[논문 리뷰] Digital Ecosystems: Evolving Service-Oriented Architectures

Gerard Briscoe, Philippe De Wilde|ArXiv.org|2007. 12. 26.

Modular Robots and Swarm Intelligence참고 문헌 43인용 수 47

한 줄 요약

이 논문은 서비스 중심 아키텍처(SOA)를 확장하여 분산 진화 계산을 통합함으로써 자율 구성, 확장성, 적응성 있는 서비스 조합을 가능하게 하는 디지털 생태계 아키텍처를 제안한다. 피어 투 피어 네트워크에서 서비스 에이전트가 이동하고 진화하는 푸시 기반의 진화적 접근을 사용함으로써, 이 시스템은 대규모 환경에서 기존 SOA를 능가하며 서비스 밀도가 증가할수록 뛰어난 성능을 보인다.

ABSTRACT

We view Digital Ecosystems to be the digital counterparts of biological ecosystems, exploiting the self-organising properties of biological ecosystems, which are considered to be robust, self-organising and scalable architectures that can automatically solve complex, dynamic problems. Digital Ecosystems are a novel optimisation technique where the optimisation works at two levels: a first optimisation, migration of agents (representing services) which are distributed in a decentralised peer-to-peer network, operating continuously in time; this process feeds a second optimisation based on evolutionary computing that operates locally on single peers and is aimed at finding solutions to satisfy locally relevant constraints. We created an Ecosystem-Oriented Architecture of Digital Ecosystems by extending Service-Oriented Architectures with distributed evolutionary computing, allowing services to recombine and evolve over time, constantly seeking to improve their effectiveness for the user base. Individuals within our Digital Ecosystem will be applications (groups of services), created in response to user requests by using evolutionary optimisation to aggregate the services. These individuals will migrate through the Digital Ecosystem and adapt to find niches where they are useful in fulfilling other user requests for applications. Simulation results imply that the Digital Ecosystem performs better at large scales than a comparable Service-Oriented Architecture, suggesting that incorporating ideas from theoretical ecology can contribute to useful self-organising properties in digital ecosystems.

연구 동기 및 목표

• 현대 소프트웨어 시스템의 확장성과 복잡성 문제를 생물학적 생태계에서 영감을 얻어 해결하고자 한다.
• 기존 SOA에서 수동적이고 풀 기반의 서비스 조합 방식의 한계를 극복하기 위해 동적이고 자동화된 푸시 기반 접근 방식을 도입하고자 한다.
• 사용자 요청에 대응하기 위해 서비스가 자율적으로 진화하고 재조합될 수 있도록 하는 생태계 중심 아키텍처(EOA)를 설계하고자 한다.
• 자율성과 적응성과 같은 생태학적 원칙이 기존 SOA에 비해 규모가 큰 환경에서 시스템 성능을 향상시키는 데 기여하는지 평가하고자 한다.

제안 방법

• 서비스 중심 아키텍처(SOA)를 분산 진화 계산(DEC)으로 확장하여 자율적 서비스 진화를 가능하게 하는 생태계 중심 아키텍처(EOA)를 구성한다.
• 이중 수준 최적화를 적용한다: (1) 분산형 피어 투 피어 네트워크에서 에이전트 기반 서비스의 전역 이동, (2) 개별 피어에서의 국소적 진화 계산을 통한 서비스 시퀀스 최적화.
• 사용자 요청에 대한 에이전트-시퀀스 평가를 위해 $ fitness(A,R) = \frac{1}{1 + \sum_{r \in R} |r - a|} $로 정의된 적합도 함수를 사용한다. 여기서 $ a $ 는 요구 사항 속성 $ r $ 과의 차이를 최소화하는 값을 의미한다.
• 적합도 비례, 비엘리트리스트 선택을 적용하며, 10%의 교차율을 가지며, 단일 지점 재조합과 10%의 돌연변이를 삽입, 대체, 삭제를 통해 구현한다.
• 과잉 복잡도를 제어하기 위해 단순성 압력(parsimony pressure)을 적용하여, 현재 평균보다 긴 에이전트-시퀀스의 적합도를 감소시켜 효율적이고 간결한 해를 선호한다.
• 정보 중심 네트워크를 기반으로 한 환경을 모델링하여 동적이고 확장 가능한 배포를 지원하는 생태계를 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 생물학적 생태계에서 영감을 얻은 디지털 생태계가 증가하는 서비스 부하 상황에서 기존 SOA에 비해 확장성과 적응성 면에서 뛰어난 성능을 보일 수 있는가?
• RQ2 동적이고 대규모 환경에서 푸시 기반의 진화적 서비스 조합 모델은 기존의 풀 기반 SOA 모델에 비해 어떻게 비교되는가?
• RQ3 자율적이고 분산된 진화적 과정이 서비스 조합의 효율성과 효과성에 어느 정도 기여하는가?
• RQ4 단순성 압력은 어떻게 과잉 복잡도를 방지하고 진화하는 에이전트-시퀀스의 성능을 유지하는 데 기여하는가?

주요 결과

• 가용 서비스 수가 증가함에 따라 디지털 생태계가 기존 SOA 기반 참조 시스템을 능가하는 것으로 나타났으며, 특히 대규모 환경에서 두드러졌다.
• 초기에는 중앙집중식 조합 방식이 더 예측 가능하기 때문에 SOA 기반 시스템이 더 우수한 성능을 보였지만, 규모가 증가함에 따라 이 우위는 점점 사라졌다.
• 생태계의 자율적이고 분산형, 진화적 성격 덕분에 규모가 증가함에 따라 성능이 향상되었으며, 더 효과적인 서비스 탐색과 조합이 가능해졌다.
• 단순성 압력이 포함된 적합도 함수는 과잉 복잡도를 성공적으로 통제하여 효율적인 에이전트-시퀀스 길이를 유지하고 탐색 수렴을 향상시켰다.
• 비엘리트리스트 선택과 낮은 돌연변이 비율이 조기 수렴을 방지하고 다양한 고적합도 해를 탐색할 수 있도록 했다.
• 시뮬레이션 결과는 생태계 모델이 고복잡도, 고분포 환경에서 시간이 지남에 따라 사용자 요청에 더 높은 매칭률을 달성함을 확인했다.