ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 18/04/13 Συστήματα Αναμονής: M/M/1/K, M/M/m (Erlang-C), M/M/N/K, M/M/m/m (Erlang-B)

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
1 • Το μέγεθος του ‘παραθύρου’ πρέπει να αλλάζει με τον αριθμό των συνόδων. • Τόσο η ρυθμαπόδοση όσο και η καθυστέρηση δεν έχουν εγγυήσεις. • Για συνόδους.
Advertisements

Slide 1 Δίκτυα Τηλεπικοινωνιών ENOTHTA 7 η ΔΙΑΚΙΝΗΣΗ ΤΗΛΕΦΩΝΙΚΩΝ ΚΛΗΣΕΩΝ (ΜΕΡΟΣ Α’) 1. ΘΕΩΡΙΑ ΤΗΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΗΣ ΚΙΝΗΣΗΣ  Εκτός από τις τερματικές.
Διαδικασίες Markov, Εκθετική Κατανομή, Κατανομή Poisson
Καθυστέρηση σε δίκτυα μεταγωγής πακέτων
Μεταγωγή (Switching) Λειτουργία: συνδέει εισόδους σε εξόδους, έτσι ώστε τα bits ή τα πακέτα που φτάνουν σε ένα σύνδεσμο, να φεύγουν από έναν άλλο επιθυμητό.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Παραδείγματα χρήσης ουρών Μ/Μ/c/K και αξιολόγησης συστημάτων αναμονής Β. Μάγκλαρης
Δίκτυα Ουρών - Παραδείγματα
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων-Θανάτων (Birth-Death), Εξισώσεις Ισορροπίας, Συστήματα Αναμονής Μ/Μ/1 Β. Μάγκλαρης
Ανάλυση – Προσομοίωση Ουρών Markov
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Διαδικασίες Γεννήσεων – Θανάτων (Birth-Death Processes)
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Εισαγωγή II ΣΥΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Κοινά χαρακτηριστικά (1) –Πελάτης (όχημα, πελάτης καταστήματος, τηλεφωνική κλήση, πακέτο δεδομένων.
Moντέλα Καθυστέρησης και Ουρές
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κατανομή Poisson, Διαδικασίες Markov, Διαδικασίες Γεννήσεων-Θανάτων (Birth-Death) Β. Μάγκλαρης
Το Μ/Μ/1 Σύστημα Ουράς Μ (η διαδικασία αφίξεων είναι Poisson) /
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Συστήματα Αναμονής Μ/Μ/1, M/M/1/K, M/M/m (Erlang-C), M/M/N/K, M/M/m/m (Erlang-B) Β. Μάγκλαρης
1 Χαρακτηριστικά ενός Μ/Μ/1 συστήματος : Αφίξεις κατανεμημένες κατά Poisson Εκθετικά κατανεμημένοι χρόνοι εξυπηρέτησης Οι χρόνοι εξυπηρέτησης είναι αμοιβαία.
Slide 1 Δίκτυα Τηλεπικοινωνιών ENOTHTA 8 η ΔΙΑΚΙΝΗΣΗ ΤΗΛΕΦΩΝΙΚΩΝ ΚΛΗΣΕΩΝ (ΜΕΡΟΣ B’) 1. ΔΙΑΚΡΙΣΗ ΜΟΝΤΕΛΩΝ ΤΗΛΕΠΙΚΟΙΝΩΝΙΑΚΗΣ ΚΙΝΗΣΗΣ  Για την ταξινόμηση.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Παράδειγμα Βελτιστοποίησης Μέσου Μήκους Πακέτου 23/05/2011.
ΚΛΕΙΣΤΑ ΔΙΚΤΥΑ ΟΥΡΩΝ MARKOV 30/05/2011
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 16/05/13 Δίκτυα Ουρών. ΔΙΚΤΥΟ ΔΥΟ ΕΚΘΕΤΙΚΩΝ ΟΥΡΩΝ ΕΝ ΣΕΙΡΑ Θεώρημα Burke: Η έξοδος πελατών από ουρά Μ/Μ/1 ακολουθεί κατανομή Poisson.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 11/04/13 Διαδικασίες Γεννήσεων-Θανάτων (Birth- Death), Εξισώσεις Ισορροπίας, Συστήματα Αναμονής Μ/Μ/1.
Επικοινωνίες δεδομένων
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Προσομοιώσεις Συστημάτων Αναμονής Markov (M/M/…)
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 25/06/08 Ασκήσεις Επανάληψης.
1 Βέλτιστη δρομολόγηση (optimal routing) Αντιμετώπιση της δρομολόγησης σαν «συνολικό» πρόβλημα βελτιστoποίησης. Γιατί: Η αλλαγή της δρομολόγησης μιας συνόδου.
Ασκήσεις - Παραδείγματα
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 25/04/13 Παραδείγματα χρήσης ουρών Μ/Μ/c/K.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εισαγωγή Β. Μάγκλαρης Β. Μάγκλαρης Σ. Παπαβασιλείου Σ. Παπαβασιλείου
Χαρακτηριστικά ενός Μ/Μ/1 συστήματος :
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 20/06/08 Παραδείγματα Μοντελοποίησης και Αξιολόγησης Επίδοσης Υπολογιστικών και Τηλεπικοινωνιακών Συστημάτων.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Δίκτυα Ουρών - Παραδείγματα
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Δίκτυα Ουρών Β. Μάγκλαρης Β. Μάγκλαρης Σ. Παπαβασιλείου Σ. Παπαβασιλείου
ΠΡΟΣΟΜΟΙΩΣΗ ΣΥΣΤΗΜΑΤΟΣ MARKOV ΓΙΑ ΠΡΟΩΘΗΣΗ ΚΙΝΗΣΗΣ STREAMING (VIDEO) Άσκηση Προσομοίωσης 28/5/2012.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 07/05/09 Εκθετική Κατανομή, Διαδικασίες Birth-Death.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Επανάληψη (1): Παράμετροι αξιολόγησης συστημάτων αναμονής –Μέσος ρυθμός απωλειών λ – γ.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 01/06/05 Παραδείγματα Μοντελοποίησης και Αξιολόγησης Επίδοσης Δικτύων και Υπολογιστικών Συστημάτων.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 2/03/05. ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Μοντέλα συμφόρησης (congestion) –Κυκλοφορία (οδική, σταθερής τροχιάς) –Ουρές σε καταστήματα, ταχυδρομεία,
