Negoziazione e vincoli di qualità Rapporto 2.2.2 D. Ardagna, M. Comuzzi – WP 2.

Slides:



Advertisements
Presentazioni simili
Progettazione dei Sistemi Interattivi (A.A. 2004/05) - Lezione 2 1 Progettazione e Sviluppo di Software ad Oggetti 4 OBJECT-ORIENTED ANALYSIS Processo.
Advertisements

Progetto di impianti semaforici - 5
Politecnico di Torino Tesi di Laurea
Dist - Università degli Studi di Genova UnApplicazione di E-government per la Gestione di Gare dAppalto nella Pubblica Amministrazione A. Boccalatte -
Scomposizione funzionale
Costruttori e Distruttori
Linguaggi di programmazione
Differenze nei vari linguaggi di Elisa Trifirò e Barbara Tacchino
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Dynamic Programming Chiara Mocenni Corso di.
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Scelte di consumo Chiara Mocenni Corso di laurea.
Meccanismi one-parameter. Riepilogo Archi di un grafo controllati da agenti egoistici Solo lagente conosce il peso associato al proprio arco Obiettivo:
Metodologie di progettazione di e-service come sistemi di supporto alle transazioni Chiara Francalanci 1 giugno 2004.
A. Maurino Politecnico di Milano -MAIS WP2 Milano - 17 Novembre 04.
Stato di Avanzamento dello sviluppo del modulo Concretizator
Prototipo di uno strumento per la produzione di siti Web adattativi in grado di gestire varie coordinate di adattamento Riccardo Torlone Milano, novembre.
Ambiente di Invocazione Dinamica dei Servizi Enrico Mussi - WP2.
B. Pernici WP2: E-service Riunione MAIS, Nov
ISUFI - Engineering - Bicocca Milano – 18 Novembre 04 MAIS WP 6 – Attività 6.2 Specifiche di progetto per il sistema di Knowledge Management integrato.
R. Torlone, A. Calì, G. Lorenzo, G. Solazzo Profilo utente Milano – 17 Novembre 04.
Domenico Presenza Dimostratore MAIS per il dominio turistico Presentazione specifiche dei prototipi (R8.2.4) Milano – 17 Novembre 2004.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
1 Programmazione ad oggetti in Java E.Mumolo, DEEI
Algoritmi e Strutture Dati (Mod. B)
BIOINGEGNERIA S. Salinari Lezione 7. RETI CON APPRENDIMENTO SUPERVISIONATO A DISTANZA Nello sviluppo delle reti neurali si è proceduto indebolendo via.
Ottimizzazione nella gestione dei progetti
CONTROLLO DI SUPPLY CHAIN MEDIANTE TECNICHE H-INFINITO E NEGOZIAZIONE
Università degli Studi di Roma La Sapienza
Security Enhanced Linux (Selinux) A cura di : De Pascale Filippo 1.
Scheduling in GrADS Il progetto GrADS (Grid Application Development Software) ha lo scopo di semplificare lo sviluppo di unapplicazione Grid. Tra le funzionalità
Sistemi Operativi GESTIONE DEI PROCESSI.
Fondamenti di Informatica1 Ripetizioni di segmenti di codice Spesso è necessario ripetere più volte uno stesso segmento dell'algoritmo (e.g. I/O, elaborazioni.
Daniel Stoilov Tesi di Laurea
Qualità di servizio in ambiente wireless Progetto per il corso di Reti di Calcolatori L-S Prof. Antonio CorradiValentina Maraldi.
M.A.E.A.I. Mobile Agent and Enterprise Architecture Integration Il gestore delle politiche Valerio Siri Reti di Calcolatori LS Docente: Antonio Corradi.
High-Available Service Manager Diego Costantini Università degli studi di Bologna Corso di Laurea Specialistica.
Reti di Calcolatori L-S Un Sistema Decentrato di Allocazione del Carico per Applicazioni di Calcolo Distribuito Mauro Bampo.
Distributed File System Service Dario Agostinone.
Introduzione alla modellazione di sistemi interattivi
INTRODUZIONE l sistema operativo è il primo software che lutente utilizza quando accende il computer; 1)Viene caricato nella memoria RAM con loperazione.
