Impact de la sélection de l’espace de recherche

La sélection de l’espace de recherche et le choix de la profondeur maximale permettent de

réduire de façon importante les différents coûts associés à l’évaluation d’une requête

dépendante de la localisation. Nous présentons dans cette section la réduction des coûts

obtenus puis nous discutons ensuite de l’impact de ces choix sur la qualité de la réponse

obtenue.

Réduction des coûts

Les sélections de l’espace de recherche permettent de réduire considérablement les coûts de

communication, de traitement et de temps de réponse puisque le nombre de nœuds visités est

réduit. Les graphiques illustrés dans les figures 5.11 et 5.12 montrent la réduction du nombre

de nœuds visités et donc du nombre d’évaluation de la requête dans les deux environnements

présentés ci-dessus (environnement de référence et environnement « réél ») :

- a : l’espace de recherche est constitué de tous les nœuds de l’application

- b : l’espace de recherche est constitué uniquement des nœuds centraux

- c : l’espace de recherche est constitué uniquement des « bons » nœuds

Les stratégies 1 et 3 (respectivement les stratégies 2 et 4) sont regroupées étant donné que le

nombre de nœuds visité pour ces deux stratégies est identique.

0

10

20

30

40

50

60

70

80

90

100

a b c a b c

Stratégies 1 et 3 Stratégies 2 et 4

Pourcentage de l'ensemble des noeuds visités

Figure 5.11. Nombre de nœuds visités en fonction des

différentes sélections de l’espace de recherche dans

l’environnement de référence

0

10

20

30

40

50

60

70

80

90

100

a b c a b c

Stratégies 1 et 3 Stratégies 2 et 4

Pourcentage de l'ensemble des noeuds visités

Figure 5.12. Nombre de nœuds visités en fonction des

différentes sélections de l’espace de recherche dans

l’environnement « réel »

Le choix de la profondeur permet lui aussi de réduire le nombre de nœuds visités et donc les

coûts associés à l’évaluation d’une requête dépendante de la localisation. Cependant, dans

les applications de proximité, étant donné que la sphère de communication est limitée à un

espace déterminé, au-delà de quelques sauts, l’ensemble des nœuds ont été accédés et la

requête ne doit plus et ne peut plus être envoyée et évaluée par d’autres nœuds. Le choix de

la profondeur n’a donc un impact sur les coûts que si la profondeur est inférieure à un certain

seuil dépendant de la densité de nœuds et de leur couverture réseau dans chaque

environnement. Par exemple, d’après les résultats des simulations présentés dans la

figure 5.13, nous pouvons remarquer que les coûts sont réduits uniquement si la profondeur

est inférieure à 4. Au delà, le paramétrage de la profondeur n’a plus du tout d’impact sur les

résultats et sur les coûts.

0

10

20

30

40

50

60

1 2 3 4 5 6 7 8 9

Profondeur (nombre de sauts)

Nombre de noeuds visités

Stratégies 2 et 4

Stratégies 1 et 3

Discussion sur la qualité de la réponse

Si limiter l’espace de recherche et la profondeur maximale permet de réduire de façon

considérable les coûts, cela peut également engendrer une perte en terme de qualité de

réponse obtenue. Ainsi dans le pire des cas, si la réponse à la requête se situe sur un nœud

léger et que l’espace de recherche choisi est l’ensemble des nœuds centraux, la requête ne

sera pas satisfaite. Ce cas n’est cependant pas exceptionnel dans une application de

proximité : par exemple, dans l’application de l’aéroport, si Sophie recherche la localisation

de Marc, celle-ci n’est a priori partagée que par le terminal nomade de Marc.

Si un pourcentage important des informations est stocké sur les nœuds centraux, le

compromis entre la qualité de la réponse et les coûts nécessaires à l’évaluation de la requête

en utilisant une restriction de l’espace de recherche aux nœuds centraux peut être intéressant.

Cependant, dans un environnement « réel », les nœuds centraux ne sont pas toujours

accessibles directement par le nœud client : dans ce cas, les nœuds de l’espace de recherche

sélectionné ne sont pas tous contactés et donc la perte de qualité de la réponse est encore

plus importante. Les figures 5.14 et 5.15 représentent le pourcentage de nœuds contactés

parmi les nœuds de la sélection de l’espace de recherche respectivement dans

l’environnement de référence et dans l’environnement « réel » considéré. Nous pourrions

donc envisager de paramétrer la sélection de l’espace de recherche appropriée en fonction du

nombre de connexions que possède un nœud client vers des nœuds centraux.

0,00%

10,00%

20,00%

30,00%

40,00%

50,00%

60,00%

70,00%

80,00%

90,00%

100,00%

a b c a b c

Stratégies 1 et 3 Stratégies 2 et 4

Figure 5.14. Pourcentage du nombre de nœuds visités

parmi les nœuds de la sélection de l’espace de recherche

dans l’environnement de référence

0,00%

10,00%

20,00%

30,00%

40,00%

50,00%

60,00%

70,00%

80,00%

90,00%

100,00%

a b c a b c

Stratégies 1 et 3 Stratégies 2 et 4

Figure 5.15. Pourcentage du nombre de nœuds visité s

parmi les nœuds de la sélection de l’espace de recherche

dans l’environnement « réel »

Aujourd’hui, quantifier la perte de qualité des réponses obtenues reste problématique. En

effet, les simulations réalisées ont été calibrées en utilisant des données expérimentales

issues de notre prototype. Ces simulations nous permettent d’analyser la montée en charge.

En revanche, nous ne disposons pas d’informations probantes sur le comportement des

utilisateurs dans une application de proximité : quelles informa tions sont- ils prêts à

échanger ? Combien d’informations veulent- ils échanger ? Existe-t- il des comportements

représentatifs de partage de données pour les nœuds centraux ? De ce fait, nous ne sommes

pas en mesure de calibrer nos simulations de façon « réelle ». Il serait intéressant, de

quantifier les comportements d’utilisateurs d’une application de proximité dans un

environnement réel afin d’être capable d’exprimer la perte moyenne de qualité de la réponse

en fonction de la sélection de l’espace de recherche. Des études similaires concernant les

comportements des utilisateurs dans les systèmes P2P d’Internet ont été réalisées et

permettent ainsi d’effectuer des simulations en considérant des modèles types de distribution

de l’information : par exemple, dans [CRE 02], les simulations effectuées concernant la

solution proposée d’optimisation de la recherche d’informations reposent sur une distribution

80/20 de l’information dans le système P2P. C'est-à-dire que 80% des documents disponibles

sont stockés par 20% des nœuds présents.

Dans le document Requêtes dépendantes de la localisation : Expression, évaluation et optimisation (Page 115-118)