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Κοινά χαρακτηριστικά (1) –Πελάτης (όχημα, πελάτης καταστήματος, τηλεφωνική κλήση, πακέτο.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 27/05/10 Ανάλυση Ουρών Markov.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 04/07/07 Παραδείγματα Μοντελοποίησης και Αξιολόγησης Επίδοσης Υπολογιστικών και Τηλεπικοινωνιακών Συστημάτων.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Περιεχόμενα (1/3) 1.Εισαγωγή Περιεχόμενα Γενική Περιγραφή Συστημάτων Αναμονής Τεχνικές.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 20/06/07 Ανάλυση Ουρών Markov.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 21/05/09 Διαδικασίες Birth-Death, Εξισώσεις Ισορροπίας.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 11/04/11 Ανάλυση Ουρών Markov.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 11/06/08 Ανάλυση Ουρών Markov.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 27/06/07 Ουρές Markov Μ/Μ/Ν/Κ.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 28/05/08 Διαδικασίες Γεννήσεων Θανάτου Εξισώσεις Ισορροπίας.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 5/07/06 Παραδείγματα Ανάλυσης Ουρών Markov και Μοντελοποίησης Συστημάτων.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 12/07/06 Ανάλυση Ουρών Markov Μ/Μ/Ν/Κ Παραδείγματα Μοντελοποίησης και Αξιολόγησης Επίδοσης Υπολογιστικών και Τηλεπικοινωνιακών Συστημάτων.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 13/06/07 Διαδικασίες Γεννήσεων Θανάτου Εξισώσεις Ισορροπίας.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 06/05/10 Ανάλυση Ουρών Markov.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 23/04/12 Διάγραμμα Μετάβασης Καταστάσεων, Εξισώσεις Ισορροπίας, Συστήματα Αναμονής Μ/Μ/1.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Εργοδικές Πιθανότητες, Ισορροπία Μεταβάσεων - Ουρές Μ/Μ/1 Β. Μάγκλαρης Β. Μάγκλαρης Σ. Παπαβασιλείου Σ. Παπαβασιλείου.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κατανομή Poisson, Διαδικασίες Γεννήσεων- Θανάτων (Birth-Death Processes) Β. Μάγκλαρης Β. Μάγκλαρης Σ. Παπαβασιλείου.
Ουρές Αναμονής.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Παραδείγματα Ανοικτών Δικτύων Ουρών Κλειστά Δίκτυα Ουρών Β. Μάγκλαρης Σ. Παπαβασιλείου.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Συστήματα Αναμονής Μ/Μ/1, M/M/1/K, M/M/m (Erlang-C), M/M/N/K, M/M/m/m (Erlang-B)
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Διαδικασίες Γεννήσεων - Θανάτων Εξισώσεις Ισορροπίας - Ουρές Μ/Μ/1, M/M/1/N Προσομοίωση Ουράς Μ/Μ/1/Ν Βασίλης Μάγκλαρης.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ουρές Markov (birth-death processes) Ουρές Μ/Μ/N/K - Erlang C Ουρές M/M/c/c - Erlang B Παραδείγματα Εφαρμογής Βασίλης.
ΚΙΝΗΤΕΣ & ΔΟΡΥΦΟΡΙΚΕΣ ΕΠΙΚΟΙΝΩΝΙΕΣ 3 Ο ΚΕΦΑΛΑΙΟ ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 1.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Παραδείγματα Εφαρμογής Άσκηση Προσομοίωσης Βασίλης Μάγκλαρης 6/4/2016.
1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Κλειστά Δίκτυα Ουρών Markov Θεώρημα Gordon – Newell Αλγόριθμος Buzen Βασίλης Μάγκλαρης 11/5/2016.
Θεωρία Γραμμών Αναμονής ή ΟΥΡΕΣ (QUEUE)
Μοντέλα Συστημάτων Αναμονής σε Δίκτυα Επικοινωνιών
Βασίλης Μάγκλαρης 13/4/2016 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ανοικτά Δίκτυα Ουρών Markov Θεωρήματα Burke & Jackson Βασίλης Μάγκλαρης.
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Δίκτυα Ουρών
Βασίλης Μάγκλαρης 16/3/2016 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Ιδιότητες Κατανομής Poisson & Εκθετικής Κατανομής Διαδικασίες Γεννήσεων.
Κατανομή Poisson Η κατανομή αυτή χρησιμοποιείται όταν θέλουμε να μετρήσουμε τον αριθμό των γεγονότων που εμφανίζονται μέσα σ’ ένα διάστημα (0, t).
ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems
Μεταγράφημα παρουσίασης:

