Aula 13 - 1/10/2003

Sistemas de Arquivos Distribuídos

O sistema de arquivos é um dos subsistemas mais importantes em SOs

Oferece uma visão abstrata de dispositivos de armazenamento secundário (discos, fitas, etc.)

• No princípio, as estações eram isoladas e era necessário dar um rsh para se conectar a outras máquinas e obter acesso aos arquivos
• Insatisfeitos com isso criaram os primeiros sistemas de arquivos distribuídos através do comando rcp maquina:caminho
• modelo de transferência completa (upload/download)
• Tanenbaum Fig. 5.1a, pag. 247
• funcionou muito bem por muito tempo (até meados/final da década de 80)
• desvantagens
• o usuário é responsável por saber onde cada arquivo está guardado;
• o programa continha o nome do servidor onde os arquivos estão guardados
• pouca flexibilidade
• Depois, criou-se o modelo de acesso remoto a arquivos:
• o serviço de arquivos oferece operações (e.g. open, read, write, close) para acesso a arquivos remotos
• Tanenbaum Fig. 5.1b, pag. 247
• os caminhos para os arquivos assumem a forma /servidor/pathname

• é necessário algum esquema para mapear o espaço de nomes do sistema de arquivos aos diversos servidores
• normalmente se usa um espaço de nomes hierarquico e se associa diferentes pedaços da hierarquia a diferentes servidores
• Na verdade, existem 3 modelos de nomes em um sistema de arquivos distribuídos:
1. nome da máquina + caminho (e.g., /maquina/pathname ou maquina:pathname)
2. montando sistemas de arquivos remotos na hierarquia local de sistemas de arquivos
3. um espaço de nomes global único comum a todas as máquinas do sistema
• transparência de plataforma do cliente e do servidor
• é necessário definir um protocolo padrão de comunicação independente da plataforma

• o que acontece quando 2 ou mais usuários (processos) acessam o mesmo arquivo ao mesmo tempo?
• o que acontece se temos uma seqüência rápida de leituras e escritas em um arquivo? qual valor é lido pela leitura?
• Em um sistema centralizado UNIX, um read sempre devolve o valor escrito pelo último write
• Em sistemas distribuídos há 4 tipos de semântica mais comuns:
• semântica UNIX (toda operação em um arquivo é visível imediatamente por todos nós)
• semântica de sessão
• uma sessão é aberta com open e fechada com close
• mudanças não são visíveis a outros processos até que a sessão seja fechada
• arquivos imutáveis
• facilita compartilhamento e replicação
• transações
• init, abort, commit transaction
• mudanças possuem a propriedade de tudo ou nada
• mudanças só são visíveis após um commit é feito

Referências

• Tanenbaum, seção 5.1; Galli, seção 8.2 (incompleto); Silberschatz 5a ed., cap. 17; monografia sobre SAD na página de leituras recomendadas .

Servidores com estado vs. servidores sem estado

• servidores com estado funcionam como um servidor de arquivos centralizado mantendo tabelas de quais arquivos estão abertos e quais processos (clientes) estão usando cada arquivo e em qual ponto do arquivo estão mexendo.
• Vantagens de servidores sem estado
• tolerância a falhas
• não exige chamadas open/close
• não desperdiça espaço e processador no servidor para manter tabelas dos clientes
• não há limite no número de arquivos abertos e no número de clientes simultâneos
• não há problema se um cliente cai ou se desconecta repentinamente
• Vantagens de servidores com estado
• mensagens mais curtas
• maior velocidade no tratamento das requisições
• mais fácil de obter idempotência (tratar bem o caso no qual o cliente manda duas mensagens de APPEND porque a primeira deu timeout)
• torna possível garantir acesso restrito a arquivos ( file locking é impossível em servidores sem estado).

Caching

• do lado do servidor
• do lado do cliente
• sem cache
• com cache dentro do processo do cliente (biblioteca)
• com cache dentro do kernel da máquina cliente
• com cache em um processo separado (broker, espécie de agente negociador)
• políticas de consistência do cache do cliente
• controle centralizado
1. semântica UNIX perfeita
2. pode ser muito ineficiente dependendo do jeito que é implementado
• write on close
1. semântica de sessão
2. mais eficiente, funciona bem em sistemas de grande área quando comunicação com servidor é muito cara
• write through
1. bom desempenho em redes locais
2. diminui (mas não elimina) inconsistências
3. para diminuir inconsistências pode-se determinar que o cliente verifica com o servidor se o arquivo mudou toda vez que um processo do cliente faz um open neste arquivo
• delayed write
1. equivalente a cache tanto para leitura como para escrita
2. melhor desempenho possível
3. pior consistência possível

Replicação

• Vantagens de replicação:
• aumento da confiabilidade, se um servidor quebra, existem cópias dos arquivos
• aumento da disponibilidade, se um servidor sai fora do ar, existem outros servidores
• distribuição de carga entre os vários servidores
• evitar congestionamento de redes locais ou linhas de transmissão
• replicação transparente vs. replicação não transparente
• exemplo: backup na rede IME:
• cópia é transparente (para usuário, não para admin)
• recuperação não é transparente
• 3 modelos de replicação (Tanenbaum, Fig 5.12, pag. 269)
• replicação explícita (a cargo do processo (biblioteca) cliente)
• replicação preguiçosa (lazy)
• replicação usando comunicação de grupo
• modelo de cópia primária
• diferentes parte do SA podem adotar nós diferentes para ser a cópia primária
• se o servidor primário sai do ar, pode-se fazer uma eleição; mas isso pode levar a inconsistências se a rede se particiona
• modelo de votos
• assumindo N cópias em máquinas
• para ler, é necessário obter o voto de N _r nós
• para escrever, é necessário obter o voto de Nw nós
• restrição: N_r + N_w > N
• o voto pode ser simplesmente uma indicação do número da versão mais recente do arquivo
• exemplos com N = 12:
• N_r = 3,  N_w = 10
• N_r = 7,  N_w = 6
• N_r = 1,  N_w = 12
• outra abordagem comum: replicar arquivos só para leitura (read-only files)

Padrões de utilização de sistemas de arquivos

• a grande maioria dos arquivos é pequena ( < 10K)
• leitura é muito mais freqüênte que escrita
• leituras e escritas são seqüências; acesso aleatório é raro
• a maioria dos arquivos tem uma vida muito pequena (poucos segundos)
• compartilhamento de arquivos simultâneo é raro
• o processo médio usa só alguns arquivos
• existem diferentes classes de arquivos com propriedades diferentes

Referências

Tanenbaum, seção 5.2; Galli, seção 8.2 (incompleto); Silberschatz 5a ed. cap 17; monografia sobre SAD na página de leituras recomendadas .