[論文レビュー] Distributed CTL Model Checking in the Cloud

Carlo Bellettini, Matteo Camilli+2 more|arXiv (Cornell University)|Oct 24, 2013

Formal Methods in Verification参考文献 37被引用数 22

ひとこと要約

本稿では、クラウドコンピューティングを活用して大規模な状態空間における形式検証をスケーリングするため、Hadoop MapReduceを活用した分散CTLモデルチェックフレームワークを提示する。時間的論理演算子の不動点表現に基づき、CTLモデルチェックを反復的MapReduceジョブに再定式化することで、高いスケーラビリティを達成し、大規模なベンチマークにおいてスーパー線形スループットを示しており、形式手法とビッグデータ技術の間を効果的に橋渡ししている。

ABSTRACT

The recent extensive availability of "big data" platforms calls for a more widespread adoption by the formal verification community. In fact, formal verification requires high performance data processing software for extracting knowledge from the unprecedented amount of data which come from analyzed systems. Since cloud based computing resources have became easily accessible, there is an opportunity for verification techniques and tools to undergo a deep technological transition to exploit the new available architectures. This has created an increasing interest in parallelizing and distributing verification techniques. In this paper we introduce a distributed approach which exploits techniques typically used by the "big data" community to enable verification of Computation Tree Logic (CTL) formulas on very large state spaces using distributed systems and cloud computing facilities. The outcome of several tests performed on benchmark specifications are presented, thus showing the convenience of the proposed approach.

研究の動機と目的

• モデルチェックにおける状態空間の爆発問題を、クラウドベースの分散コンピューティングリソースを活用することで解決すること。
• 形式手法コミュニティにおける分散形式検証ツールのデプロイおよび工学的複雑性を低減すること。
• 具体的にはHadoop MapReduceを含むビッグデータ処理パターンを、形式検証の分野に適応させること。
• 非常に大規模な状態空間を持つ複雑なシステムに対するスケーラブルで「プッシュボタン式」の検証を可能にすること。
• クラウドベースのMapReduceを用いたCTLモデルチェックの実現可能性と性能上の利点を実証すること。

提案手法

• 本手法は、時間的論理演算子（例：Gφ = μZ·(φ ∧ XZ)）の不動点表現に基づき、CTLモデルチェックを反復的MapReduceジョブに再定式化する。
• 状態と遷移をハッシュベースのパーティショニング関数を用いてクラスタ全体に分散させ、負荷のバランスを確保する。
• Mapタスクは各状態について局所的な不動点近似を計算し、キーが状態で値が中間結果であるキー・バリュー対を出力する。
• Reduceタスクはパーティション間の結果を集約し、反復的に不動点計算を精緻化し、収束まで繰り返す。
• MapReduceにおけるシャッフルフェーズにより、明示的なメッセージ渡しを必要とせずに効率的なノード間通信と同期が可能となる。
• 本フレームワークはHadoop上に実装されており、Amazon EC2などのクラウドインfraストラクチャとシームレスに統合可能である。

実験結果

リサーチクエスチョン

• RQ1 MapReduceベースの並列処理は、非常に大規模な状態空間におけるCTLモデルチェックを効果的にスケーリングできるか？
• RQ2 大規模なベンチマークにおいて、MapReduceベースのモデルチェッカーの性能は、従来の単一マシンツールと比べてどうなるか？
• RQ3 MapReduceの内在的なデータ並列性は、形式検証における状態空間の爆発問題を克服するためにどの程度活用可能か？
• RQ4 クラウドベースのHadoopクラスタの使用により、分散モデルチェックにおける実用的な「プッシュボタン」体験が可能になるか？
• RQ5 パーティショニング戦略は、分散CTLモデルチェックにおける通信オーバーヘッドと全体的な性能にどのような影響を与えるか？

主な発見

• 提案されたフレームワークは、クラウドベースのクラスタ上で非常に大規模な状態空間にスケーリングでき、効果的な負荷バランスを実現した。
• 実験の結果、一部のケースでスーパー線形スループットを達成しており、優れた並列効率性を示している。
• MapReduceにおけるシャッフルフェーズに要する時間が全体の実行時間の主要因にならず、本手法の実現可能性を裏付けている。
• 低レベルのクラウドデプロイの複雑さを抽象化することで、本フレームワークは分散モデルチェックにおける「プッシュボタン」体験を可能にしている。
• Hadoop MapReduceの使用により、既存のビッグデータインfraストラクチャやクラウドプラットフォームへの容易な統合が可能である。
• 状態空間がキー・バリュー対として表現できる限り、本手法はペトリネットやプロセス代数などのさまざまな形式的記述にも一般化可能である。