Progetto di Reti di Calcolatori L-S Orchestrazione di servizi WEB
U N INFRASTRUTTURA DI SUPPORTO PER SERVIZI DI FILE HOSTING Matteo Corvaro Matricola Corso di Reti di Calcolatori LS – Prof. A. Corradi A.A.
BROKER SERVER Progetto di Ingegneria del Web 2008 Alessio Bianchi Andrea Gambitta Giuseppe Siracusano.
Global Service: un terreno di crescita per limpresa cooperativa (Roma 10 – 11 dicembre 2002) M.F. Condoleo Indicatori contrattuali di efficienza: parametri.
Relatore Candidato Prof. Alessandro De Luca Daniele De Simone
Algoritmi e Strutture Dati
Sistemi Informativi sul Web
Specifica dellArchitettura Funzionale MAIS Enrico Mussi - WP2.
Lazienda SC Informatica si occupa della progettazione e della realizzazione di sistemi informatici dedicati alle farmacie. Fornisce inoltre un servizio.
Reti di calcolatori LS Manni Tiziano  IT e nuovi scenari applicativi …  … portabilità dei dati …  … condivisione dati …  … disponibilità.
Robotica Lezione 6. Paradigma Gerarchico Il paradigma gerarchico, altrimenti detto knowledge-based, procede top-down dalla definizione del compito assegnato.
Analisi delle caratteristiche dei servizi multicanale e del loro utilizzo nei sistemi esistenti WP1.2 Chiara Francalanci – Politecnico di Milano.
Reti di calcolatori LS Enrico Pirazzini SSB un middleware basato su JMS per l'invocazione di servizi remoti.
10 azioni per lo scheduling su Grid Uno scheduler per Grid deve selezionare le risorse in un ambiente dove non ha il controllo diretto delle risorse locali,
Ottimizzazione nella gestione dei progetti Prova scritta del 16/04/2005 COMPITO B Studente: ………………………………… Matricola: ………………………………… (2 punti) Disegnare.
Didattica e Fondamenti degli Algoritmi e della Calcolabilità Terza giornata: principali classi di complessità computazionale dei problemi Guido Proietti.
Tema 2: progettazione e interrogazione di data warehouse
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Service Composition Analysis Progetto Reti di Calcolatori-LS prof. A.Corradi tutor S.Monti Piattaforma di gestione ed analisi statistica di workflow in.
NP completezza. Problemi decisionali I problemi decisionali sono una classe di problemi dove per ogni possibile ingresso un algoritmo deve scegliere una.
1/20 NP completezza. 2/20 Problemi astratti Un problema è un’entità astratta (es. il TSP). Una istanza del problema è un suo caso particolare in cui vengono.
Reti di calcolatori LS1 Service Middleware Reti di calcolatori LS progetto di Andrea Belardi Infrastruttura dedicata alla gestione di servizi disponibili.
Università degli Studi di Bologna FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Gestionale Ricerca Operativa MODELLI PER L’OTTIMIZZAZIONE DELL’OFFERTA.
B IBLIO S ERVICE consultazione di articoli online Anna Riccioni Progetto per il corso di Reti di Calcolatori L-S Anno Accademico
Per un nuovo orientamento nella progettazione dei linguaggi di programmazione Tesi di Laurea di: RICCARDO SOLMI Università degli Studi di Bologna Facoltà.
Microeconomia Introduzione Teoria del consumatore Impresa e produzione
Algoritmi e Strutture Dati (Mod. B) Algoritmi Greedy (parte III)
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
Esercitazione 02/12/2008 Ing. Maria Teresa Borzacchiello Corso di Tecnica ed Economia dei Trasporti Prof. Vincenzo Torrieri 1 Il problema dell’ottimo di.
Risultati Leapfrog IP per una comunicazione sicura e affidabile Cristiano Novelli ENEA, XML-Lab.
Transcript della presentazione:

Negoziazione e vincoli di qualità Rapporto D. Ardagna, M. Comuzzi – WP 2

Indice Concretizator: individuare il miglior insieme di servizi concreti che implementi un servizio astratto (semplice o complesso) Negotiator: gestire processi di negoziazione per fissare i parametri di QoS di un servizio concreto

Concretizator Obiettivo: selezionare il miglior insieme di servizi concreti in grado di effettuare lesecuzione di un servizio astratto complesso (o semplice). Il Concretizator MAIS individua il piano di esecuzione, linsieme di coppie (servizio astratto, servizio concreto). Obiettivo: Massimizzare la qualità di servizio percepita dallutente finale Garantire vincoli locali e globali (es. il tempo totale di esecuzione del servizio complesso o il suo prezzo)

Concretizator – Moduli cooperanti CSI: fornisce la specifica del processo astratto ed il contesto dellutente (a diversi contesti possono corrispondere diverse preferenze per la QoS) Negotiator: determina il profilo dei servizi in termini di QoS e prezzo, se i servizi presentano nel MAIS registry qualità negoziabili e lutente ha abilitato la negoziazione Process Orchestrator: utilizza il piano di esecuzione per supportare lesecuzione di servizi complessi. Il Process Orchestrator può richiedere la ri-ottimizzazione del piano: se lutente cambia contesto se un servizio del piano non è disponibile a tempo di esecuzione periodicamente Behavioral Compatibility Engine: se non esiste una soluzione ammissibile, sostituisce lattività astratta a cui corrisponde il vincolo maggiormente violato con un insieme di servizi equivalenti

Vincoli di qualità del servizio in servizi complessi Dimensioni di qualità: Tempo di esecuzione medio (lead-time) Availability Prezzo Reputation Data quality (funzione di Timeliness, Accuracy, Completeness) Problema di ottimizzazione Composizione Servizi (CS): determinare linsieme dei servizi concreti candidati allesecuzione di un processo tale che Viene massimizzato il valore medio della qualità del servizio per lutente finale Vengono garantiti vincoli del tipo: Tempo di esecuzione R AvailabilityA Prezzo B Reputation T Data quality DQ Vincoli locali: su un singolo servizio Vincoli globali: sul servizio complesso o un sottoinsieme di task della specifica

Il problema di ottimizzazione Il problema è multi-obiettivo, viene affrontato applicando la tecnica Simple Additive Weighting (SAW) Funzione di score Fase di scaling Fase di weighting Il problema può essere formulato come un modello lineare a variabili binarie Il problema è un caso particolare del Multiple-choice Multiple- dimension Knapsack (MMKP) Soluzione: Decomposizione (formulazione per path singoli di esecuzione, estensione di Zeng et al. 2004) Determinazione di una soluzione ammissibile Euristica HEU per MMKP

Concretizator - Future work Pre-processing della specifica BPEL4WS per ottimizzare lalgoritmo di soluzione Confronto del metodo globale con approcci greedy (locali) che selezionano oggetti a tempo di esecuzione e non considerano vincoli globali In ambienti dinamici anche metodi globali non possono garantire il soddisfacimento di vincoli globali: Soglie per avere margine nel soddisfacimento di vincoli e garantire i vincoli globali in probabilità Piano ottimo: 1 servizio vs. ranking dei servizi candidati allesecuzione di ogni attività astratta Pre-calcolo del piano ottimo per ogni contesto dellutente per ridurre i tempi di hand-over

Negotiator Gestisce le negoziazioni a livello applicativo tra servizi concreti per stabilire i parametri di QoS E invocato dal Concretizator quando i servizi concreti candidati hanno dichiarato parametri negoziabili Ritorna al Concretizator i risultati del processo di negoziazione, eventualmente ordinati Es.: aste tra servizi per determinare il prezzo

Negotiator I servizi concreti definiscono policies con informazioni su: Parametri negoziabili Protocolli supportati per la negoziazione di tali parametri Il processo di negoziazione è costituito da 2 fasi: Coordinamento orizzontale Contesto generale di negoziazione Notifica dei risultati Coordinamento verticale Interazione dipendente dal protocollo utilizzato (es.: asta, neg. bilaterale o molti a molti)

Negotiator – Implementazione della negoziazione Il processo di negoziazione è gestito secondo la specifica di WS-Coordination Negotiator assume 2 ruoli: Broker di messaggi tra i partecipanti Controllore delladesione delle conversazioni al protocollo selezionato

Negotiator – Future work Studio della specifica di diversi protocolli per negoziazione automatica Analisi dellinsieme delle qualità nella piattaforma MAIS Analisi del problema della negoziazione a diversi livelli dellarchitettura (user model, service model, architettura estesa e base)

Problemi di zaino Knapsack Problem (KP): Insieme di oggetti: ogni oggetto ha un valore e un peso Scegliere linsieme di oggetti in modo da massimizzare il valore totale rispettando il vincolo di capacità dello zaino Multiple Choice Knapsack (MKP): estensione di KP in cui gli oggetti sono divisi in gruppi ed è necessario prendere un oggetto da ogni gruppo MMKP è unestensione di MKP in cui gli oggetti hanno più dimensioni (es. peso e volume) Riduzione di CS a MMKP: ogni attività è un gruppo, ogni dimensione di qualità è una dimensione fisica di un oggetto, il valore delloggetto è ottenuto dalla valutazione della funzione di score (SAW)