobre a localização geográfica dos seus vizinhos. O modo de funcionamento deste algoritmo consiste em seleccionar um sub-conjunto de nós cuja retransmissão cubra todos os nós a dois saltos de distância. Assim, o algoritmo espera garantir uma cobertura da rede semelhante à conseguida através da utilização da inundação.

O algoritmo apresenta três variações distintas: i) LAB-B, ii) LAB-I e iii) LAB-D. No primeiro caso, cada nó que retransmita uma mensagem irá seleccionar os nós que con-tinuarão a propagação da mesma. Esta escolha tem por base a informação previamente recolhida referente à localização geográfica dos vizinhos. Assim, quando um nó recebe uma mensagem este primeiro verifica se tem de a retransmitir. Em caso afirmativo, o nó selecciona os próximos nós que continuarão a propagação, caso contrário a mensagem é descartada.

O LAB-I é uma optimização do LAB-B. Neste caso, assume-se que cada nó contém um identificador único (ID). Assim, quando um nó r recebe uma mensagem, se for o nó seleccionado para efectuar a retransmissão, r primeiro verifica se a sua retransmissão é redundante. A sua retransmissão é redundante caso os seus vizinhos sejam cobertos pelo nó que previamente retransmitiu a mensagem ou por um outro nó que necessite de retransmitir a mensagem e cujo ID seja menor que o identificador de r. Caso estas situações se verifiquem, r descarta a mensagem (esta verificação é poss´ıvel uma vez que todos os nós sabem a localização dos seus vizinhos). Através deste mecanismo, a taxa de retransmissão do algoritmo é reduzida.

(32)

Neste caso, é o receptor que passa a ser responsável por verificar se necessita retransmitir a mensagem. Esta verificação é feita utilizando a localização geográfica do próprio nó e do emissor. Esta solução permite que o cabeçalho da mensagem seja de tamanho fixo.

Os algoritmos de difusão que utilizam a localização geográfica dos vários nós, por forma a determinarem aqueles que necessitam retransmitir uma mensagem, têm como objectivo maximizar a área coberta pela nova retransmissão em relação à retransmissão anterior. Assim, estes algoritmos tentam assegurar uma cobertura máxima da rede, utili-zando o menor número de retransmissões poss´ıveis, por forma a obter uma elevada taxa de entrega. Contudo, estas aproximações necessitam que os dispositivos disponham de um sistema de posicionamento geográfico o que limita a sua aplicabilidade.

2.2.2 N ´umero de vizinhos

Neste caso, a decisão por parte de um nó de retransmitir uma mensagem depende do número de vizinhos que este contém. O GOSSIP2(p1,k,p2,n) [11] é um exemplo de um al-goritmo que utiliza esta abordagem. De modo a obter o número de vizinhos, uma poss´ıvel aproximação consiste no envio de mensagens de sinalização periódicas por cada um dos nós. Um nó, ao receber uma mensagem de sinalização, adiciona o emissor à sua lista de vizinhos.

No GOSSIP2(p1,k,p2,n) um nó irá retransmitir com probabilidade p2 se contiver me-nos vizinhos que um determinado valor n, caso contrário irá retransmitir utilizando as mesmas regras do GOSSIP1(p1,k). Note-se, no entanto, que p2 > p1 por forma a di-minuir a probabilidade de uma mensagem não ser difundida em regiões pouco densas da rede. Porém, o GOSSIP2(p1,k,p2,n) pode apresentar um problema de cobertura. Isto é, caso dois nós que se encontrem muito próximos um do outro decidam retransmitir a mensagem, a área de cobertura destas retransmissões será bastante reduzida e, no pior dos casos, poderá cobrir os mesmos nós, levando a um desperd´ıcio de recursos por parte dos nós.

2.2.3 Dependˆencias entre n´os

Neste caso, os algoritmos tentam estabelecer dependências entre os vários nós que for-mam a rede. O Smart Gossip [14] é um exemplo de um destes algoritmos. No Smart Gossip, os nós tentam estabelecer dependências entre si de modo a ajustarem a probabili-dade de retransmissão. Para isto os nós são agrupados nas seguintes categorias:

• pai - o nó é responsável por entregar a mensagem a sub-conjunto dos seus vizinhos (os nós filhos);

(33)

• irmão - o nó não depende de alguns dos seus vizinhos para receber a mensagem nem esses vizinhos dependem do nó para receber a mensagem.

Assim, é poss´ıvel que um nó n seja pai de um nó x, filho de um nó y e irmão de um nó z. No entanto, um nó n não pode ser, por exemplo, simultaneamente pai e irmão de um nó x.

De modo a estabelecer estas dependências, o Smart Gossip utiliza informação con-tida no cabeçalho das mensagens. Inicialmente, dado que as dependências dos vários nós ainda não são conhecidas, cada nó irá retransmitir com probabilidade p = 1. Após esta fase inicial, a probabilidade de retransmissão de cada nó é ajustada em função dos seus filhos. Isto é, um nó filho irá indicar, ao nó pai, com que probabilidade é que este deverá retransmitir as mensagens. Porém, dado que cada nó pai pode ter vários filhos, em que cada um indica uma probabilidade diferente, o nó pai irá escolher como a sua probabilidade de retransmissão o valor máximo das probabilidades indicadas pelos seus filhos.

O Smart Gossip permite identificar nós cr´ıticos na difusão de mensagens, isto é, nós que têm obrigatoriamente de retransmitir as mensagens de modo a garantir que estas sejam propagadas por toda a rede. Assim, ao fazer estes nós retransmitirem a mensagem, o Smart Gossip permite aumentar a taxa de entrega. No entanto, no Smart Gossip as dependências entre os vários nós variam consoante a origem da mensagem recebida, o que irá afectar a probabilidade de retransmissão dos nós.

