SISTEMAS DE ARCHIVOS DISTRIBUIDOS

1
SISTEMAS DE ARCHIVOS DISTRIBUIDOS

• Tema VII
• Sistemas de operación II
• Sep-Dic 2006
• Yudith Cardinale

2
INDICE

• Introducción
• Requisitos
• Aspectos de Diseño
• Servicios de archivos
• Servicios de directorios
• Módulo cliente
• Semántica de arcchivos compartidos
• Aspectos de Implementación
• Uso de Archivos
• Estructura del Sistema
• Caching
• Réplicas

3
Introducción

• Un sistema de archivos distribuidos permite a
  los procesos el acceso transparente y eficiente
  de archivos que permanecen en servidores remotos.
• Son útiles en Intranets, redes locales y
  sistemas distribuidos
• Son responsables de la organización,
  almacenamiento, recuperación, nominaación,
  compartimiento y protección de los archivos.
• Proporcionan una interfaz de programación que
  abstrae a los programadores de los detalles de
  localización y asignación del almacenamiento

4
Introducción

• Servicios de Archivos
• Especificación de los servicios que el servidor
  de archivos (SA) ofrece a sus clientes
• Especificación de la interfaz del SA con los
  clientes
• Describe las primitivas disponibles con sus
  parámetros y acciones
• Servidor de archivos
• Proceso que se ejecuta en alguna máquina y ayuda
  a implantar el servicio de archivos.
• Corre en el espacio de usuario, por lo que el
  sistema puede contener varios SA con servicios de
  archivos diferentes.
• Puede haber 1 o más SA, pero debe ser
  transparente a los clientes.

5
Requisitos

• Transparencia
• De acceso no hay preocupación de la distribución
  de los archivos
• De localización
• De movilidad
• De prestaciones continúa funcionando mientras la
  carga del servicio varíe en un rango
• De escalabilidad
• Actualizaciones concurrentes soporta varios
  clientes modificando los mismos datos de manera
  concurrente

6
Requisitos

• Replicación de archivos puede ser implementada
  por redundancia o caching
• Heterogeneidad del hardware y sistema de
  operación
• Tolerancia a fallas
• Consistencia define la semántica de
  actualuzación de una copia
• Seguridad mecanismos de control de acceso y
  autenticación
• Eficiencia el desempeño debe ser similar a
  sistemas de archivos locales.

• i

7
Aspectos de Diseño

• Un servidor de archivos generalmente tiene tres
  componentes importantes servicio de archivos,
  servicio de directorios y módulo cliente
• a. Servicio de archivos Ofrece operaciones sobre
  archivos individuales leer, escribir, agregar.
• Aspectos importantes
• Administración de los atributos (información que
  no es parte de el archivo en si mismo)
• Responsable de la protección contra accesos no
  permitidos, a través de capacidades o listas de
  control de acceso.

8
Aspectos de Diseño

• Aspectos importantes (cont.)
• Responsable del modelo de acceso por
  carga/descarga o por acceso remoto.

Carga/descarga Acceso
remoto cliente servidor
cliente servidor
9
Aspectos de Diseño

• b. Servicio de directorios Ofrece operaciones
  sobre directorios crear y borrar directorios,
  copiar y mover archivos entre directorios.
• Aspectos importantes
• Responsable de resolver el nombre de los
  archivos.
• Debe proveer transparencia de los nombres con
  respecto a la localización.
• Ofrecer nombres de dos niveles nombres
  simbólicos y nombres binarios
• Administra la organización de los archivos
  sistema jerárquico de archivos.
• Maneja los enlaces lógicos y físicos

10
Aspectos de Diseño

• c. Módulo cliente se ejecuta en cada máquina
  cliente
• Aspectos importantes
• Integra y extiende las operaciones de los
  servicos de archivos y de directorios a través de
  una interfaz sencilla
• Se ejecuta a nivel de usuario
• Mantiene información sobre las ubicaciones de los
  servidores de archivos y de directorios.
• Maneja el caching y buffering en el cliente

11
Aspectos de Diseño

• d. Semántica de archivos compartidos Se refiere
  a cómo secuencializar los reads y writes
  sobre archivos compartidos de manera tal que no
  se lean valores obsoletos o se pierdan
  actualizaciones.
• Semántica unix
• Impone en todas las operaciones un orden
  absoluto en función del tiempo y ante el read
  retorna el valor más reciente del dato.
• Cada operación en un archivo es visible a todos
  los procesos en forma instantánea.
• El desempeño de este método es pobre.

