Étude et utilisation des technologies des P2P

Rien de complexe dans cette notion : si vous préférez une image plus concrète, remplacez le contexte informatique par le contexte d'un restaurant, c'est identique ;)

Les clients désignent les applications qui cherchent à exploiter des services proposés par un serveur. Les clients ne disposent pas d'informations, mais sont capables d'aller en chercher. Par exemple, on peut citer les navigateurs web (Firefox, Internet Explorer, Mozilla, Safari…), mais aussi les logiciels de courrier électronique (mutt, outlook, thunderbird…), les clients FTP…
Si vous avez un ordinateur branché sur un réseau (Internet ou réseau local), alors vous vous êtes déjà servi d'un client.

De l'autre côté sont les serveurs. Souvent situés sur des machines puissantes afin de pouvoir servir plusieurs clients en même temps ; ils ont l'information à disposition.

Un des gros avantages de ce mode client/serveur est sa relative simplicité de fonctionnement. En effet, une fois que vous avez l'information que vous souhaitez partager, vous ouvrez un serveur (un peu comme on ouvre un restaurant), et vous n'avez plus qu'à attendre les clients. Bien sûr, ici, pas question d'attendre que quelqu'un rentre à l'improviste, il faut faire connaître votre serveur.

Ce mode permet surtout une grande simplicité des mises à jour : chaque possesseur d'information la met sur un serveur (on parle alors d'upload d'une information, contrairement au download qui consiste à rapatrier les informations du serveur vers le client), et elle est disponible immédiatement pour tout le monde.

Le problème de ce mode de fonctionnement est son coût. En effet, si un ordinateur un peu puissant suffit largement à traiter quelques requêtes simultanées, dès que le nombre de requêtes devient grand, les serveurs (ordinateurs utilisés uniquement pour fournir un type de service) doivent se multiplier, et la connexion réseau doit également être augmentée, faute de quoi les performances (temps de réponse du serveur) seront dégradées. Le pire des cas est un crash du serveur : celui-ci n'est plus en mesure de répondre.

Une autre manière de partager de l'information est de ne pas se servir de serveurs, mais de relier tous les possesseurs d'informations. Cela a pour avantage de supprimer les serveurs, qui sont des machines coûteuses, car très puissantes. En revanche, cela complique énormément la notion de recherche d'informations.

Ce mode de partage de l'information est le P2P. On peut considérer que chaque utilisateur d'un P2P est à la fois un peu client et serveur (nous verrons par la suite que ce n'est pas toujours exact, en fonction de l'architecture utilisée). Une fois que le demandeur sait où est l'information qu'il désire, les deux ordinateurs sont alors en mesure de s'échanger directement des informations, sans plus devoir passer par une machine tierce, c'est-à-dire sans utiliser des ressources autres que les leurs.

Considérons une entreprise. Pour des raisons de sécurité évidentes, elle souhaite être en mesure de sauver les informations, afin d'en disposer même si un ordinateur (quel qu'il soit) tombe en panne. Il est donc logique qu'elle s'oriente vers un modèle client/serveur : chaque employé, une fois le soir venu, transférera ses données sur un serveur, et une copie des données du serveur sera effectuée (ces opérations sont automatiques et ne demandent plus d'intervention, rendant la tâche encore plus facile).

Par contre, il est certain que cela a un coût non négligeable pour l'entreprise : elle doit disposer de suffisamment de serveurs en fonction du nombre d'employés, doit effectuer une sauvegarde quotidienne des données…

De même, cette entreprise ne souhaite pas que toutes les données soient accessibles à tout le monde. Or il est plus facile de surveiller quelques serveurs plutôt que quelques milliers de machines… En outre, les logiciels P2P n'offrent que peu de protections et de confidentialité sur les fichiers échangés, comme nous le verrons par la suite.

En revanche, le P2P a pour lui sa simplicité de mise en place et d'utilisation, ce que recherche un particulier. D'où un certain engouement pour ce type de technologie.

