Un sistema per la valutazione di aggregazioni su dati storici multidimensionali basato su reti P2P non strutturate

Nel framework, i peer partecipanti pubblicano i loro dati in modo da renderli accessibili ad altri peer. Quando una popolazione viene pubblicata, i dati che la compongono vengono compressi e distribuiti lungo la rete secondo una strategia a due passi. Il primo passo consiste nella costruzione della struttura compressa dei dati, formata da più blocchi e da un indice bilanciato, mentre il secondo passo consiste nella distribuzione e replicazione dell'indice e dei blocchi di dati sulla rete.
La fase antecedente alla compressione è il partizionamento. La necessità di partizionare i dati, oltre che comprimerli, deriva dal fatto che i dati che dovranno essere pubblicati in rete dovranno esser di dimensioni molto minore. Per far ciò non basta la sola compressione dei dati, che da sola può ridurre la dimensione ma non in modo significativo. È necessario quindi che questi dati vengano divisi secondo dei criteri in modo da formare blocchi che una volta compressi siano adatti a viaggiare sulla rete peer-to-peer.
Definito quindi uno spazio totale di memorizzazione per una singola popolazione di dati, B, lo scopo del partizionamento del domino dei dati è quello di creare dei blocchi di dati a partire da tutto il dominio ed assegnare ad ogni singolo blocco un valore di spazio di memorizzazione che sommato a quello degli altri blocchi sia minore o uguale allo spazio di memorizzazione B.
Partendo dai dati compressi avverrà la costruzione dell’indice. La necessita di avere dei dati indicizzati nasce dal fatto che altrimenti può diventare molto costoso (in termini di traffico di rete) ricercare un singolo blocco di dati compresso sulla rete Peer-to-Peer. Se i dati non fossero indicizzati un peer che vuole cercare un istogramma (come viene chiamato il blocco dei dati una volta compresso) dovrebbe mandare una richiesta a tutti i suoi vicini sulla rete (o ad uno solo di questi secondo la politica che si vuole adottare) e questo dovrebbe continuare ad inoltrare la richiesta a i propri vicini, e cosi via. Chiaramente questo meccanismo e abbastanza inefficiente oltre a poter risultare molto gravoso per il traffico di messaggi sulla rete stessa. Una struttura che indicizzi quindi questi dati è necessaria per poter ritrovare i vari istogrammi una volta che questi saranno distribuiti sulla rete e poter localizzare i dati coinvolti in una query su tali dati.
Gli oggetti da indicizzare nel sistema sono gli istogrammi ed ad ognuno di questi e necessario assegnare un identificativo unico che lo individui.
I risultati ottenuti dalle simulazioni effettuate con la parte di sistema progettato sono state molto buone. Infatti, dalle simulazioni si è notato che il sistema sfrutta al meglio le qualità del P2P, permettendo una gestione efficiente dei dati distribuiti con un contenuto traffico di rete. La dimensione della rete, inoltre, può variare facilmente con l'aggiunta di un nuovo peer Rendezvous (peer che permette ai nuovi nodi di collegarsi alla rete) che conosce gli altri Rendezvous già presenti nella rete. Il sistema si è mostrato scalabile, adattandosi opportunamente a sistemi di differenti dimensioni. Infine, si è notato che all'aumentare dell’intensità del carico di lavoro (query/sec), il sistema, attraverso un numero adeguato di replicazioni, garantisce l’efficienza delle risposte alle query.