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 18/04/13 Συστήματα Αναμονής: M/M/1/K, M/M/m (Erlang-C), M/M/N/K, M/M/m/m (Erlang-B)

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Επανάληψη (1) Η ουρά Μ/Μ/1 (άπειρου μεγέθους) Σταθεροί μέσοι ρυθμοί αφίξεων (γεννήσεων) λn = λ, Poisson Σταθεροί μέσοι ρυθμοί εξυπηρέτησης (θανάτων) μn = μ Εκθετικοί χρόνοι εξυπηρέτησης s, E(s) = 1/μ Εργοδικές πιθανότητες καταστάσεων Pn Μέσος όρος πληθυσμού - κατάστασης Ε(n)

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Επανάληψη (2) ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Επανάληψη (2) Συστήματα Μ/Μ/1 με ρυθμούς άφιξης και ρυθμούς εξυπηρέτησης εξαρτώμενους από τον αριθμό των πελατών στο σύστημα (από την κατάσταση του συστήματος) (State Dependent M/M/1 Queues) μ(n) λ(n) λ(0) λ(1) λ(n-1) λ(n) 1 2 n-1 n n+1 μ(1) μ(2) μ(n) μ(n+1)

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Επανάληψη (3) ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Επανάληψη (3) Η ουρά Μ/Μ/1 Pn = (1-ρ) ρn, n = 0,1,2,…, ρ = λ/μ < 1 E(n) = ρ/(1-ρ) Νόμος του Little: E(T) = E(n)/γ = E(n)/λ E(T) = (1/μ) / (1-ρ)

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Παράδειγμα Ανάλυσης Ουρών Markov: M/M/1/K (ουρά με μέγιστη χωρητικότητα Κ, συμπεριλαμβανομένου του εξυπηρετουμένου) Πιθανότητα απώλειας, P{blocking} Pbl = PΚ = Pο ρΚ , P0 = (1-ρ)/(1-ρΚ+1) Ρυθμαπόδοση (Throughput) γ = λ (1- PΚ ) Μέση Καθυστέρηση Ε(Τ) = Ε(n)/γ

Παράδειγμα ανάλυσης ουράς Markov με m εξυπηρετητές M/M/m [Erlang –C] Infinite buffer Finite # of servers (m) ρ’ = λ/μ Erlangs, ρ = ρ’/m < 1 Prob. All servers are busy

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Άλλα Παραδείγματα Ουρών Markov Μ/Μ/Ν/Κ (Ν εξυπηρετητές, χωρητικότητα Κ, N ≤ K) Pn = [λ/(nμ)] Pn-1 , n=1, 2, … , N-1 Pn = [λ/(Nμ)] Pn-1 , n=N, N+1, … , K P0 + P1 +…+ PK-1 + PK = 1

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ M/M/m/m (m εξυπηρετητές, χωρητικότητα m) Erlang – B Μοντέλο τηλεφωνικού κέντρου με μέσο ρυθμό κλήσεων λ (Poisson), εκθετική διάρκεια τηλεφωνήματος, μέσος χρόνος 1/μ, m γραμμές και απώλειες χωρίς επανάκληση (redial) ρ = λ/μ (Erlangs) Pbl = Pm = (ρm/m!) / (1 + ρ + ρ2/2+ ρ3/3! + ... + ρm/m!)

