Arquitecturas Peer-to-peer (P2P)

Temas a ver Qué es P2P? Tipos de redes Reseñas históricas Arquitecturas Estadísticas Casos de estudio: Napster, Gnutella, Kazaa y Bittorrent Performance Problemas actuales

Qué es P2P? - Wikipedia “Una red informática que no tiene clientes y servidores fijos, sino una serie de nodos que se comportan a la vez como clientes y como servidores de los demás nodos de la red. Cualquier nodo puede iniciar o completar una transacción. Los nodos pueden diferir en configuración local, velocidad de proceso, ancho de banda de su conexión a la red y capacidad de almacenamiento”

Tipos de redes P2P Computación colaborativa – Grids. Ejemplo: GRID.org tienen 2 millones de PC que suman 100 teraflops [un trillón de operaciones de punto flotante/seg.] . Mensajería instantánea. Básicamente chat. Comunidades afines  Intercambio de archivos.

Reseñas históricas Antes 1999’ - Internet provee News e IRC. Mp3.com sitio web central 1999 – Nace Napster Shawn Fanning No completamente P2P Fines 1999 – demandas contra Napster Febrero 2001 – alcanza 13,6 millones de usuarios Julio 2001 – cierran napster

Reseñas históricas Napigator y OpenNap WinMX y iMesh reemplazan a Napster Audiogalaxy lidera la lista, pero también es cerrado 2002 – usuarios cambian masivamente a Kazaa y Morpheus (descentralizados  más cerca de ser P2P) Gnutella – prácticamente imposible darla de baja

Arquitecturas P2P híbrido. Usa servidores centrales (~160). P2P híbrido con pocos servidores (decenas). Los peers pueden ser servidores P2P con Supernodos P2P puro

Arquitecturas: Napster vs Gnutella P2P puro P2P híbrido

Arquitecturas: Kazaa P2P con supernodos (SN) Los SN son designados de acuerdo a la capacidad de la red en la que se encuentren. No es obligatorio ser SN. Red de Kazaa

Arquitecturas: Comparación entre http y p2p (1/2) Archivos pequeños, no más de 500kb Objetos pasan en una sola sesión Dura pocos segundos Conexiones confiables y disponibilidad asegurada Archivos grandes desde 3.5Mb hasta 2Gb o más Los downloads abren muchas conexiones Sesiones de días Conexiones y disponibilidad insegura

Arquitecturas: Comparación entre http y p2p (2/2) Conalgunas excepciones pocos sitios cambian sus contenidos Protocolo bien definido y ~estático Puerto fijo :80 Exceptuando los mirrors existe un único host Tráfico asimétrico Contenidos en constante cambio Diversos protocolos abiertos y cerrados Puertos fijos, dinámicos, ocultos en otros servicios. Cada contenido está ligado a único hash Tráfico ~simétrico

Arquitecturas: Nuevos desarrollos Selección de puertos dinámicos. Kazza Downloads bi-direccionales. Bittorrent e eDonkey. Impacto Más difícil analizar el comportamiento de las redes Más rápida la difución y creación de sources

Estadísticas

Estadísticas

Estadísticas: algunas conclusiones de CacheLogic 2004 El tráfico web es insignificante en comparación al P2P. P2P es simétrico en upload:download P2P va en crecimiento El tamaño de los archivos que se transfieren son cada vez mayores. El 30 % del tráfico es de a un solo archivo de 600 megas. Se está comenzando a distribuir imágenes de software libre por P2P. Ej: Fedora. 35 millones de europeos han bajado música utilizando clientes P2P En 30 días una unidad de CacheLogic observó 3.5 millones de ips fijas transfiriendo. Bit torrent se ha vuelto la aplicación P2P más usada actualmente.

Casos de estudio: Napster Es probable que Etherny sea previa (pero no masiva) TCP punto a punto Necesita servidor centralizado

Casos de estudio: Napster Cliente se conecta al servidor de Napster Se sube la lista de archivos compartidos al servidor junto con el IP Búsqueda (query) Pings a los peers que son source Selecciona un conjunto de ellos con la mejor tasa de transferencia. Comienza con la transferencia

Casos de estudio: Napster Problemas: Servidor sobrecargado Sistema no tolerante a fallas

Casos de estudio: Gnutella Búsqueda y flooding distribuido Elimina los problemas del servidor central Open source Un request  demasiado tráfico

Casos de estudio: Gnutella Ha “copiado” cosas de otros protocolos: downloads paralelos, administración de colas, etc. Atractivo a investigadores, fácil realizar experimentos, provee plataforma de tests y mediciones.

Casos de estudio: Kazaa [Chawathe 03] Software propietario y protocolo cerrado. Utiliza supernodos (SN) Viene con lista inicial de potenciales SN Elige servidor y cambia cuando necesita Cliente configurable: max upload-download rate, número mínimo de resultados. Olas de resultados y downloads paralelos Cada SN se conecta con ~150 ON (ordinary node) Se estiman ~30.000 SN c/SN mantiene TCP con ~40 ON Conexión ON-SN dura en promedio 56 minutos

Casos de estudio: Kazaa ONs con mejor conexión  SN 3 tipos de conexión: ON-ON  sobre HTTP ON-SN, SN-SN  sobre TCP

Casos de estudio: Kazaa Pasos para integrarse a la red: ON prepara lista de archivos disponibles y calcula “metadata” Metadata: nombre, tamaño, hash de contenido y descriptores de archivo ON envía toda su metada a un SN de la lista inicial SN le envía lista SN actuales cercanos a él ON envía ping a 5 de esos SNs y elige 1 Si el SN se va offline, el ON repipite desde 2.

Casos de estudio: Kazaa Pasos para el query ON envía su query al SN con un mínimo de N resultados requeridos Si el SN supera los N resultados solicitados por el ON, realiza forward a los SN con que está conectado. Cada SN que no obtenga resultados realiza forward. Los resultados son enviados al ON

Casos de estudio: Kazaa Pasos para el download: ON posee lista de ONs fuentes ON envía request Se inicia transferencia sobre HTTP usando “byte-range header”

Casos de estudio: Kazaa

Casos de estudio: BitTorrent No es P2P puro Utiliza sitios webs y trackers Las búsquedas se realizan en el servidor web Para iniciar un download se debe bajar el “.torrent” asociado al contenido a bajar .torrent contiene: el largo de archivo, nombre, hash y url del tracker

Casos de estudio: BitTorrent

Casos de estudio: BitTorrent El tracker realiza mediciones  fácil obtener estadisticas y analizar performance Los archivos se dividen en partes (256Kb) El cliente puede “elegir” qué partes bajará primero En general se prefieren las menos comunes Archivos son fuentes durante el download. Luego de completado el download este se puede mantener como “seed”

Medición de performance Dos tipos: Monitoreo de red o Sniffing No es necesario conocer el protocolo Los protocolos han cambiado para evitar estas mediciones Datos de aplicación Volver a escribir la aplicación cliente y servidor Ingeniería reversa Datos más exactos

Problemas Actuales de P2P Polución. Falso contenido Archivos de moda. Cerca del 0.1% de los archivos que están siendo requeridos con mayor frecuencia, generan cerca del 50% del tráfico Usuarios peligrosos. Cerca del 10% de las IPs que acceden a una red P2P consumen cerca del 99% del tráfico total