2.2.4 Tr´afego de dados

Nos algoritmos dependentes do tráfego, os dispositivos tomam a decisão de retransmitir ou não retransmitir a mensagem de acordo com o número de cópias recebidas. Estes al-goritmos seguem o princ´ıpio de que a utilidade (medida pelo número de novos nós que recebem a mensagem) de uma retransmissão diminui com o número de retransmissões numa dada vizinhança [21]. Num destes algoritmos [21], os dispositivos atrasam a re-transmissão de uma mensagem por um per´ıodo aleatório durante o qual contam o número de cópias escutadas. O número m´ınimo de cópias escutadas que previne a retransmissão é fixado à partida e independente da envolvente a cada nó.

No ProbA [15] a probabilidade de retransmissão é ajustada de acordo com o número de mensagens que o nó escuta na rede. Isto é, quando um nó recebe uma mensagem pela primeira vez vai iniciar, tal como no algoritmo anterior, um contador para essa mensagem e vai esperar um intervalo de tempo aleatório durante o qual escuta a rede. Para cada cópia da mensagem, o valor do contador é incrementado em uma unidade. Caso o valor do contador atinja um limite previamente definido, o nó irá alterar a probabilidade de retransmissão para um valor inferior. No entanto, ao contrário de outras aproximações, este algoritmo contém vários valores limite, cada um com uma probabilidade associada,

(34)

pelo que a probabilidade de retransmiss˜ao pode ser alterada v´arias vezes ao longo do tempo de espera.

O Dynamic Counter-Based broadcast (DCB) [1] utiliza informação dos seus vizinhos directos por forma a ajustar os seus valores de controlo. Este ajuste pode ser feito através do número de cópias escutadas na rede, do intervalo de tempo durante o qual os nós escutam a rede ou da combinação entre ambos. No primeiro caso, cada nó ajusta o limite de cópias escutadas em função da densidade da sua vizinhança. Assim, caso o dispositivo contenha um número elevado de vizinhos, este vai considerar que a sua vizinhança é densa e vai ajustar o limite para um valor mais reduzido, caso contrário o nó vai considerar que a sua vizinhança é esparsa e vai ajustar o limite para um valor mais elevado. No segundo caso, cada nó altera o intervalo de tempo em que fica a escutar a rede. Para redes muito densas ou muito esparsas um baixo valor para este intervalo de tempo é suficiente. Isto é justificado porque, caso a rede seja muito densa irão ocorrer muitas retransmissões sendo um pequeno intervalo de tempo suficiente para receber o número máximo de cópias que irão impedir a retransmissão da mensagem. Caso as redes sejam muito esparsas, um nó irá receber poucas mensagens independentemente do tempo que ficar à espera. Assim este tempo pode ser reduzido. Para redes com uma densidade média é necessário utilizar um intervalo de tempo mais alargado por forma a que o nó consiga identificar se não recebeu mensagens porque aquela zona da rede é pouco densa ou porque os nós simplesmente ainda não retransmitiram a mensagem.

O GOSSIP3(p, k, m) [11] funciona do mesmo modo que o GOSSIP1(p, k) porém, um nó que tenha decidido não retransmitir uma mensagem irá retransmiti-la se, ao fim de um intervalo de tempo aleatório, não tiver recebido n cópias dessa mensagem.

Ao fazer depender o tempo de espera de um gerador de números aleatórios, os al-goritmos dependentes do tráfego de dados mantêm a aleatoriedade na escolha dos nós que retransmitem. Esta é uma solução sub-óptima uma vez que os nós seleccionados para efectuar a retransmissão podem encontrar-se bastante próximos dos retransmissores anteriores. Esta proximidade pode diminuir a utilidade da retransmissão, uma vez que o espaço coberto pela nova retransmissão será, em grande parte, semelhante à retrans-missão anterior. No entanto, esta aproximação não impõe um custo/sobrecarga adicional em redes cujos nós apresentem movimento.

2.2.5 Distˆancia aos vizinhos

Os algoritmos que utilizam a distância dos vizinhos para seleccionar aqueles que irão retransmitir as mensagens têm como objectivo aumentar a eficiência das retransmissões, ou seja, maximizar a área coberta pela nova retransmissão relativamente à retransmissão anterior.

O algoritmo PAMPA [16] é um exemplo da classe de algoritmos que inclui a distância entre os nós na decisão de retransmissão. O PAMPA aborda este problema

(35)

complemen-Cap´ıtulo 2. Difus˜ao em redes n˜ao infraestruturadas 13

tando os algoritmos dependentes do tráfego com a preferência de retransmissão atribu´ıda aos nós mais distantes. Para tal, o PAMPA faz depender o tempo de espera da força de sinal com que as mensagens são recebidas, de forma a que dispositivos mais distantes do emissor tenham um menor tempo de espera e, consequentemente, retransmitam primeiro. Contudo, o processo de selecção de retransmissores do PAMPA ignora particularidades na topologia da rede, que são acentuadas pela baixa redundância do PAMPA e que, em alguns casos excepcionais, reduzem a taxa de entrega [6]. No entanto, tal como na aproximação anterior, o PAMPA não impõe um custo/sobrecarga adicional na rede.