12
Aspectos de Diseño

• Semántica unix (cont.)
• Se logra fácilmente si sólo existe un servidor
  de archivos y los clientes no hacen caching de
  sus archivos. En este caso todas las operaciones
  read y write pasan directamente por el
  servidor de archivos y las procesa en forma
  secuencial.
• Para mejorar el desempeño se puede permitir a
  los clientes tener copias locales de los archivos
  de uso frecuente en sus caches. Pero hay
  problemas de lecturas obsoletas.
• Para evitar el problema de lecturas obsoletas se
  puede
• Propagar inmediatamente las modificaciones al
  servidor
• Relajar la semántica de compartimiento.

13
Aspectos de Diseño

• d. Semántica de archivos compartidos (cont.)
• Semántica de sesión
• Ningún cambio es visible a otros procesos hasta
  que el archivo se cierre.
• No todos los reads retornan el valor más
  reciente del dato.
• Si dos procesos tienen copias locales del mismo
  archivo y lo modifican al mismo tiempo, el
  resultado final depende de quién lo cierre más
  rápido.

14
Aspectos de Diseño

• d. Semántica de archivos compartidos (cont.)
• Archivos inmutables
• No existen actualizaciones, es más fácil
  compartir y replicar. Las únicas operaciones
  permitidas son create y read.
• Se pueden actualizar los directorios y
  reemplazar los archivos en forma atómica.
• Qué sucede si dos procesos intentan reemplazar
  el mismo archivo a la vez?
• Qué sucede si un proceso reemplaza un archivo
  mientras otro lo está leyendo?
• Transacciones atómicas

15
Aspectos de Implementación

• a. Uso de archivos
• Satyanarayanan (1981) realizó algunas mediciones
  para estudiar los patrones de uso de los
  archivos
• Mediciones estáticas foto instantánea del
  sistema en ciertos momentos pueden revelar
• Distribución de tamaños de archivos
• Distribución de tipos de archivos
• Cantidad de espacio que ocupan los archivos

16
Aspectos de Implementación

• a. Uso de archivos (cont.)
• Mediciones dinámicas El mismo servidor de
  archivos registra en una bitácora (log) todas
  las operaciones que realiza, para ser analizadas
  posteriormente. Esto revela
• Frecuencia de las operaciones
• Número de archivos abiertos
• Cantidad de archivos compartidos.
• Las mediciones fueron llevadas a cabo en una
  universidad. Es la misma situación en un
  laboratorio de investigación, oficinas, sistemas
  bancarios?
• Las mediciones fueron realizadas en sistemas
  Unix tradicionales. Se pueden extrapolar a
  sistemas distribuidos?

17
Aspectos de Implementación

• a. Uso de archivos (cont.)
• Conclusiones más importantes
• La mayoría de los archivos está por debajo de
  10K. Esto hace suponer que es mejor transferir
  entre cliente-servidor archivos completos en
  lugar de bloques de disco.
• La mayoría de los archivos tienen vida corta.
  Esto supone que es mejor crear el archivo en el
  cliente y mantenerlo ahí hasta su eliminación,
  disminuyendo tráfico entre cliente-servidor.
• Es poco usual compartir archivos. Es mejor usar
  semántica de sesión y hacer caching de los
  archivos en el cliente.

18
Aspectos de Implementación

• a. Uso de archivos (cont.)
• Conclusiones más importantes (cont.)
• Existen distintas clases de archivos con
  propiedades diferentes. Esto hace suponer que
  deben existir diferentes mecanismos para manejar
  diferentes clases de archivos
• La lectura es más común que la escritura.
  Favorece a la semántica de sesión.
• La lectura y escritura son secuenciales, no es
  común el acceso aleatorio.

19
Aspectos de Implementación

• b. Estructura del sistema Se refiere a la
  organización interna de archivos y directorios.
• Cómo estructurar el servicio de archivos y
  directorios?
• Combinados en un mismo servidor Las operaciones
  son directas.
• Separarlos
• Abrir un archivo implica ir al Servidor de
  directorios, localizar el archivo y luego ir al
  Servidor de Archivos para llevar a cabo la
  lectura o escritura.
• Requiere mayor comunicación. Pero es más
  flexible y el software es más sencillo.