Παράδειγμα : Πιθανότητες και εξισώσεις καταστάσεων ισορροπίας 10 τερματικά τροφοδοτούν κοινό στατιστικό πολυπλέκτη πακέτου (μεταγωγέα – switch ή δρομολογητή – router) που εξυπηρετεί δεδομένα σε πακέτα των 1000 bits κατά μέσο όρο. Η έξοδος του πολυπλέκτη είναι γραμμή των 10 Mbps (Megabits per sec). Τα τερματικά θεωρούνται ανεξάρτητα και ισότιμα. A) Προσεγγίστε τον πολυπλέκτη σαν ουρά Μ/Μ/1. Βρείτε το μέσο όρο ροής των δεδομένων ανά τερματικό ώστε η γραμμή να έχει χρησιμοποίηση 50%. Β) Αν ο πολυπλέκτης δεν δύναται να αποθηκεύει πάνω από 3 πακέτα (μαζί με το πακέτο υπό εξυπηρέτηση) και ο μέσος ρυθμός ροής πακέτων ανά τερματικό είναι 500 packets/sec, βρείτε τα χαρακτηριστικά της ουράς. Υποθέστε Poisson διαδικασία άφιξης πακέτων και εκθετικά κατανεμημένους χρόνους εξυπηρέτησης πακέτων.

Λύση – Τμήμα Α Χρησιμοποιείται μοντέλο Μ/Μ/1 Η ροή πακέτων ανά τερματικό είναι λ. Ζητούμενο: λ=? pak/sec, Ο ρυθμός εξυπηρέτησης είναι: μ=(10000 kbits/sec)/(1 kbits/pkt) = 10000 pkts/sec 10λ 10λ 10λ 10λ 1 2 n-1 n n+1 μ μ μ μ Η αθροιστική ροή πακέτων (από όλα τα τερματικά) στον πολυπλέκτη είναι: 10λ. Ο βαθμός χρησιμοποίησης είναι: u=(10λ)/μ=0.5 (10λ)/10000=0.5  λ=500 pkts/sec

Λύση – Τμήμα Β 10λ 10λ 10λ Χρησιμοποιείται μοντέλο Μ/Μ/1/3 λ=500 pkts/sec, μ=10000 pkts/sec 1 2 3 μ μ μ 10λP0=μP1 P1=(10λ/μ)P0  P1=0.5P0 10λP1=μP2 P2=(10λ/μ)P02  P2=0.25P0 10λP2=μP3 P3=(10λ/μ)P03  P3=0.125P0 P0+P1+P2+P3=1  P0=8/15, P1=4/15, P2=2/15, P3=1/15 Μέσο μήκος ουράς: E(n)=0*(8/15)+1*(4/15)+2*(2/15)+3*(1/15)=11/15 pkts Πιθανότητα απωλειών: Pbl=P3=1/15 Ρυθμαπόδοση: γ=10λ(1-Pbl)=500*(14/15)=1400/3 pkts/sec (γ=μ(1-P0)) Μέση Καθυστέρηση: E(τ)=E(n)/γ=(11/15)/(1400/3)=11/7000 sec

Παράδειγμα: Μοντελοποίηση - Σύγκριση Δύο υπολογιστές επικοινωνούν με μια γραμμή 64 kbps (kbits/sec) και υποστηρίζει 8 συνόδους (sessions). Αν το μέσο μήκος πακέτου είναι 150 bytes, ο ρυθμός άφιξης ανά σύνοδο (arrival rate/session) είναι 4 packets/second και ακολουθεί Poisson κατανομή, και ο χρόνος εξυπηρέτησης πακέτου είναι εκθετικά κατανεμημένος: Είναι καλύτερα το δίκτυο να παρέχει σε κάθε σύνοδο το δικό της αφιερωμένο (dedicated, αποκλειστική πρόσβαση) 8 kbps κανάλι, ή είναι προτιμότερο όλες οι σύνοδοι να μοιράζονται όλη τη χωρητικότητα της γραμμής? Θεωρείστε ότι ο χρόνος καθυστέρησης του πακέτου είναι το πιο σημαντικό κριτήριο.