2.3 Resumo

Neste cap´ıtulo foram apresentados e discutidos diferentes algoritmos de difusão para re-des sem fios não infraestruturadas. Como pode ser observado na Tab. 2.1 os algoritmo de difusão podem ser divididos em dois grupos principais: i) os não cientes do contexto e ii) os cientes do contexto. Os algoritmos não cientes do contexto são mais simples uma vez que apenas utilizam informação com que foram configurados inicialmente, nas suas tomadas de decisão. Porém, estes algoritmos não dispõem de mecanismos capazes de adaptar esta configuração inicial em função das caracter´ısticas da rede onde estão inseri-dos o que poderá resultar num desperd´ıcio inseri-dos recursos inseri-dos nós ou na redução da taxa de entrega. No entanto, ao não manterem estado, estes algoritmos não requerem o envio de mensagens de controlo periódicas (por forma a actualizar esse estado), não impondo um tráfego adicional na rede. Outra vantagem da ausência de estado é a maior adaptação, por parte dos algoritmos, a cenários em que os nós apresentem movimento.

Os algoritmos cientes do contexto, devido à utilização de informação proveniente do ambiente onde estão inseridos na sua tomada de decisão e à necessidade de manter estado, são mais complexos. Porém, devido a esta maior complexidade, conseguem obter um me-lhor desempenho poupando assim os recursos dos nós como, por exemplo, a bateria. No entanto, a actualização do estado, em alguns algoritmos é efectuada à custa de mensa-gens periódicas, que acarretam um custo adicional e, além disto, o estado pode estar, em alguns casos, inconsistente o que poderá diminuir o desempenho dos algoritmos. Estas desvantagens são mais acentuadas em cenários em que os nós apresentem movimento.

De entre os algoritmos cientes de contexto, os que se baseiam unicamente no tráfego de dados para decidir se retransmitem uma mensagem, esperam um intervalo de tempo aleatório de modo a recolher informação necessária para tomarem essa decisão. Porém, devido ao tempo de espera ser aleatório, a eficiência dos algoritmos pode diminuir caso os nós retransmissores se encontrem muito próximos uns dos outros, diminuindo assim a utilidade da retransmissão.

Os algoritmos que utilizam o n´umero de vizinhos ajustam a sua probabilidade de retransmiss˜ao consoante este valor. No entanto, estes algoritmo podem apresentar um

(36)

Tabela 2.1: Algoritmos de difus˜ao

Algoritmo

N˜ao Ciente Contexto Ciente

Número vizinhos Tráfego Dados Distância Localização absoluta Localização Relativa Dependências Contexto Inundação √ Probabilista √ GOSSIP1 √ GOSSIP2 √ GOSSIP3 √ Smart Gossip √ Pampa √ √ Six-shot √ BPS √ [18] √ LAB √ [21] √ ProbA √ DCB √ √

problema de cobertura. Isto é, dois nós muito próximos poderão retransmitir a mensagem cobrindo, no pior dos casos, os mesmo nós, levando a um desperd´ıcio de recursos.

Os algoritmos que utilizam as dependências entre os vários nós tentam identificar nós cr´ıticos na propagação das mensagens por forma a tentar maximizar a taxa de entrega. No entanto, em alguns destes algoritmos as dependências entre os vários nós variam conso-ante a origem da mensagem recebida, o que irá afectar a probabilidade de retransmissão dos nós.

Os algoritmos que utilizam a distância dos vizinhos para seleccionar aqueles que irão retransmitir as mensagens têm como objectivo aumentar a eficiência das retransmissões, ou seja, maximizar a área coberta pela nova retransmissão relativamente à retransmissão anterior. No entanto, existem casos em que os nós mais distantes podem não ser os mais indicados para retransmitir uma mensagem. Estes cenários surgem quando existe um nó cr´ıtico para a propagação da mensagem que não seja o mais distante.

Os algoritmos que utilizam a localização geográfica para obter os próximos retrans-missores são os mais proretrans-missores uma vez que conseguem obter uma melhor gestão dos recursos dispon´ıveis e uma cobertura óptima da rede. No entanto, estas aproximações necessitam que os nós disponham de um serviço de localização geográfica, o que limita a aplicabilidade dos algoritmos. Seria de todo o interesse desenvolver um algoritmo que apresentasse as mesmas vantagens não sendo dependente de um sistema de posiciona-mento global.

(37)

Cap´ıtulo 3

Digest Exchange Broadcast Algorithm

Neste cap´ıtulo é apresentado o algoritmo de difusão desenvolvido, intitulado Digest Ex-change Broadcast Algorithm (DEBA), bem como as escolhas tomadas no seu desenvolvi-mento e suas justificações.

Inicialmente, o DEBA é apresentado de uma forma mais abstracta, descrevendo-se o seu modo de funcionamento e as estruturas de dados necessárias, e posteriormente será descrito de forma mais concreta, referindo-se os detalhes de implementação.

O DEBA tem como objectivo beneficiar das vantagens apresentadas pelos algoritmos

cientes do contexto dependentes da localização geográfica mas sem recorrer a um serviço de posicionamento global. Para tal, os nós no DEBA trocam ciclicamente informação que permite estimar a proximidade entre os seus vizinhos. O DEBA tenta reduzir o número de retransmissões redundantes, ou seja, o número de retransmissões que cobrem os mesmos nós que retransmissões anteriores, visto que para cobrir uma dada região bastaria apenas a um dos nós, presentes nessa região, retransmitir a mensagem.

Por forma a estimar as proximidades entre os vários nós, cada nó contém um identi-ficador local, gerado de forma descentralizada, que será posteriormente enviado aos seus vizinhos directos (ou seja, aos nós que se encontram dentro do seu raio de transmissão) através de mensagens de sinalização periódicas. Quando um nó recebe um identificador de um vizinho, este irá agregá-lo com o seu próprio identificador, passando a propagar o resultado desta agregação. Assim, o identificador de cada nó irá partilhar parte da informação agregada com os identificadores dos seus vizinhos, mas não a totalidade uma vez que os nós terão vizinhos diferentes entre si. As noções de proximidade são obtidas através da comparação dos vários identificadores.

