[論文レビュー] Shawn: A new approach to simulating wireless sensor networks

Alexander Kröller, Dennis Pfisterer+3 more|ArXiv.org|Feb 1, 2005

Energy Efficient Wireless Sensor Networks参考文献 9被引用数 88

ひとこと要約

Shawnは、ネットワーク層の抽象的モデリングとプロトコル実装の分離により、大規模なワイヤレスセンサネットワーク向けに高パフォーマンスを実現するオープンソースの離散イベントシミュレータである。イベント駆動アーキテクチャとネットワークトポロジーおよびメッセージ処理のための効率的なデータ構造のおかげで、25,000ノードのシミュレーションを20分未満で実行可能であり、Ns-2は1日を超過してもその実行を完了できないほど顕著に高速である。

ABSTRACT

We consider the simulation of wireless sensor networks (WSN) using a new approach. We present Shawn, an open-source discrete-event simulator that has considerable differences to all other existing simulators. Shawn is very powerful in simulating large scale networks with an abstract point of view. It is, to the best of our knowledge, the first simulator to support generic high-level algorithms as well as distributed protocols on exactly the same underlying networks.

研究の動機と目的

• アルゴリズムと分散プロトコルの両方をサポートする、スケーラブルで高水準なシミュレーションツールの不足に対処すること。
• Ns-2のような既存のシミュレータの限界、特に大規模ネットワークシミュレーションに不適切な遅さとリソース消費を克服すること。
• 研究者が数10万ノードのネットワークを効率的にシミュレートし、物理層の詳細ではなくアルゴリズム的挙動に焦点を当てられるようにすること。
• 永続タグとモジュラー構成要素を介してプロトコル論理とノード実装を分離することで、柔軟で拡張可能なフレームワークを提供すること。
• 物理層の不要な複雑さを抽象化することで、分散型で自己組織化するネットワークアルゴリズムの開発と評価を可能にすること。

提案手法

• 時間スタンプ付きメッセージに基づいてイベントを処理する離散イベントシミュレーションエンジンを実装し、大規模ネットワークの効率的処理を可能にする。
• ノードの近隣関係を表現するための抽象的通信モデル（例：'List'および'Simple'エッジモデル）を採用し、メモリ使用量と実行時間の両立を図る。
• 永続的および一時的状態をノード実装から分離するタギングシステムを導入し、コード変更なしにプロトコルコンponentの動的置き換えを可能にする。
• すべてのノードを含む単一の'world'インスタンスを中心にシミュレーションを構造化し、各ノードが1つ以上の'プロセッサ'を保持し、アルゴリズム実行とメッセージ交換を管理する。
• CGALやBOOST Graphなどの外部ライブラリを活用して、内部ネットワーク構造を高度な組合せ的および幾何計算に利用可能にする。
• 既存のNs-2フォーマットとの相互運用性をサポートすることで、既存のネットワークシナリオや構成の再利用を可能にする。

実験結果

リサーチクエスチョン

• RQ1 数10万ノードの規模の大規模ワイヤレスセンサネットワークを、アルゴリズムの正確性を保ちつつ、効率的にシミュレートできる離散イベントシミュレータを設計できるか？
• RQ2 通信およびネットワーク行動の抽象的モデリングは、アルゴリズム評価の妥当性を損なわせることなく、シミュレーションパフォーマンスをどの程度向上できるか？
• RQ3 永続タグによるプロトコル論理の分離は、センサネットワークにおける分散アルゴリズムの開発・テスト・交換をどの程度容易にするか？
• RQ4 物理層の詳細ではなくセンサネットワークアルゴリズムに特化したシミュレータにおいて、イベント処理とデータ構造の最適化によってどの程度のパフォーマンス向上が達成できるか？
• RQ5 高度な計算幾何学およびグラフライブラリとの統合を可能にするシミュレータは、スケーラビリティと拡張性の両立を達成できるか？

主な発見

• Shawnは20万ノードのシミュレーションを3時間27分で完了し、メモリ使用量は891 MBであるのに対し、Ns-2は1日を超過してもそのタスクを完了できない。
• 3万ノードのネットワークでは、Shawnは1時間34分で実行され、メモリ使用量は757 MBであるが、Ns-2は同じ時間枠内にシミュレーションを完了できない。
• 100ノードの規模では、Shawnは1秒でシミュレーションを完了し、メモリ使用量は1.9 MBであるのに対し、Ns-2は15秒と14.8 MBを要し、小規模スケールでも顕著な効率性の優位性を示す。
• すべての近隣関係をキャッシュする'List'エッジモデルは、各回ごとに近隣関係を再計算する'Simple'モデルよりも実行時間を著しく短縮するが、メモリ使用量は増加する。
• 25,000ノードのシミュレーションにおいて、ShawnはNs-2の100倍の高速化を達成しており、Ns-2は1日の制限を超えるのに対し、Shawnは19時間45分で完了する。
• プロセッサとタグに基づくモジュラー設計により、コードレベルの変更なしにプロトコルの動的置き換えと永続化が可能となり、拡張性と保守性が向上する。