Pour ceux qui n'auraient jamais utilisé un logiciel de P2P, voici ce que ça demande : télécharger un logiciel depuis le site qui a (généralement) le même nom que le logiciel. L'installer en cliquant toujours sur suivant« . Double-cliquer dessus pour le lancer, et cliquer sur »se connecter". Ensuite, vous avez à votre disposition un mode de recherche, qui vous permettra de trouver ce que vous voulez. Il ne vous reste plus ensuite qu'à double-cliquer sur le fichier proposé en retour de votre recherche, et attendre qu'il l'ait téléchargé.

Certes, cela se passe bien ainsi. Mais alors pourquoi existe-t-il tant de logiciels différents ? Et quelles sont leurs différences ? C'est justement à ce type de question que le chapitre suivant répond. Ensuite, nous verrons le P2P sémantique, avant de parler d'autres axes de recherches menées sur le P2P.

Napster2 est le réseau centralisé par excellence.

1. Enregistrement du nœud i. Ajout des fichiers de i dans l'index.
   Demande du fichier « a.txt ».
2. Réponse contenant les nœuds disposant de « a.txt ».
3. Demande directe de i à j pour télécharger « a.txt ».
4. Téléchargement de « a.txt », et ajout dans la base de ressources partagées.

Ce réseau, dont le but est de permettre le partage de gros fichiers multisources dispose de deux réseaux de pairs : les clients et les serveurs. Un serveur connaît la localisation des documents contenus chez les clients qui sont connectés à lui, alors que le client va stocker des morceaux de fichiers.

Les fichiers

les fichiers sont identifiés de manière unique grâce à l'algorithme MD4 (2) sur les serveurs de localisation.
Afin de permettre un meilleur partage des fichiers, ceux-ci sont divisés en segments de 9 Mo chacun. Dès qu'un segment est complet, celui-ci est partagé par le client.
Ce système permet d'obtenir un plus grand nombre de personnes disposant du fichier, le rendant ainsi plus facile à obtenir, puisqu'une autre fonctionnalité d'eDonkey est le téléchargement depuis plusieurs sources.
Un dernier point intéressant est la propagation des sources entre les clients.
Supposons que l'on ait 3 clients : 1, 2 et 3. 1 et 2 sont sur le même serveur, et 3 sur un autre. Enfin, 3 dispose d'un gros fichier (mettons 90 Mo) que voudront 2, puis 1.

• 2 effectue une requête.
• Le serveur répond que 3 dispose de la ressource.
• 2 demande le fichier à 3, le téléchargement commence.
• Dès que 2 dispose d'un segment complet du fichier (9 Mo consécutifs), il prévient son serveur qu'il dispose de la ressource « fichier ».
• 1 demande à son tour le fichier.
• Le serveur lui répond que 2 en dispose.
• 1 demande le fichier à 2.
• 2 envoie le fichier et prévient 1 que 3 dispose également de la ressource.
• 1 va donc également demander à 3 des segments du fichier, afin de télécharger plus vite. À ce moment-là, on a donc 1 qui télécharge chez 2 et 3, et 2 qui télécharge chez 3. Mais rien ne dit que 3 va envoyer les mêmes données à 2 et à 1. Il se peut donc que 1 dispose de segments souhaités par 2.
• Donc 2 va également demander à 1 le fichier.

Point de vue du serveur

Comme en mode client/serveur, les serveurs disposent ici de logiciels spécifiques permettant aux clients de se connecter explicitement.
Afin de faciliter le choix du client, le logiciel permet de voir plusieurs informations à propos du serveur, comme le nom ou le ping, mais aussi des informations plus spécifiques comme le nombre de clients maximum, le nombre de clients connectés, ou encore le nombre de fichiers partagés.
Les serveurs ne sont pas directement reliés entre eux, comme c'est le cas d'autres types de réseaux (Kazaa par exemple). En revanche, les serveurs s'échangent, entre autres, la liste des serveurs connus.
En revanche, côté client, le fait d'être connecté à un unique serveur n'est pas aussi limitant qu'on pourrait le croire. En effet, chaque client demande des IP sources (c'est-à-dire les adresses IP des personnes ayant la ressource recherchée) à l'ensemble des serveurs qu'il répertorie. Cette possibilité d'interroger tous les serveurs peut aussi être utilisée lors d'une recherche. Dernière précision : un client ne publie la liste des fichiers qu'au serveur auquel il est connecté. (3)