Por forma a ilustrar estes conceitos, a Fig. 3.1 representa uma rede composta por quatro nós dos quais o nó A, B e D mantêm conectividade entre si, e o nó C apenas mantém conectividade com o nó B. Os valores junto dos nós A, D e C correspondem à agregação do identificador do nó com o identificador dos seus vizinhos directos. O nó B ao receber e comparar a informação dos seus vizinhos irá assumir que os nós A e D são

(38)

Cap´ıtulo 3. Digest Exchange Broadcast Algorithm 16

C

A

_B

D

[A, B, D]

[B, C]

Figura 3.1: Exemplo da configurac¸˜ao de uma rede

vizinhos entre si, uma vez que apresentam identificadores iguais. No caso do nó C, dado que este apresenta um identificador diferente de A e de D, B irá assumir que C se encontra numa localização distinta.

3.1 Estruturas de dados

O algoritmo desenvolvido é totalmente descentralizado e assume que cada nó n contém

um identificador ´unico (En) que pode ser, por exemplo, o seu enderec¸o de rede ou MAC.

Adicionalmente, cada n´o n, mant´em ainda as seguintes estruturas de dados.

Vector Local O vector local de um n´o n (V Ln) (que corresponde ao identificador local

na secção anterior) é um conjunto de k inteiros seleccionados aleatoriamente do

inter-valo [0, maxI]. O algoritmo é ortogonal ao mecanismo utilizado para a geração de V Ln,

requerendo apenas que a probabilidade de dois quaisquer nós seleccionarem o mesmo conjunto seja baixa. Um gerador de números aleatórios ou uma sequência de operações

de dispersão (hash) aplicadas a Ensão exemplos de funções que podem ser utilizadas.

Vector de Vizinhança Um vector de vizinhança de um nó n (V Vn) é a união dos

ele-mentos de V Lncom os elementos dos vectores locais de todos os seus vizinhos directos.

No âmbito do vector de vizinhança, não é feita qualquer associação entre os seus elemen-tos e o nó que contribuiu com esses elemenelemen-tos para o vector. De notar que o vector de vizinhança não é imutável, sendo refrescado com a aprendizagem dos vectores locais dos seus vizinhos. Contudo, numa rede onde os dispositivos não se movem, os vectores de vizinhança estabilizam após algumas iterações.

Tabela de Vizinhança A Tabela de Vizinhança (T Vn) de um nó n é uma associação

entre cada vizinho v a um salto de n e o vector de vizinhanc¸a anunciado por v. A tabela

(39)

apenas na uni˜ao de todos os elementos de T Vn. Por outro, oferece ao n´o uma estimativa da

proximidade dos seus vizinhos, pela comparação dos elementos em comum nos vectores de vizinhança de cada um dos seus vizinhos.

De modo a ilustrar os conceitos anteriores, a Fig. 3.2 apresenta a mesma rede da Fig. 3.1 mas utilizando as estruturas de dados apresentadas. As estruturas V L, V V e T V junto a cada nó apresentam os valores após a estabilização do algoritmo. Por clareza da

apresentação, os membros de V Vn que pertencem simultaneamente a V Ln estão

assina-lados com um asterisco (*).

TVb =

[

VLb = {3,4} VVb = {1, 2, *3, *4, 5, 6, 7, 8} d, {1, 2, 3, 4, *7, *8} c, {3, 4, *5, *6} b, {3, 4} a, {*1, *2, 3, 4, 7, 8} VLc = {5,6} VVc = {3, 4, *5, *6} c, {5, 6} TVc =

]

b, {1, 2, *3, *4, 5, 6, 7, 8} a, {1, 2} TVa = d, {1, 2, 3, 4, *7, *8} VLa = {1,2} VVa = {*1, *2, 3, 4, 7, 8}

[

]

b, {1, 2, *3, *4, 5, 6, 7, 8}

[

]

a, {*1, *2, 3, 4, 7, 8} b, {1, 2, *3, *4, 5, 6, 7, 8} VLd = {7,8} VVd = {1, 2, 3, 4, *7, *8} d, {7, 8}

[

TVd = A B C D

]

Figura 3.2: Estruturas de dados utilizadas pelo algoritmo DEBA

Tal como explicado para a Fig. 3.1, pode observar-se que V VA = V VD o que sugere

ao n´o B que A e D se encontram pr´oximos. Analogamente, T VB mostra uma clara

diferenc¸a entre estes vectores e V VC, o que sugere que os primeiros n˜ao se encontram

no raio de transmissão do último. Por sua vez, os nós A e D, podem aperceber-se da sua proximidade e da diferença do vector de vizinhança de B, por este último conter os

elementos em V LC, o que n˜ao acontece com V VAe V VD.

