Monitoramento e análise visual de tráfego de dados de aplicações baseadas em protocolos epidêmicos

Abstract

Entender o funcionamento de um conjunto de nodos num sistema distribuído não é uma tarefa trivial. Dentre estes sistemas, aqueles que utilizam protocolos epidêmicos são particularmente desafiadores por causa da dinamicidade das conexões entre estes nodos. A maioria das técnicas que auxiliam nessa tarefa se apoia em uma enorme quantidade de dados acumulados que descrevem certas ações tomadas por esses nodos e tentam extrair padrões e explicá-los. Vários algoritmos sofisticados foram criados para evidenciar detalhes desses dados que um ser humano não conseguiria detectar. Porém, existem padrões que estes algoritmos não conseguem encontrar, em especial comportamentos inesperados do sistema. Pouco se tem explorado sobre como a percepção humana pode ajudar neste processo. O foco deste trabalho, portanto, é criar um sistema que permita coletar e exibir dados obtidos de uma aplicação distribuída, sendo executada em diversos nodos de uma rede, e possibilitar a um operador humano explorar esses dados a fim de reconhecer comportamentos esperados ou inesperados.

Understand the behavior of a set of nodes in a distributed system is not a trivial task. Among these systems, those based on epidemic protocols are particularly challenging because of the quantity of dynamic connections between nodes. Most known techniques try to extract patterns (and explain them) from a huge quantity of data, that describe some important tasks made by these nodes. Many sophisticated algorithms were created to detect details on this huge amount of data, while a human being is not able to do that. However, there are some pattern that those algorithms can`t find, especially when the system shows some unexpected behavior. Therefore, this work focus on creating a system that can allow the extraction and analysis of data obtained from a distributed application, executed in many nodes in the same network, in order to help a human operator to analyze and explore this data and recognize expected and unexpected behaviors.