Le client

À l'instar de la plupart des autres p2p cités ici, il n'existe pas un unique logiciel pour se connecter au réseau eDonkey. On peut par exemple citer eDonkey(http://www.edonkey2000.com) ou eMule (http://www.emule-projet.net), qui est un peu son pendant français (avec d'autres fonctionnalités également), mais aussi des projets moins attendus comme MLDonkey (http://www.nongnu.org/mldonkey/), développé par l'INRIA (4) pour développer les langages fonctionnels (5) .

Ces réseaux reposent sur les principes sous-jacents suivants :

1. Principe d'égalité entre les nœuds :
   o Même capacité (puissance, bande passante…),
   o Même comportement (à la fois client et serveur),
   o Bon comportement (pas de « mensonge ») ;
2. Principe de requêtes « populaires » :
   o Les ressources demandées sont beaucoup répliquées,
   o La plupart des requêtes ne concernent que peu de ressources ;
3. Principe de topologie du réseau :
   o Graphe minimisant le nombre de chemins entre deux nœuds o La longueur du chemin minimum entre deux nœuds est faible (5 à 8) (8) .

1. Principe d'égalité entre les nœuds

   1. L'article de S. Saroiu et al. [ (9) ] publié en 2002 montre que l'écart dans la bande passante disponible peut varier de 1 à 5 ! Il est d'ailleurs probable qu'avec les connexions Internet disponibles actuellement, cet écart aura plus tendance à se creuser qu'à diminuer.

      1. Risque de perturbation du réseau et de partitionnement (trop forte charge demandée à des nœuds connectés par modem RNIS par exemple).
   2. Ce même article tend à montrer des comportements de client ou de serveur, mais en tout cas pas ou peu de comportement à la fois client et serveur.

   3. De même, Adar et Hubermann [ (10) ] montrent que 70 % des utilisateurs ne partagent aucun fichier (ou des fichiers inintéressants), et que 50 % des résultats sont produits par 1 % des nœuds.

      1. Aucun intérêt pour ceux qui partagent (pas de réciprocité).
      2. le réseau devient sensible aux fautes et aux attaques.
   4. Certains nœuds font exprès de sous-évaluer leur bande passante, afin de ne pas être choisis.

2. Principe des requêtes populaires

   1. Les 100 requêtes les plus fréquentes sont distribuées uniformément.
   2. Les autres suivent une distribution de type Zipf (11)
   3. Les techniques de cache des résultats s'appliquent bien, et sont en mesure d'apporter une amélioration notable.

3. Principe de topologie du réseau

   1. Plusieurs études montrent que le graphe sous-jacent de Gnutella est de type Small World, et que le degré des nœuds suit une distribution Power Law.
   2. Le principe de diffusion de Gnutella ne s'adapte pas à SW (beaucoup de messages redondants).

Avantages

• La taille d'un tel réseau est théoriquement infinie, contrairement aux autres architectures dont le nombre de clients dépend du nombre et de la puissance des serveurs.
• L'utilisation d'un tel réseau est anonyme, c'est-à-dire qu'il est impossible d'y repérer quelqu'un volontairement.
• Réseau très tolérant aux fautes
• S'adapte bien à la dynamique du réseau (allées et venus des pairs)

Inconvénients

• Gros consommateur de Bande passante
• Pas de garantie de succès ni d'estimation de la durée des requêtes
• Pas de sécurité ni de réputation (pas de notion de qualité des pairs ni des données fournies).
• Problème du free-riding (personnes ne partageant pas de fichiers)

Ajout d'un nœud

Nous supposons ici que le pair A souhaite se connecter au réseau Gnutella. Afin de rendre les schémas plus lisibles, nous limitons le nombre de pairs à 5 (et donc aussi le nombre de propagations). Pour se faire, il va tout d'abord émettre un message ping (en traits pleins rouges sur la figure ). Ici, celui-ci est d'abord reçu par B, qui va alors faire deux choses :

1. Répondre à A un message pong (en tirets noirs pour B, en « tirets point » orange pour D, « tirets point point » pour C et pointillés pour E).
2. transférer le message de A vers les deux clients qu'il connaît, C et D.