3.2 Funcionamento do algoritmo

Por forma a estimar a proximidade dos vários nós, o DEBA utiliza a informação contida nos Vectores de Vizinhança anunciados periodicamente pelos nós que formam a rede. Inicialmente, dado que as tabelas de vizinhança dos nós se encontram vazias, os vectores de vizinhança enviados apenas contêm o vector local do próprio nó. Porém, à medida que os nós vão recebendo os vectores de vizinhança dos seus vizinhos, estes vão sendo gradualmente agregados. No entanto, o Vector Local de cada nó, contido no Vector de Vizinhança, só irá ser propagado a dois saltos de distância. Esta perda de informação é necessária por forma a evitar que as constantes agregações resultem num único Vector de

(40)

Vizinhança que seria partilhado por todos os nós da rede. Caso este cenário acontecesse, deixaria de ser poss´ıvel estimar a proximidade entre os vários nós, uma vez que estas são identificadas pelas diferenças entre os vários Vectores de Vizinhança. Por forma ao nó identificar as secções do Vector de Vizinhança que serão agregadas e as que serão rejei-tadas (as secções que atingiram o número máximo de retransmissões), esta informação é identificada pelo próprio emissor do vector de vizinhança. Isto é, caso o nó x receba um Vector de Vizinhança do nó y, y irá indicar, ao nó x, que parte do seu Vector de Vizinhança deverá ser incorporada no Vector de Vizinhança de x (relativamente à Fig. 3.2 esta informação corresponde aos valores assinalados com um asterisco (*) no Vector de Vizinhança). O Alg. 1 apresenta os passos realizados no envio e recepção das mensagem de controlo.

Algoritmo 1 Pseudo-c´odigo do algoritmo desenvolvido - Anuncio de vectores

1: uses Mac Layer (MAC)

2:

3: upon event < Init > do

4: handledM sgs ← ø 5: tv ← ø 6: startT imer(∆) 7: vl = randomN umber 8: E = getM ACAddress(self ) 9:

10: upon event < Timeout > do

11: {vv0 corresponde à informação que irá ser agregada no Vector de Vizinhança}

12: vv ← ø

13: for all (src → (vv, vv0) ∈ tv do

14: vv = vv ∪ vv_n0

15: end for

16: vv = vv ∪ vl

17: trigger < controlMsgsSend |E, vv, vl >

18: startT imer(∆)

19:

20: upon event < controlMsgsDeliver |src, vv, vv0 > do

21: tv[src] = (vv, vv0)

Quando um nó pretende enviar uma mensagem de difusão este irá seleccionar, da sua tabela de vizinhança, os próximos nós que irão retransmitir a mensagem e irá incorpo-rar esta informação no cabeçalho da mesma (Alg. 2). Os nós seleccionados são aqueles cujos vectores de vizinhança sejam suficientemente distintos entre si, garantindo-se as-sim que os próximos retransmissores estão suficientemente distantes por forma a evitar o envio de mensagens redundantes. Além da lista de endereços seleccionados para re-transmitir a mensagem, o cabeçalho de cada mensagem difundida contém ainda um iden-tificador único de mensagem gerado pelo emissor (que pode ser obtido por exemplo pela

(41)

concatenação de En com um número de série local ao emissor). O identificador único

de mensagem permite aos nós identificar duplicados, que serão descartados. Esta funci-onalidade assegura igualmente a terminação da propagação das mensagens, dispensando estimativas sobre o número máximo de saltos que a mensagem irá necessitar para cobrir a totalidade da rede e portanto um campo do tipo time-to-live (TTL).

Algoritmo 2 Pseudo-código do algoritmo desenvolvido continuação

1: upon event < MsgsBroadcast |m > do

2: Cm n ← ø

3: idM sg = newID()

4: handleM sgs = handleM sgs ∪ idM sg

5: ls = obtemRetransmissores(tv, Cm n) 6: Broadcast(E, [idM sg, ls, m]) 7: 8: function obtemRetransmissores(tv, Cm n ) 9: tv = ordenaT V (tv) 10: for all src → (vv, vv0) ∈ tv do 11: val = true

12: for all srca→ (vva) ∈ Cnm&& val do

13: if (metrica(vv, vva) > threshold) then

14: bool = f alse 15: end if 16: end for 17: if (val) then 18: lista = lista ∪ {src} 19: C_nm[src] = (vv) 20: end if 21: end for 22: return lista

A selecção dos retransmissores é feita através de uma função de comparação. Esta função de comparação é a parte central do DEBA e é executada independentemente por cada nó que tenha sido seleccionado para retransmitir a mensagem. Como detalhado no Alg. 2 (linha 5), para um nó n, a função recebe como argumentos a Tabela de Vizinhança

de n (T Vn) e a lista de vizinhos seleccionados pelo n´o do qual a mensagem foi recebida

(C_nm) e retorna a lista dos vizinhos seleccionados. Genericamente, a func¸˜ao pode ser

decomposta em dois passos: i) ordenação de T Vn, ii) sequencialmente, para cada nó em

T Vn, decidir se o nó é ou não seleccionado.

O critério de ordenação de T Vn influencia o algoritmo uma vez que os primeiros

ele-mentos analisados terão preferência de selecção sobre os restantes. Assim, o passo i)

(Alg. 2 linha 9) ordena T Vnpor ordem decrescente da dimens˜ao do vector de vizinhanc¸a.

Este critério é justificado por cada nó gerar um vector local com o mesmo número de inteiros e portanto, a um Vector de Vizinhança com mais elementos corresponder um nó

(42)

com um maior número de vizinhos, ou seja, com uma maior cobertura da retransmissão. Outros critérios testados, mas que avaliações preliminares mostraram não apresentar me-lhor desempenho foram:

• Ordem crescente da dimensão do vector de vizinhança - este critério é justificado por cada nó gerar um vector local com o mesmo número de inteiros e portanto, a um Vector de Vizinhança com menos elementos corresponder um nó com menor número de vizinhos. Assim, assume-se que o nó se encontra numa zona pouco densa da rede e ao fazer estes nós retransmitirem a mensagem garante-se que estes a irão receber. No entanto, esta abordagem não obteve bons resultados uma vez que em alguns casos os nós seleccionados para retransmitir uma mensagem e cujo tama-nho do Vector de Vizinhança apresentavam menor dimensão estavam cobertos por um outro nó cujo tamanho do Vector de Vizinhança apresentava maior dimensão. • Ordenação aleatória - neste caso a ordem de T V é ditada pela sequência com que

as mensagens de controlo são recebidas. Devido a isto, o algoritmo em alguns casos apresentava um mau desempenho pois os nós seleccionados para retransmitir uma mensagem apresentavam um Vector de Vizinhança de menor dimensão que estaria coberto por um outro nó cujo tamanho do Vector de Vizinhança apresentava maior dimensão. Enquanto noutros casos obtinha um bom desempenho devido a serem seleccionados primeiro os nós com Vectores de Vizinhança de maior dimensão. Para uma mensagem m, o passo ii) (representado no Alg. 2 linhas 10-21) compara

sequencialmente o vector de vizinhanc¸a de cada um dos elementos de T Vncom cada um

dos elementos de um conjunto C_nm composto pelos vectores de vizinhanc¸a de:

• o n´o do qual foi recebida a mensagem m;

• os n´os que constam da lista de retransmissores em m e que existam tamb´em em

T Vn, ou seja, alguns dos n´os que s˜ao vizinhos tanto do emissor como do receptor

• nós entretanto já seleccionados para retransmissão em iterações anteriores do passo ii).

Para que um n´o seja seleccionado, este tem de se mostrar suficientemente distinto na

comparação com todos os elementos de C_nm. As comparações podem seguir diferentes

critérios. Sejam V Va ∈ T Vn, V Vb ∈ Cnm dois vectores de vizinhança em comparação.

Foram desenvolvidas e avaliadas as seguintes quatro m´etricas:

Rácio Total Determinista (RTD) quociente do número de inteiros em comum entre os dois vectores pelo número total de inteiros na união dos dois vectores, ou seja,

RT D(a, b) = |V Va∩V Vb|

|V Va∪V Vb|. Os vectores s˜ao considerados semelhantes se o quociente

(43)

Rácio Total Probabilista (RTP) como em RTD, contudo, o vector é considerado dis-tinto se RTP for inferior a uma constante pré-definida. Caso contrário, a semelhança é determinada por uma função probabilista que decresce linearmente com o valor de RTP.

R´acio M´ınimo Determinista (RMD) quociente do n´umero de inteiros em comum entre

os dois vectores pela dimens˜ao do menor vector, ou seja, RM D(a, b) = |V Va∩V Vb|

min{|V Va|,|V Vb|}.

Os vectores s˜ao considerados semelhantes se o quociente for superior a uma cons-tante pr´e-definida.

Rácio M´ınimo Probabilista (RMP) como em RMD, contudo, o vector é considerado distinto se RMP for inferior a uma constante pré-definida. Caso contrário, a semelhança é determinada por uma função probabilista que decresce linearmente com o valor de RMP.

De notar que qualquer das métricas resulta trivialmente na exclusão de nós que estejam

j´a presentes em Cm

n uma vez que, para qualquer n´o n, RT D(n, n) = RM D(n, n) =

1. A preparação da retransmissão termina com a incorporação dos endereços dos nós seleccionados no cabeçalho da mensagem.

O Alg. 3 (linhas 4-18), mostra que quando um nó n recebe uma mensagem de difusão, este irá verificar se recebeu anteriormente uma cópia dessa mensagem. Esta verificação é efectuada através da comparação do identificador único da mensagem com um vector que guarda os identificadores das últimas mensagens recebidas. Caso o vector já contenha o identificador da mensagem, esta é descartada, caso contrário, o nó adiciona este identi-ficador ao vector e entrega a mensagem à aplicação. Em seguida, o nó verifica se o seu

identificador (En) est´a contido na lista de retransmissores no cabec¸alho da mensagem. Se

estiver, o nó irá seleccionar os próximos retransmissores e irá propagar a mensagem, caso contrário, o nó não irá realizar qualquer operação.

3.3 Concretizac¸˜ao

Um dos desafios do algoritmo é conseguir um equil´ıbrio entre a diminuição da proba-bilidade de repetição de Vectores Locais, a dimensão das Tabelas e dos Vectores de Vizinhança e a complexidade computacional das operações a realizar.

Caso a probabilidade de repetição dos vectores locais seja elevada, a eficiência do algoritmo irá diminuir uma vez que irá fornecer informações incorrectas sobre a pro-ximidade dos nós. Assim, é necessário alargar, tanto quanto poss´ıvel, o número de

combinações dispon´ıvel nos Vectores Locais V L, através das constantes maxI e k.

Con-tudo, por forma a diminuir a mem´oria ocupada pela Tabela de Vizinhanc¸a T V , a largura

(44)

Algoritmo 3 Pseudo-código do algoritmo desenvolvido continuação

1: upon event < Deliver |src, [idM sg, ls, m] > do

2: if (idM sg 6∈ handleM sgs) then

3: handleM sgs = handleM sgs ∪ idM sg

4: deliver(m) 5: if (E ∈ ls) then 6: C_nm ← ø 7: forall srca→ (vv, vv0) ∈ tv do 8: if (srca∈ ls || srca == src) then 9: C_nm[srca] = (vv) 10: end if 11: end for 12: lista = obtemRetransmissores(tv, C_nm)

13: Broadcast(E, [idM sg, lista, m])