20
Aspectos de Implementación
Servidor de directorio
Nombre simbólico
Cliente
Nombre binario
Servidor de archivos

• Acceso a archivos con servidores de directorios y
  archivos separados
• Búsqueda de archivos cuando los servicios de
  archivos y directorios están separados puede ser
  iterativa o automática

21
Aspectos de Implementación

• Búsqueda iterativa
• El cliente está consciente de cuál servidor
  contiene cuál directorio.
• Requiere más mensajes

22
Aspectos de Implementación

• Búsqueda automática o recursiva
• Más eficiente y transparente.
• No se puede administrar con RPC normal.

23
Aspectos de Implementación

• Considerar si los servidores de archivos y
  directorios deben contener la información de
  estado de los clientes.
• Servidores sin estado (stateless)
• Cuando un cliente envía una solicitud a un
  servidor, éste la lleva a cabo, envía la
  respuesta y elimina de sus tablas internas toda
  la información relativa a dicha solicitud.
• No guarda información del cliente entre
  solicitudes.
• Cada solicitud debe ser autocontenida.

24
Aspectos de Implementación

• Servidores con estado
• Los servidores guardan información del estado de
  los clientes entre solicitudes tabla que asocia
  los descriptores de archivos con los archivos
  propiamente dichos.

25
Aspectos de Implementación

• Ventajas de los
  Desventaja de los
• servidores sin estado
  servidores con estado
• Tolerantes a fallas
  La recuperación quedará a cargo del
• 
  cliente.
• No se desperdicia espacio Se
  pueden desbordar las tablas y no se
• en el servidor.
  podrán abrir más archivos
• No existe límite para el número
• de archivos abiertos.
• No hay problema si un cliente Si un
  cliente falla después de abrir un
• falla.
  archivo, el servidor está ante un
  
  
• 
  dilema
• 
  - Sus tablas se llenan de basura.
• 
  - Eliminar archivos inactivos

26
Aspectos de Implementación
Ventajas de los
Desventaja de los servidores con
estado servidores sin
estado Mensajes más cortos.
Mensajes autocontenidos más largos. Mejor
desempeño porque las Desempeño
pobre. tablas pueden estar en memoria principal o
en caché. Es posible realizar lecturas
No son posibles lecturas adelantadas adelantadas.
Es fácil
reconocer operaciones Es difícil
reconocer operaciones idempotentes.
idempotentes. Puede
manejar el bloqueo de Se requiere un
servidor de archivos. de locks
especial.
27
Aspectos de Implementación
c. Caching Dónde mantener los archivos o parte
de ellos. c.1. Guardarlo en el disco del
servidor Ventajas Hay espacio, se requiere sólo
una copia de cada archivo, archivos accesibles a
todos los clientes, no hay problemas de
consistencia. Problema Bajo desempeño en la
transferencia del archivo disco del
servidor memoria del servidor red
memoria del cliente
Memoria del servidor
disco del servidor
disco del cliente (opcional)
Memoria del cliente
1
2
3
4
red
28
Aspectos de Implementación
c. Caching (cont.) c.2. Caching en memoria
principal del servidor Ventajas Mantiene las
ventajas anteriores y mejora el
desempeño. Problemas Requiere determinar el
tamaño de la unidad que administra el caché todo
el archivo o por bloques. Se necesita un
algoritmo de reemplazo cuando el caché esté lleno
(LRU) c.3. Caching en el cliente En disco es
lento, en general más lento que el anterior. Es
bueno cuando son muchos datos.
29
Aspectos de Implementación
c. Caching (cont.) c.3. Caching en el cliente
(cont.) En memoria principal - En el espacio
de direcciones del cliente, administrado por
librerías con llamadas al sistema. Cuando el
proceso termina, los archivos modificados se
actualizan en el servidor. - En el kernel. La
ventaja es que el caché sobrevive al proceso. La
desventaja es que siempre hay que llamar al
kernel. - En un administrador de caché en espacio
de usuario. Libera al kernel del sistema, fácil
de programar, más flexible.
30
Aspectos de Implementación
c.3. Caching en el cliente (cont.) En
memoria principal
kernel
kernel
31
Aspectos de Implementación
Consistencia del caché 1. Escritura al cierre -
Semántica de sesión 2. Algoritmo de escritura a
través del caché (write-through cache) Para
mantener la consistencia en las otras caches, el
administrador de caches debe verificar en el
servidor antes de dar un archivo que está en
caché a un nuevo cliente. Puede hacerlo mediante
la comparación de fechas de última actualización,
número de versión o sumas de verificación.
32
Aspectos de Implementación
Consistencia del caché 2. Algoritmo de escritura
a través del caché (cont.) máquina A
máquina B P1 lee
f Servidor P3 actualiza
f
El archivo f será obsoleto para P2 Problema
tráfico de red con los writes
P1
P2
P3
2
4
f
f
1
3
f
f
33
Aspectos de Implementación
Consistencia del caché 3. Escrituras
retardadas. - Enviar las actualizaciones cada
cierto tiempo. - Mejor desempeño, pero la
semántica puede ser ambigua. 4. Control
centralizado El servidor de archivos da permisos
de accesos a los archivos dependiendo de si está
abierto por otros procesos para lectura y/o
escritura. Soporta la semántica unix, pero no es
robusto y es poco escalable.
34
Aspectos de Implementación
El caching en el servidor no tiene efectos en
la semántica del sistema de archivos. El
caching en el cliente ofrece mejor desempeño a
costa de mayor complejidad y posible semántica
más difusa.
35
Aspectos de Implementación