Ceux-ci répètent alors la même chose (sauf si le nombre de propagations a déjà été atteint).

A va donc connaître les nœuds B, C, D et E. On peut d'ailleurs remarquer que E connaît l'existence de A grâce à C et à D, mais qu'il ne répond qu'une fois (via le chemin le plus court, ou le premier qui l'a contacté).

Recherche

Dans cet exemple, A cherche à obtenir le fichier a.txt, disponible chez C et E (ce que A ne sait pas bien évidemment).

À va donc envoyer un message Query (traits pleins rouges) au(x) premier(s) nœud(s) qu'il connaît (ici B), qui se charge

1. De répondre s'il dispose de la ressource (ce qui n'est pas le cas) ;
2. De propager la question.

Les autres nœuds font pareil, ce qui conduit C à répondre et à propager la requête. A peut alors envoyer à C le message get a.txt, et le transfert peut alors commencer.

Observation de la Bande passante

• Sur une période d'un mois :

  • o La taille d'une requête typique est de 560 bits (y compris headers TCP/IP)
  • o Les requêtes occupent 25 % du trafic, les ping 50 %
  • o En moyenne, un pair est connecté activement à trois autres (sur le schéma 5, B est un pair typique).
• Du point de vue de la bande passante, Gnutella ne passe pas à l'échelle.

Freenet est un logiciel de P2P décentralisé, dont le but est la diffusion de fichiers de façon totalement anonyme. Ainsi, les données ne sont pas téléchargées directement d'un pair à un autre, mais peuvent transiter par un ou plusieurs pairs. Il est ainsi quasiment impossible de déterminer l'origine exacte d'un message. Afin de protéger les hébergeurs, tous les fichiers sont cryptés. Le possesseur d'un nœud ne peut donc pas connaître le contenu des fichiers stockés sur son nœud. Attention, il est illégal de posséder des fichiers ayant un contenu contraire à la loi. Dans la mesure où le but de freenet est de garantir un anonymat maximal, les mécanismes de routage sont assez complexes, et ne seront donc pas traités ici. On trouve de très bons documents à ce sujet sur l'Internet ([ (12) ] par exemple). Il suffit juste de savoir que si le nœud 1 cherche une information, il demandera à son voisin (appelons-le 2) qui, s'il ne dispose pas de la ressource, transmettra la requête à 3, et ainsi de suite.

Faiblesses de ce réseau

Freenet dispose de nombreuses faiblesses, par exemple :

• Temps de récupération d'un fichier Le temps nécessaire pour trouver un fichier dans Freenet reste très honorable. En revanche, le temps de récupération est beaucoup plus long, à cause des problèmes d'anonymat : afin de ne pas connaître la source du fichier, celui-ci sera copié sur tous les nÅ“uds intermédiaires de la requête.
• Diffusion des clefs Freenet utilise des clefs, notamment pour permettre d'identifier les fichiers. Une recherche de fichier sans cette clef étant quasiment impossible, il faut que la personne disposant d'un fichier dispose d'un moyen de diffuser la clef. Or si on envisage un site web, cela implique un serveur centralisant les données, ce qui va à l'encontre de l'esprit de freenet, à savoir la décentralisation totale. Il est actuellement possible d'héberger un site web sur freenet (donc sans offrir de serveur fixe), mais dans ce cas là, on revient au premier problème (temps de récupération) pour chaque page…

• Attaques possibles Comme nous l'avons vu, chaque fichier est identifié par une clef. Ainsi, en générant aléatoirement un grand nombre de clefs, l'attaquant aura de fortes chances d'obtenir une clef proche de celle du fichier cible. En insérant d'énormes fichiers avec ces clefs, les nÅ“uds ayant des chances de disposer du fichier cible vont être saturés. Ensuite, en réalisant de très nombreuses requêtes sur les clefs insérées, l'attaquant pourrait corrompre de nouveaux nÅ“uds. Pour pallier ces défaillances, différentes solutions :