14: end if

15: end if

realizadas para selecção dos retransmissores, é necessário utilizar valores reduzidos para

maxI e k

A concretização realizada inspira-se no conceito de Bloom Filter [4]. Um Bloom Fil-ter permite representar, de forma compacta, um conjunto de n elementos num vector de m bits inicialmente com todas as posições a zero. Para isto, são utilizadas k funções de hash independentes, cujo resultado está contido no intervalo [0, m − 1], sobre cada elemento

ni do conjunto n. Para cada valor obtido nas func¸˜oes de hash o bit correspondente a essa

posição no vector é colocado a 1. No DEBA as posições colocadas a 1 correspondem aos k inteiros do Vector Local. De entre as caracter´ısticas que tornam os Bloom Filters apelativos encontra-se a reduzida complexidade computacional das operações de união e intersecção de conjuntos, conseguidas utilizando os operadores de disjunção e conjunção bit-a-bit, nativos na maioria dos processadores actuais. Adicionalmente, a utilização de

Bloom Filtersfixa uma dimens˜ao para os vectores de vizinhanc¸a, que se torna

indepen-dente do número de vizinhos de cada dispositivo. Para a avaliação do algoritmo, foram

definidas as constantes maxI = 1023 e k = 8. Ou seja, cada vector local V Ln´e composto

por 8 inteiros seleccionados aleatoriamente do intervalo [0, 1023], a que corresponder´a um

Bloom Filtercom 1024 bits (128 bytes), dos quais 8 ter˜ao o valor 1.

Contudo, os Bloom Filters não permitem a contabilização do número de saltos que tem de ser associada a cada um dos bits. Não sendo assim poss´ıvel obter as secções do Bloom

Filter que já atingiram o número máximo de retransmissões e aquelas que necessitam

ser retransmitidas. Esta informação é obtida acrescentando à mensagem, que contém o Vector de Vizinhança, um segundo vector de bits com a mesma dimensão. Neste vector, cada posição i terá o valor 1 caso o bit i do Vector de Vizinhança deva ser propagado pelos receptores e o valor 0 caso contrário (os bits com o valor 1 correspondem às posições do

(45)

vector de vizinhança que contêm um asterisco (*) na Fig. 3.2). A dimensão final das mensagens de anúncio dos Vectores de Vizinhança é de 2 × 128 = 256 bytes. Note-se, no entanto, que estas constantes podem ser alteradas para atender a restrições externas, por exemplo uma dimensão máxima das tramas ao n´ıvel de ligação de dados ou uma grande quantidade de vizinhos que aumente a probabilidade de repetição de vectores locais.

3.4 Resumo

Este cap´ıtulo apresentou o Digest Exchange Broadcast Algorithm (DEBA). Este algo-ritmo tem como objectivo a difusão eficiente de mensagens em redes não infraestrutu-radas, estimando as proximidades entre os vários nós que formam a rede sem recorrer a um sistema de posicionamento global. A estimativa das localizações são realizadas comparando identificações dos vizinhos de cada nó enviadas em mensagens de controlo periódicas. Estas mensagens agregam a identificação do nó e as identificações, previa-mente recebidas, dos seus vizinhos. O formato desta identificação permite tornar o espaço ocupado por uma ou várias identificações agregadas idêntico. Cada nó irá então partilhar com os seus vizinhos uma parte da identificação agregada, mas (na maioria dos casos) não a totalidade, uma vez que cada nó terá vizinhos que não são comuns. Desta forma, espera-se que agregações muito distintas representem diferentes localizações geográficas. Quando um nó pretende enviar uma mensagem de difusão, este compara os vectores de vizinhança recebidos, através de um função de comparação, por forma a identificar o sub-conjunto de nós cujos vectores de vizinhança sejam suficientemente distintos entre si. Os nós seleccionados irão assegurar a continuidade da propagação da mensagem.

A eficiência do algoritmo aumenta com o tempo, uma vez que cada região da rede necessita de uma fase de aquecimento, onde são trocados os Vectores de Vizinhança. No entanto, em redes em que os nós não apresentem movimento (por exemplo, redes de sensores) a informação das tabelas de vizinhança tende a estabilizar permitindo diminuir progressivamente a frequência dos anúncios, atenuando desta forma o seu impacto no consumo energético dos dispositivos.

(46)

(47)

Cap´ıtulo 4

Avaliac¸˜ao

Neste cap´ıtulo s˜ao apresentados e discutidos os resultados obtidos nos testes realizados ao DEBA.

O cap´ıtulo encontra-se dividido em várias secções, cada uma descrevendo um di-ferente modelo utilizado na avaliação do DEBA. Os modelos utilizados foram: redes estáticas, redes em que os nós apresentam movimento aleatório (Random Waypoint), re-des em que os nós têm caminhos pré-definidos em forma de grelha (Manhattan Grid), redes que simulam cenários de emergência e redes estáticas com distribuição condicio-nada dos nós.

4.1 Caracter´ısticas gerais das simulac¸˜oes

Os testes foram realizados utilizando o simulador de redes ns-2 v. 2.34. Os nós foram configurados para simularem a interface radio Lucent Wave-LAN DSSS a 914 MHz uti-lizando o protocolo IEEE 802.11 a 2 Mb/s. Excepto no modelo que simula cenários de emergência em que os nós apresentam um raio de transmissão de 50 metros, nos outros modelos o raio de transmissão utilizado foi de 250 metros. O modelo de propagação utili-zado foi o Two-Ray Ground, que assegura a entrega das mensagens a menos da ocorrência de colisões, o que permite abstrair o desempenho dos algoritmos de factores externos, como as interferências.