• d. Réplicas
• Razones para el servicio de réplicas
• Aumento de confiabilidad al disponer de respaldos
  independientes de cada archivo.
• Disponibilidad permitir accesos aunque falle uno
  de los servidores.
• Desempeño repartir carga de trabajo entre
  servidores.

36
Aspectos de Implementación

• Formas de creación de réplicas
• 1. Réplica explícita el cliente controla el
  proceso. Cuando crea un archivo lo
  hace en un servidor específico y adicionalmente
  puede crear copias en otros servidores.
• Se registran en el cliente las copias. Si quiere
  abrir de nuevo un archivo, busca la primera
  disponible.

S1
archivo 1.14 2.16 3.19 prog.c
1.21 2.43 3.41
C
S2
S3
37
Aspectos de Implementación
2. Réplica retrasada el cliente crea el archivo
en un servidor, luego en forma automática el
servidor crea las copias sin conocimiento del
cliente. El sistema es el encargado de la
recuperación. 3. Uso de comunicación en grupo
S1
C
S2
S1
S3
C
S2
S3
38
Aspectos de Implementación

• Protocolos de actualización
• 1. Réplicación con copia primaria
• Un servidor es primario, el resto son
  secundarios.
• La actualización llega al servidor primario,
  éste realiza los cambios en forma local y después
  envía órdenes a los servidores secundarios para
  que realicen las mismas modificaciones.
• Las lecturas se ejecutan desde cualquier
  servidor.
• Qué sucede si falla el primario antes de la
  actualización de los secundarios?
• Si falla el primario, quién hace las
  actualizaciones?

39
Aspectos de Implementación

• Protocolos de actualización
• 1. Réplicación con copia primaria
• Un servidor es primario, el resto son
  secundarios.
• La actualización llega al servidor primario,
  éste realiza los cambios en forma local y después
  envía órdenes a los servidores secundarios para
  que realicen las mismas modificaciones.
• Las lecturas se ejecutan desde cualquier
  servidor.
• Qué sucede si falla el primario antes de la
  actualización de los secundarios?
• Si falla el primario, quién hace las
  actualizaciones?

40
Aspectos de Implementación
2. Método del voto - Los clientes solicita y
requieren permiso de varios servidores antes de
leer o escribir en un archivo replicado. - Para
leer de un archivo de N réplicas, un cliente
necesita un quórum de lectura Nr servidores o
más. - Para modificar se requiere un quórum de
escritura Nw y se debe cumplir que Nr Nw gt
N. - El voto consiste del número de la versión
asociado al archivo.
41
Aspectos de Implementación
2. Método del voto Nr3, Nw 10
Nr7, Nw 9 Nr1, Nw 12
A B C D A B C D A
B C D E F G H E F G H
E F G H I J K L
I J K L I J K L
quorum de
quorum de
escritura
lectura Qué sucede si fallan muchos
servidores y quedan menos de Nw? No se puede
llegar a un acuerdo.
42
Aspectos de Implementación

• 3. Voto con fantasmas
• - Pretende aliviar el problema anterior.
• - La idea es crear un servidor fantasma sin
  espacio de almacenamiento para cada servidor real
  que falle.
• - En las lecturas no se permiten fantasmas.
• - Las escrituras sólo tienen éxito si al menos
  uno de los servidores es real.
• - Cuando se levante un servidor, obtiene un
  quórum de lectura para localizar la versión más
  reciente.