[論文レビュー] Digital Ecosystems: Evolving Service-Oriented Architectures

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

Modular Robots and Swarm Intelligence参考文献 43被引用数 47

ひとこと要約

本稿では、分散型進化計算を統合することで、サービス指向アーキテクチャ（SOA）を拡張するデジタルエコシステムアーキテクチャを提案する。このアーキテクチャにより、自己組織的でスケーラブルかつ適応可能なサービスコンポジションが実現される。プッシュベースの進化的アプローチを採用し、サービスエージェントがピアツーピアネットワーク内で移動・進化することで、大規模環境下でも従来のSOAを上回る性能を発揮し、サービス密度が高くなるに従い優れた性能を示す。

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.

研究の動機と目的

• 現代のソフトウェアシステムにおけるスケーラビリティと複雑性の課題を、生物学的エコシステムにインspirationを得て解決すること。
• 従来のSOAにおける手動的・プルベースのサービスコンポジションの限界を乗り越え、動的で自動的かつプッシュベースのアプローチを導入すること。
• ユーザー要件に応じてサービスが自律的に進化・再結合できるエコシステム指向アーキテクチャ（EOA）を設計すること。
• 自己組織的で適応可能な生態的原則が、従来のSOAと比較してスケールアップした環境下でのシステム性能を向上させることを評価すること。

提案手法

• 分散型進化計算（DEC）を用いてSOAを拡張し、自律的サービス進化を可能にするエコシステム指向アーキテクチャ（EOA）を構築する。
• 二段階の最適化を採用する：(1) 扁平なピアツーピアネットワークにおけるエージェントベースサービスのグローバルな移動、(2) 個々のピアにおけるローカルな進化計算によるサービスシーケンスの最適化。
• ユーザー要件に応じたエージェントシーケンスの評価に、$ fitness(A,R) = \frac{1}{1 + \sum_{r \in R} |r - a|} $ というフィットネス関数を用いる。ここで $ a $ は、必要なリクエスト属性 $ r $ との差を最小化する。
• フィットネスに比例する非エリート選択を採用し、10%の交差率で1ポイント再結合を実施。10%の突然変異は挿入、置換、削除によるものとする。
• 過剰なサイズの増加（ボーリング）を制御するため、パラシー・プレッシャーを適用。これは、現在の平均より長いエージェントシーケンスに対してフィットネスを低下させ、短く効率的な解決策を優遇する。
• 情報中心のネットワークとしてのヒューティット（Habitat）をモデル化し、動的かつスケーラブルな展開を可能にする。シミュレーションでは、進化するエージェントシーケンスの集団を用いる。

実験結果

リサーチクエスチョン

• RQ1 生物学的エコシステムにインspirationを得たデジタルエコシステムは、サービス負荷が増加する条件下で、従来のSOAを上回るスケーラビリティと適応性を示せるか？
• RQ2 動的かつ大規模な環境下で、プッシュベースの進化的サービスコンポジションモデルは、従来のプルベースSOAモデルと比較してどのように異なるか？
• RQ3 自己組織的で分散型の進化的プロセスは、サービスコンポジションの効率性と有効性をどの程度向上させるか？
• RQ4 パラシー・プレッシャーは、進化するエージェントシーケンスにおけるボーリングの防止とパフォーマンスの維持にどのような役割を果たすか？

主な発見

• 利用可能なサービス数が増加するに従い、デジタルエコシステムは従来のSOAリファレンスシステムを上回った。特に大規模な環境下で顕著であった。
• 初期段階では、中央集権的でより予測可能なコンポジションを実現するSOAベースのシステムが優れていたが、スケールが大きくなるとその優位性は薄れた。
• エコシステムの自己組織的で分散型かつ進化的特性のおかげで、スケールが大きくなるに従いパフォーマンスが向上。より効果的なサービス発見とコンポジションが可能になった。
• パラシー・プレッシャーを組み込んだフィットネス関数により、ボーリングが効果的に制御され、効率的なエージェントシーケンス長が維持され、探索収束が向上した。
• 非エリート選択と低突然変異率の組み合わせにより、早期収束を防ぎ、多様で高フィットネスな解決策の探索が可能になった。
• シミュレーション結果から、エコシステムモデルが時間の経過とともにユーザー要件へのマッチ率をより高く維持していることが確認された。特に高複雑性・高分散環境下で顕著であった。