SENSE-3.0

بدون ديدگاه

SENSE به شبیه ساز شبکه شبیه ساز و شبیه ساز اطلاق می شود. ظهور شبکه های حسگر بی سیم بسیاری از موارد باز را برای طراحان شبکه به ارمغان آورد. به طور سنتی ، سه روش اصلی برای تجزیه و تحلیل عملکرد شبکه های سیم و بی سیم روش های تحلیلی ، شبیه سازی رایانه و اندازه گیری فیزیکی است. با این حال ، به دلیل محدودیت های زیادی که بر روی شبکه های حسگر مانند محدودیت انرژی ، همکاری غیر متمرکز و تحمل خطا اعمال می شود ، الگوریتم های شبکه های سنسور بسیار پیچیده هستند و معمولاً با روش های تحلیلی مخالف هستند که ثابت شده نسبتاً برای شبکه های سنتی موثر هستند. علاوه بر این ، شبکه های حسگر معدودی به وجود آمده اند ، زیرا هنوز هم بسیاری از مشکلات تحقیقاتی حل نشده وجود دارد ، بنابراین اندازه گیری عملا غیرممکن است.

ns2 ، شاید پرکاربردترین شبیه ساز شبکه ، شامل برخی از امکانات اساسی برای شبیه سازی شبکه های حسگر باشد. با این حال ، یکی از مشکلات ns2 طراحی شی گرا آن است که وابستگی متقابل غیر ضروری بین ماژول ها را معرفی می کند. چنین وابستگی متقابل بعضی مواقع ، افزودن مدلهای جدید پروتکل را بسیار دشوار می کند و فقط توسط کسانی که آشنایی صمیمی با شبیه ساز دارند ، تسلط پیدا می کند. دستیابی به دشواری مشکل عمده ای برای شبیه سازها نیست که در شبکه های سنتی هدف قرار می گیرند ، زیرا در آنجا مجموعه پروتکل های محبوب نسبتاً اندک است. به عنوان مثال ، اترنت به طور گسترده ای برای شبکه سیمی ، IEEE 802.11 برای LAN بی سیم ، TCP برای انتقال قابل اعتماد از طریق رسانه های غیر قابل اعتماد استفاده می شود. با این حال ، برای شبکه های حسگر وضعیت کاملاً متفاوت است.

بسیاری دیگر از شبیه سازهای شبکه در دسترس عموم ، مانند JavaSim ، SSFNet ، Glomosim و فرزندان آن Qualnet ، سعی در حل مشکلاتی دارند که توسط ns2 حل نشده اند. در میان آنها ، توسعه دهندگان JavaSim متوجه اشکال در طراحی شی گرا بودند و سعی کردند با ساختن یک معماری مؤلفه گرا ، به این مشکل حمله کنند. با این حال ، آنها جاوا را به عنوان زبان شبیه سازی انتخاب کردند و به ناچار کارایی شبیه سازی را فدا کردند. طراحان SSFNet و Glomosim بیشتر در مورد شبیه سازی موازی نگران بودند و دومی بیشتر روی شبکه های بی سیم متمرکز بودند. آنها از نظر طراحی و قابلیت توسعه از ns2 برتر نیستند.

SENSE به گونه ای طراحی شده است که یک شبیه ساز شبکه حسگر کارآمد و قدرتمند باشد و در استفاده نیز سهولت دارد. ما سه عامل مهم را به عنوان موارد زیر شناسایی می کنیم:

توسعه پذیری: نیرویی که در پشت معماری شبیه سازی شبکه کاملاً توسعه پذیر است پیشرفت ما در شبیه سازی مبتنی بر مؤلفه است. ما یک مدل بندر را معرفی کردیم که مدل های شبیه سازی را از وابستگی متقابل که معمولاً در یک معماری شی گرا یافت می شود ، رها می کند ، و سپس طبقه بندی مؤلفه شبیه سازی را ارائه می دهیم که به طور طبیعی مشکل رسیدگی به زمان شبیه سازی شده را حل می کند. مدل مؤلفه بندر ، مدلهای شبیه سازی را گسترده تر می کند: یک مؤلفه جدید در صورت داشتن رابط های سازگار ، می تواند یک جایگزین قدیمی را جایگزین کند ، و ارث لازم نیست. طبقه بندی مؤلفه های شبیه سازی باعث افزایش موتورهای شبیه سازی می شود: کاربران پیشرفته این آزادی را دارند که موتورهای شبیه سازی جدیدی را تولید کنند که نیازهای آنها را برآورده سازد.

قابلیت استفاده مجدد: حذف وابستگی متقابل بین مدلها باعث قابلیت استفاده مجدد نیز می شود. در صورت برآورده کردن نیازهای دوم در رابط و معناشناسی ، یک مؤلفه توسعه یافته برای یک شبیه سازی می تواند در دیگری استفاده شود. سطح قابل استفاده مجدد دیگری وجود دارد که با استفاده گسترده از الگوی C ++ امکان پذیر است: یک جزء معمولاً به عنوان یک کلاس قالب اعلام می شود تا بتواند نوع متفاوتی از داده ها را اداره کند.

مقیاس پذیری: برخلاف بسیاری از شبیه سازهای شبکه موازی ، به ویژه SSFNet و Glomosim ، موازی سازی به عنوان گزینه ای برای کاربران SENSE ارائه شده است. این عقیده ما نشان می دهد که موازی سازی کاملاً خودکار مدل های رویداد گسسته متوالی ، هرچند که وسوسه انگیز به نظر برسد ، غیرممکن است به طور موازی خودکار برنامه های متوالی. حتی اگر ممکن باشد ، محکوم به ناکارآمد بودن است. بنابراین ، مدلهای موازی سازی نسبت به مدلهای متوالی به تلاش بیشتری نیاز دارند ، اما بخش خوبی از کاربران به هیچ وجه علاقه ای به شبیه سازی موازی ندارند. در SENSE ، یک موتور شبیه سازی موازی فقط می تواند اجزای سازنده اجزای سازگار را اجرا کند. اگر یک کاربر از موتور شبیه سازی متوالی پیش فرض راضی باشد ، می توان از هر مؤلفه موجود در مخزن مدل استفاده کرد.

نوشتن دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.

سه × پنج =