Analýza a zefektivnění distribuovaných systémů

Pozoruhodný vývoj v oblasti počítačových systémov a ich vzájomnej komunikácie v ostatných viac ako 70 rokoch umožnil vznik alternatívy k dovtedy často využívaným centralizovaným systémom. Moderné vysoko distribuované systémy sú tvorené nezávislými entitami plniacimi špecifické funkcionality ako jeden, pre užívateľa netransparentný, celok. Tento fakt mal za následok výrazné rozšírenie distribuovaných algoritmov a ich implementáciu v praxi. Časté uplatnenie našli hlavne distribuované algoritmy pre multisenzorovú dátovú fúziu zabezpečujúce výrazné zvýšenie kvality exekuovaných aplikácií. Táto dizertačná práca sa zaoberá optimalizáciou a analýzou distribuovaných systémov a to konkrétne distribuovanými algoritmami založenými na dosahnovaní konsenzu pre odhad agregačných funkcií (primárne pre odhad aritmetického priemeru distribuovaným spôsobom). Prvá kapitola je zameraná na teoretický základ týkajúci sa distribuovaných systémov, ich evolúciou, architektúrami, komparáciou a výhodami/nevýhodami v porovnaní so zmienenými centralizovanými systémami. Druhá kapitola je zameraná na multisenzorovú dátovú fúziu, jej praktické využitie, klasifikáciu distribuovaných algoritmov pre odhad agregačných funkcií, matematické modelovanie týchto algoritmov a prezentáciu frekventovane citovaných mechanizmov pre distribuované priemerovanie ako napríklad protokol Push-Sum, Metropolis-Hastings váhovací model, Best Constant váhovací model atď. Praktická časť pozostáva z prezentácie mechanizmov pre optimalizáciu distribuovaných systémov, návrhov nových algoritmov a komplementárnych mechanizmov pre distribuované systémy a ich analýzu ( resp. vzájomnú komparáciu) z hľadísk ako rýchlosť konvergencie, presnosť estimácie, robustnosť, implementovateľnosť do reálnych systémov atď.
A significant progress in the evolution of the computer systems and their interconnection over the past 70 years has allowed replacing the frequently used centralized architectures with the highly distributed ones, formed by independent entities fulfilling specific functionalities as one user-intransparent unit. This has resulted in an intense scientic interest in distributed algorithms and their frequent implementation into real systems. Especially, distributed algorithms for multi-sensor data fusion, ensuring an enhanced QoS of executed applications, find a wide usage. This doctoral thesis addresses an optimization and an analysis of the distributed systems, namely the distributed consensus-based algorithms for an aggregate function estimation (primarily, my attention is focused on a mean estimation). The first section is concerned with a theoretical background of the distributed systems, their evolution, their architectures, and a comparison with the centralized systems (i.e. their advantages/disadvantages). The second chapter deals with multi-sensor data fusion, its application, the classification of the distributed estimation techniques, their mathematical modeling, and frequently quoted algorithms for distributed averaging (e.g. protocol Push-Sum, Metropolis-Hastings weights, Best Constant weights etc.). The practical part is focused on mechanisms for an optimization of the distributed systems, the proposal of novel algorithms and complements for the distributed systems, their analysis, and comparative studies in terms of such as the convergence rate, the estimation precision, the robustness, the applicability to real systems etc.