  • Identifier les nouveaux nÅ“uds avec des clefs proches de celles de nÅ“uds chargés, afin de répartir la charge.
  • Changer la politique de gestion des fichiers en local (prendre en compte la présence ou non d'une copie sur le réseau).
  • Disperser sur le réseau des fragments de fichiers, dans le but de pouvoir reconstruire le fichier original plus facilement. Des logiciels comme IBP (13) peuvent apporter beaucoup.

Conclusions sur Freenet

Freenet n'est pas le logiciel P2P le plus simple d'accès : la mise à disposition de fichiers reste complexe, et les recherches de fichiers fastidieuses (proximité sémantique de la clef) ; en outre, les temps de téléchargement sont très très supérieurs à ses concurrents. En revanche, les fichiers sont cryptés, et la source de téléchargement est inconnue du destinataire (et quasiment introuvable), assurant ainsi une grande sécurité et de l'anonymat. Le choix d'utiliser Freenet ou non va donc dépendre des attentes de chacun.

Il s'agit ici d'un modèle que l'on pourrait qualifier d'hybride entre le mode client/serveur et le P2P. En effet, tous les nœuds ne sont plus égaux :

• Les nÅ“uds disposant d'une bonne bande passante sont organisés en P2P. Ce sont les super-peers ;
• Les nÅ“uds avec une faible bande passante sont reliés en mode client/serveur à un super-peer ;
• Les super-peers disposent d'un index des ressources de leur cluster ;

Le logiciel de P2P le plus connu utilisant cette technologie est sans doute Kazaa.

Le choix d'un super-peer introduit de la sensibilité aux défaillances : si le super-peer n'est plus joignable, tous ses clients sont coupés du réseau. Une des améliorations possibles est donc de choisir parmi K super-peers au lieu d'un seul. Une restriction est que les super-peers soient partenaires. Dans ce cas, chaque partenaire est relié à chaque client, et possède un index de toutes leurs ressources. Les clients envoient leurs requêtes selon le principe du Round Robin (14) , ce qui permet de faire baisser la charge d'un facteur k. En revanche, la charge du coût d'entrée d'un nouveau client est multipliée par K, et le nombre de connexions ouvertes de K², comme le montre le graphique .

Pour plus d'informations, il est vivement conseillé de lire [ (15) ], qui décrit bien plus précisément ces règles de conception :

1. Augmenter la taille d'un cluster diminue la charge agrégée, mais augmente la charge individuelle.
2. La redondance de super-peer est favorable.
3. Il faut maximiser le nombre de connexions des super-peers (permet de diminuer le nombre de sauts pour atteindre un résultat).
4. Il est nécessaire de minimiser le TTL (16) .

Bien que les détails de fonctionnement de Kazaa ne soient pas entièrement divulgués, on sait que ce logiciel utilise une technique de super-peer. En outre, il s'intéresse aussi au problème de la qualité des nœuds (fiabilité des informations, mais aussi taux et vitesse d'upload…)

Principes de Kazaa

Un nouvel utilisateur doit ouvrir un compte, déclarer ses répertoires de fichiers partagés. En fonction de sa bande passante, le logiciel décidera si le client est ou non un super-peer (possibilité de l'activer ou de le désactiver manuellement). Une incertitude règne quant à la façon de connecter deux super-peer ensembles. Il se peut que ce soit grâce à un protocole décentralisé de type broadcast. Lors d'une recherche, un nœud envoie sa requête à son super-peer (il lui transmet en même temps un index de ses fichiers partagés). Le super-nœud dispose d'un index des ses propres ressources, ainsi que celle des nœuds de son cluster, ce qui lui permet de répondre à la requête. Les files d'attente sont paramétrées en fonction de plusieurs critères, dont le ratio upload/download et la qualité des ressources.