A4: Selbst-Adaption

Modellbasierte automatisierte Konstruktion von Transitionslogiken

Das Teilprojekt A4 befasst sich mit der Untersuchung von Transitionsmechanismen für reaktive Selbst-Heilungsmaßnahmen und proaktive Selbst-Optimierungsmaßnahmen sich selbst adaptierender Kommunikationssysteme und deren Anwendungen. Dazu wird eine Methodik für den modellbasierten Entwurf des Rekonfigurationsverhaltens sowie eine Laufzeitumgebung (Middleware) für die Koordination der Auslösung und Durchführung von anwendungs- und -schichtenübergreifend koexistierenden Transitionsmechanismen entwickelt. Durch eine Knowledge-Komponente des bekannten MAPE-K-Modells werden die Laufzeitmodelle bereitgestellt.

Das Teilprojekt A4 befasst sich mit der Untersuchung von Transitionsmechanismen sich selbst adaptierender Kommunikationssysteme auf Architekturebene. Dabei werden vornehmlich folgende Aspekte betrachtet: (1) Die Überwachung von Integritätsbedingungen erlaubt es, Selbst-Heilungsmaßnahmen bei Bedarf einzuleiten. (2) Für die Durchführung von Selbst-Optimierungsmaßnahmen werden multi-kriterielle Gütemaße betrachtet. Adaptionsschritte erfolgen zunächst reaktiv sobald Integritätsbedingungen verletzt sind oder Gütemaße Schwellwerte überschreiten. Darauf aufbauend werden neuartige, auf Prädiktion basierende Konzepte zur proaktiven SelbstAdaption definiert. Besondere Herausforderungen ergeben sich dadurch, dass (1) Kommunikationssysteme mit den oben skizzierten Eigenschaften i. A. eine verteilte Architektur besitzen und (2) von einer beliebigen Anzahl von Applikationen gleichzeitig genutzt werden, die um gemeinsame Kommunikationsressourcen konkurrieren. Transitionen koexistenter (Multi-)Mechanismen können dabei sowohl auf der Ebene des Kommunikationssystems als auch auf der Ebene der jeweiligen Anwendungsarchitektur ausgelöst werden. Verteilte Transitionen müssen deshalb schichten-, teilsystem- und applikationsübergreifend geplant und koordiniert werden.

Das Teilprojekt A4 entwickelt eine Methodik für den modellbasierten Entwurf des Rekonfigurationsverhaltens eines Kommunikationssystems auf Systemarchitekturebene sowie für die Koordination der Auslösung und Durchführung von anwendungs- und -schichtenübergreifend, koexistenten Transitionsmechanismen innerhalb einer Laufzeitumgebung. Zur Laufzeit verfügbare Modelle (Models@Runtime) beschreiben dabei sowohl den Raum aller betrachteten System- und Umgebungskonfigurationen mit den zugehörigen Integritätsbedingungen und Optimierungszielen als auch die zu bestimmten Zeitpunkten möglichen Transitionen in den definierten Konfigurationsräumen. Sie bilden damit die Wissensgrundlage für die entkoppelte Analyse, Planung, Auslösung und Durchführung von Transitionen. Die für proaktive Selbst-Adaption notwendigen Prädiktionsinformationen aus dem System selbst sowie aus seiner Umgebung (Kontext) werden in Form von stochastischen Modellen, z. B. probabilistischen Automaten, repräsentiert. Kontextmodelle charakterisieren dabei relevante (künftige) Änderungen des Verhaltens von Anwendungen und Nachbarsystemen des sich selbst adaptierenden Kommunikationssystems. Diese Methodik wird durch eine Laufzeitumgebung unterstützt, deren Kern die oben erwähnten Systemund Kontextmodelle bilden. Über die Knowledge-Komponente des bekannten MAPE-K-Modells werden die Laufzeitmodelle bereitgestellt. Dies ermöglicht insbesondere auch die Integration von Verfahren zur Prädiktion von Kontextänderungen, um proaktive Transitionen zu unterstützen.

Grundlage für diese Ziele von A4 bilden einerseits die Vorarbeiten am Lehrstuhl Becker der Universität Mannheim in den Bereichen Middleware für Pervasive Computing und adaptiver Systeme. Unterschiedliche Anwendungsmodelle für die Unterstützung von Adaptionsprozessen wurden bereits in verschiedenen Forschungsprojekten betrachtet. In aktuellen Arbeiten werden Architekturen für selbst-organisierende Systeme untersucht – mit Fokus auf der Partitionierung ihrer Adaptionslogik. Hiervon ausgehend werden in A4 die Wechselwirkungen von Transitionen auf der Kommunikationsund Anwendungsarchitektur studiert. Vorarbeiten am Fachgebiet Echtzeitsysteme der TU Darmstadt im Bereich Dynamischer Software-Produktlinien (DSPL) bieten andererseits eine ganzheitliche Methodik zur Modellierung des Rekonfigurationsverhaltens dynamischer Software-Komponenten, wie sie z. B. in adaptiven Kommunikationssystemen auftreten.Sie bieten zudem Techniken zur systematischen Validierung, Qualitätssicherung und Evolution adaptiver Systemen.

Das Teilprojekt A4 setzt Aktivitäten zur Spezifikation des Konfigurationsraums adaptiver Monitoring-Mechanismen aus dem B-Bereich auf Architekturebene fort und führt diese mit den in Teilprojekt A2 in Phase I präsentierten Architekturkonzepten zusammen. Im Kern der Untersuchung steht dabei die Knowledge-Komponente des MAPE-K-Modells und ihre Verwendung für die modellbasierte Koordination von Multi-Mechanismen-Transitionen. Die skizzierte Kombination aus DSPL- und Middleware-Konzepten bildet eine Methodik für den modellbasierten Entwurf der Adaptionslogik selbst-adaptiver Kommunikationssysteme und ermöglicht zudem Analysen sowohl zur Entwurfs- als auch Laufzeit. Die Variabilität von DSPL-Komponenten wird dabei mit Hilfe von Konfigurationsmodellen, z. B. als Feature-Modelle, formal spezifiziert; dies erlaubt die automatische Validierung und Analyse möglicher Systemkonfigurationen mit Constraint-Solvern. Zur Handhabung von komponenten- und schichtenübergreifender Variabilität verteilter Kommunikationsarchitekturen sind Erweiterungen bestehender DSPL-Ansätze um Konzepte aus den Bereichen dynamischer Multi-Produktlinien und Distributed Constraint Reasoning notwendig. Entsprechende Erweiterungen an Rekonfigurationsmodellen für die prädiktive, multi-kriterielle Selbst-Adaption umfassen die Integration stochastischer Kontextinformationen und zu optimierender Gütemaße.

Teilprojekt A4 verfolgt damit in Phase II das Ziel, schichtenübergreifend koexistente Adaptionsmechanismen verteilter Kommunikationssystem-Anwendungen auf Architekturebene zu untersuchen. Der Fokus liegt dabei auf reaktiver und proaktiver Selbst-Heilung und Selbst-Optimierung. Models@Runtime in verschiedenen Ausprägungen übernehmen die Rolle der Knowledge-Komponente im MAPE-K-Zyklus.

Teilprojektleitende A4:

  Name Kontakt
Prof. Dr. Christian Becker
Prof. Dr. Andy Schürr
+49 6151 16-22351