전술한 그림에서는 다음의 영향에 관한 최초의 조사 가설에 주목하고 있습니다.
전체적인 비용과 성공한 쿼리 개수 모두에서 sacs-radius를 변경합니다. 그림 41 에 나타내는 다음 plot의 목적은, 다른 가설을 검증하는 것입니다. 이
가설은 쿼리의 TTL 값을 바탕으로 하고 있습니다. 여기서 주목해야 할 큰 의문은
실제로 성공한 것은 쿼리 TTL 값이었다고 칩니다.
- 128 -
SACS. 또 이 영향이 다음 요소와 어떻게 연결되는지에 대해서도 검토할 필요가 있는데,
주머니반지름 변화, 산란 플롯을 사용하여 이 영향을 관찰할 수 있습니다 흩어져서
플롯, 시뮬레이션 실행의 다른 값에 주의해야 하는데 여기에서는 y축은 용어로 라벨이 붙어 있습니다.
x 축이 TTL 값의 상세를 나타내고 있는데 반해 비용 또는 홉 카운트의
쿼리를 실행합니다. 한편 데이터는 sacs 반경에 따라 분류됩니다. 여기서 다음 일이 가능합니다.
에서는 SACS를 사용하지 않는 쿼리의 비용이 항상 크다는 것을 명확히 알 수 있습니다. 차이
는 TTL 값이 작을수록 TTL 값은 크지 않기 때문입니다. 사실,
TTL 값이 클수록 모든 sacs-radius의 비용이 높아집니다.
값. max-ttl 값 10 이후로는 모든 실험의 차이가 매우 커집니다.
홉 카운트 비용의 대폭적인 삭감이라는 점에서 명확합니다.
- 129 -
그림 41: maxtl과 sacs-radius의 변화에 따른 홉 카운트에 근거한 비용 변동을 나타내는 살포도
쿼리 성공에 관한 이 가설 검증을 위해 다음 그래프를 plot합니다.
그림 42 에서 다른 값에 따라 색으로 구분된 y 축의 평균 성공 쿼리를 사용합니다.
sacs-radius 값. x축은 max-ttl 값을 나타냅니다. 여기서 주목해야 할 것은
max-ttl = 5, sacs-15 의 쿼리 값은 성공할 가능성이 있는 최선의 값을 참조해 주세요. 그렇지만
SACS를 사용하지 않는 k-random-walk의 성공한 쿼리의 수는 항상 남습니다.
어느 SACS RADIUS 시뮬레이션 실험보다 훨씬 낮은 값을 참조해 주세요. 게다가,
sacs-radius = 5 는, SACS 를 실행하지 않는 실장 모델과 비교하면 가장 효과적인 것에 주의해 주세요. 단, 모든 sacs 값의 차이는 다음과 같습니다.
처음에는 max-ttl 5에 대해 매우 작다. 단, 이후 sacs-radius가 증가한 경우에는
성공한 쿼리 개수는 이에 따라 증가합니다. 다만, 이 효과는 다음과 같습니다.
- 130 -
비 SACS와 sacs-radius의 차이만큼 두드러지지 않습니다. = 5 successful
쿼리를 실행합니다.
그림 42: max-ttl 값의 변화와 색상의 변화로 인한 평균 성공 쿼리
다른 sacs-radius 값
지금까지도 몇몇 다른 가설이 테스트되어 SACS가 k-random-walk 알고리즘보다 뛰어난 대체 방법임이 판명되었습니다.
를 비구조화 P2P 네트워크의 도메인으로부터 취득합니다. 다만, 여기에서는 다음 점에 주의해 주십시오.
지금까지의 시나리오는 스태틱 노드의 것입니다. 이론적으로는 이것은 좋지만, 이것은 다음과 같다.
현실적인 물리 환경을 반영한 것은 아닙니다. 현실적인 물리 환경에서는, 디바이스는 고정되어 있지 않습니다. 오히려 앞에서도 말한 바와 같이 브라운의 랜덤한 움직임을 취하는 경향이 있습니다.
[175] 해에 Groenvelt 등에 의해. Gonzalez et al. [176] 인간의 이동성에 있어서의 유사한 패턴에 주목하는
- 131 -
모델을 사용합니다.따라서 다음 일련의 실험에서는
컴퓨터 디바이스 에이전트. 여기에서는 SACS 알고리즘을 사용한 결과를 평가합니다.
브라운 랜덤운동으로 모델화된 운동의 경우는
그림 43: 95 %의 신뢰 구간 plot은 sacs-radius 증가가 두 서버 수에 미치는 영향을 나타냅니다.
노드 모빌리티의 경우 성공한 쿼리
모빌리티를 사용한 첫 번째 plot은 성공한 쿼리의 수를 측정함으로써 sacs 반경을 변경했을 경우의 영향을 평가하기 위한 것입니다. 그림 43 이제
서로 다른 sacs-radius 값을 사용하더라도 결과는 krandom walk 참조 알고리즘보다 훨씬 뛰어나다는 것에 유의하십시오. 그러나 우리는 다음과 같은 흥미로운 관찰에도 주목한다.
성공한 쿼리 값은 sacs-radius의 5에서 sacs-radius의 10으로 증가하지만 sacs-radius의 15에서는 감소합니다. 게다가 20의 sacs-radius는 실제로는
성공한 쿼리 수. 즉 모바일성에 문제가 있으면 다음 조건을 충족해야 하기 때문입니다.
- 132 -
가 시간이 지남에 따라 중간노드의 동작을 검출하면 쿼리의 일부가 사라지는 경향이 있습니다.
매우 큰 낭반경이 있다.
그림 44: 컴퓨팅 디바이스의 모바일 시나리오에서 sacs 반경값 변화에 따른 홉 카운트에 관한 비용의 95 % 신뢰 간격 플롯
쿼리가 성공했을 경우의 영향에 대해서는 설명했는데, 다음으로
sacs-radius가 홉 카운트에 근거한 검색의 합계 비용에 미치는 영향. 여기서 다음 일이 가능합니다.
여기서도, SACS 알고리즘 없이 sacs-radius= 5 에 코스트가 큰폭으로 상승하고 있는 것에 주의해 주세요.
흥미롭게도 이전 plot과 달리 sacs-radius를 10으로 변경하면 비용 값은 조금 작아지고 실제로는 sacs-radius의 10에서 sacs-radius의 15까지 증가합니다.