پیش به سوی یک API مبنایی برای طراحی سیستم های توزیع انعطاف پذیر

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

پیش به سوی یک API مبنایی برای طراحی سیستم های توزیع انعطاف پذیر

عنوان لاتین

Towards a Foundational API for Resilient Distributed Systems Design

مهندسی سیستم های توزیع شده انعطاف پذیر همچنان به شدت چالش برانگیز هستند، به ویژه در نقشه برداری از مشخصات جمعی به رفتار فردی دستگاه. اهداف برنامه نویسی یکپارچه، حل این مشکل با استفاده از یک انتزاع زمینه محاسباتی برای ارائه تعهدات ذاتی از انعطاف پذیری، مقیاس پذیری، و ترکیب ایمن می باشد. با این حال، این قابلیت ها بوسیله یک مجموعه ی واضح و خلاقانه از اپراتورها در سطح پایین برای استفاده عملی در توسعه سیستم های پیچیده ارائه می شوند. بدین ترتیب ما یک API برای افزایش سطح انتزاع ارائه می دهیم، بنابراین یک رابط کاربری قابل دسترس و کاربر پسند برای ساخت سیستم های توزیع شده انعطاف پذیر پیچیده فراهم می کند. به طور خاص، ما یک مجموعه بزرگ و ناهمگن از الگوریتم ها و الگوهای استفاده از آنها را در یک چارچوب یکپارچه، از جمله روش هایی برای وظایف رایج مانند انتخاب رهبر، تخمین فاصله و دولت و انتشار اطلاعات بر اساس شایعات، دریافت و سازماندهی می کنیم. این کتابخانه در برابر یک چارچوب تست جدید برای برنامه نویسی مجموع، چالش های جدیدی مانند تعیین یک واحد و تست رگرسیون در زمینه سیستم های خودسازمانده آزمایش شده است. در حالی که معرفی الگوی جدید چند نمونه ای امکان ترکیب غیرمنتظره ای از زمینه های محاسباتی را فراهم می کند.

Engineering resilient distributed systems remains extremely challenging, particularly in mapping from collective specifications to individual device behavior. Aggregate programming aims to address this problem using a computational field abstraction to provide inherent guarantees of resilience, scalability, and safe composition. These capabilities are provided, however, by an expressive but terse set of operators too low-level for pragmatic use in complex systems development. We thus present an API to raise the level of abstraction, thereby providing an accessible and user-friendly interface for construction of complex resilient distributed systems. In particular, we capture and organize a large, heterogeneous collection of algorithms and use patterns into a unified framework, including methods for common tasks such as leader election, distance and state estimation, and gossip-based information dissemination. We demonstrate how the expressiveness of this library reduces the abstraction gap required to engineer scenarios of large-scale pervasive computing, while introducing the novel multiInstance pattern enabling an unanticipated composition of computational fields.