As métricas estudadas foram a taxa de entrega e a taxa de retransmissão ou seja, a proporção média de nós que recebe e retransmite cada mensagem, respectivamente. Estas métricas permitem avaliar a eficácia do algoritmo e o impacto da difusão de mensagens na rede. Para o modelo Random Waypoint foi ainda obtido o número médio de mensa-gens enviadas por cada nó, que contabiliza as mensamensa-gens de difusão e as mensagem de anúncio dos Vectores de Vizinhança usadas pelo DEBA, bem como a utilidade de cada retransmissão, ou seja, o número médio de nós que recebem a mensagem por cada re-transmissão.

Por forma a validar os resultados obtidos, estes foram comparados com dois algorit-25

(48)

Cap´ıtulo 4. Avaliac¸˜ao 26

mos de controlo: a inundação e a difusão cega. No algoritmo de inundação todos os nós retransmitem após receberem a mensagem pela primeira vez. A inundação apresenta na maioria dos casos a cobertura máxima poss´ıvel da rede, permitindo distinguir ineficiências dos algoritmos avaliados de incapacidade f´ısica de entrega das mensagens resultante da ocorrência de partições na rede.

Para verificar a eficiência do algoritmo relativamente à taxa de entrega, este irá ser comparado com um algoritmo de difusão cega. Neste algoritmo cada nó selecciona alea-toriamente os nós que irão continuar a propagação das mensagens de difusão. De forma a assegurar condições comparáveis, o algoritmo selecciona como retransmissores 25% dos vizinhos. Este valor foi seleccionado por representar uma taxa de retransmissão com-parável à obtida nas funções do DEBA em redes com uma densidade intermédia (cf. Fig. 4.2).

4.2 Redes est´aticas

Nesta secção são apresentados os resultados obtidos para redes em que os nós não apre-sentam movimento. As métricas utilizadas para as funções descritas no Cap´ıtulo 3 encontram-se apreencontram-sentadas na Tab. 4.1 e 4.2. Estas métricas foram encontram-seleccionadas em função de experiências preliminares.

Tabela 4.1: Valores utilizados nas m´etricas deterministas

M´etrica Constante

RTD 0.65

RMD 0.85

Tabela 4.2: Valores utilizados nas m´etricas probabilistas

M´etrica M´ınimo M´aximo Probabilidade

RTP 0.6 0.7 1 − (RT D(a, b) − 0.6) × 10

RMP 0.8 0.9 1 − (RM D(a, b) − 0.8) × 10

Os testes efectuados continham 100 dispositivos distribu´ıdos aleatoriamente em redes com dimensões de 500m × 250m, 500m × 500m, 1000m × 500m, 1000m × 1000m, 2000m × 1000m e 2000m × 2000m a que correspondem a taxas de ocupação entre

1250m2_/n´_{o e 40000m}2_/n´_{o. Em cada dimens˜ao de rede foram realizados 100 testes,}

com disposições distintas dos nós. Cada teste consiste na difusão de 100 mensagens, cada uma iniciada por um dos nós. As mensagens têm um tamanho fixo de 682 bytes, o que inclui os cabeçalhos e hipotéticos dados da aplicação. Um tamanho fixo de mensagem torna a avaliação ortogonal ao formato utilizado pelos vectores locais dos nós. Cada teste tem a duração de 1500 segundos. Os primeiros 390 constituem uma fase de aquecimento, em que os nós anunciam periodicamente os seus vectores de vizinhança. Os resultados

(49)

Cap´ıtulo 4. Avaliac¸˜ao 27

apresentados correspondem aos ´ultimos 1100 segundos, durante os quais s˜ao difundidas as mensagens.

A vantagem das funções estudadas sobre aproximações probabilistas é vis´ıvel na Fig. 4.1, que compara a taxa de entrega. Na figura, as barras de erro representam a distância do valor médio ao desvio padrão da amostra. Ao observarmos os resultados da difusão cega, observa-se que a sua taxa de entrega se afasta significativamente das restan-tes com o aumento da área de simulação. Isto é atribu´ıdo a escolhas incorrectas, por parte do algoritmo, relativamente aos nós retransmissores, que impedem assim a propagação da mensagem para algumas regiões da rede. Pelo contrário, no DEBA, as taxas de entrega acompanham as da inundação em todas as densidades. No entanto, o DEBA apresenta um desempenho ligeiramente inferior, que no pior caso é cerca de 12%. Além disto, pode ser observado que as funções de rácio m´ınimo apresentam um desempenho inferior, o que se mantém constante em todos os cenários.

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 5 10 15 20 25 30 35 40 45 50 Ta xa En tr ega m2x1000/nó Cega RTD RTP RMD RMP Inundação

Figura 4.1: Taxa de entrega - modelo est´atico

A Fig. 4.2 mostra que a ligeira penalização da taxa de entrega do DEBA é compensada por uma redução significativa do número de retransmissões, o que permite ganhos signifi-cativos na autonomia dos dispositivos e na largura de banda consumida. Como desejável, o DEBA acompanha o aumento da área com um aumento da taxa de retransmissão. Isto acontece devido à maior distância entre os dispositivos, sendo portanto necessárias mais retransmissões para cobrir o mesmo número de dispositivos. Os decréscimos da taxa de

retransmissão para a taxa de ocupação 40000m2_/n´_{o é justificada, no caso da inundação}

e do DEBA pela impossibilidade de atingir alguns dispositivos devido à ocorrência de partições que impedem a continuação da propagação.

As figuras mostram ainda que não existe diferença significativa entre as funções RTD e RTP e entre RMD e RMP. Isto é justificado porque, no caso das funções probabilistas, à medida que o resultado da função de comparação se aproxima do valor máximo, a pro-babilidade de um dispositivo ser seleccionado diminui. Adicionalmente, esta semelhança sugere que, na generalidade dos casos, as funções estudadas são resilientes a falhas de