Λύση Ας θεωρήσουμε πρώτα το δίκτυο να παρέχει σε κάθε σύνοδο το δικό της (αποκλειστική πρόσβαση) dedicated 8 kbits/sec κανάλι. Τότε κάθε υποσύστημα μπορεί να μοντελοποιηθεί σαν ένα ξεχωριστό M/M/1 σύστημα με =4 packets/sec και ρυθμό εξυπηρέτησης 8 kbits/sec ή ισοδύναμα Θεωρώντας την περίπτωση όπου οι σύνοδοι μοιράζονται όλη τη χωρητικότητα της γραμμής τότε συγχωνεύουμε όλες τις συνόδους και μοντελοποιούμε το σύστημα σαν M/M/1 σύστημα: με =8*4=32 packets/second και ρυθμό εξυπηρέτησης 64 kbits/sec ή ισοδύναμα Προτιμότερη είναι η δεύτερη λύση αφού μειώνει την καθυστέρηση σημαντικά

Παράδειγμα: Μοντελοποίηση Τηλεφωνικής Ζεύξης Μια τηλεφωνική εταιρεία εγκαθιστά σύνδεση μεταξύ δύο πόλεων όπου η αναμενόμενη κίνηση ακολουθεί κατανομή Poisson με ρυθμό 30 calls/min. Η διάρκεια των κλήσεων είναι ανεξάρτητες εκθετικά κατανεμημένες τυχαίες μεταβλητές με μέση τιμή 3 min. Πόσα κυκλώματα θα πρέπει να παρέχει η εταιρεία ώστε να εγγυηθεί ότι η πιθανότητα απόρριψης κλήσης (blocking) (επειδή όλα τα κυκλώματα είναι κατειλημμένα) είναι μικρότερη του 1%

Λύση Θεωρούμε ένα σύστημα M/M/m/m όπου m είναι ο αριθμός κυκλωμάτων (γραμμών) που παρέχει η εταιρεία. Πρέπει να βρούμε τον μικρότερο αριθμό m για τον οποίο pm<0.01 όπου pm Έχουμε  = 30 calls/min, 1/ = 3 min, άρα ρ = / =303 = 90 Erlangs. Με αντικατάσταση στην παραπάνω σχέση υπολογίζουμε την τιμή του m.

Παράδειγμα (a): Αξιολόγηση Δρομολογητή Ένας δρομολογητής πακέτων μπορεί να επεξεργάζεται πακέτα με μέσο ρυθμό 300 pkts/sec (packets per second). Τα πακέτα καταφθάνουν στον δρομολογητή κατά μέσο όρο με ρυθμό 200 pkts/sec. Αν μοντελοποιήσουμε το σύστημα σαν M/M/1 Μέσος # πακέτων στο σύστημα: N = λ/(μ-λ) = 200/(300-200) = 2 πακέτα Μέσος # πακέτων σε αναμονή: NQ = λ2/[μ(μ-λ)] = 2002/([300(300-200)] = 1.33 πακέτα Μέσος χρόνος πακέτου στο σύστημα: Τ = 1/(μ-λ) = 1/(300-200) = 0.01 sec = Ν/λ (Νόμος Little) Μέσος χρόνος αναμονής (στην ουρά): W = λ/[μ(μ-λ)] = 2/300 = 0.00666 sec = ΝQ/λ (ΝόμοςLittle) Πιθανότητα να είναι ο εξυπηρετητής απασχολημένος ρ = λ/μ = 2/3 Πιθανότητα το σύστημα να είναι άδειο P0=1- ρ = 0.333

(b): Βελτίωση Επίδοσης Για να βελτιώσουμε την απόδοση του συστήματος έχουμε δύο επιλογές: Να εγκαταστήσουμε ένα γρηγορότερο επεξεργαστή (αντικαθιστώντας τον παλαιό) Να εγκαταστήσουμε και έναν δεύτερο εξυπηρετητή

Λύση 1η Επιλογή Αντικατάσταση του υπάρχοντος εξυπηρετητή με άλλον γρηγορότερο με ρυθμό  = 400 pkts/second Επαναπροσδιορισμός της απόδοσης του συστήματος Μ/Μ/1 με λ = 200 pkst/sec, μ = 400 pkts/sec και άπειρο μήκος ουράς 2η Επιλογή Έχουμε ένα σύστημα με δύο εξυπηρετητές, ο κάθε ένας με ρυθμό μ = 200 pkts/sec. Η άφιξη των πακέτων γίνεται σε μία ουρά (buffer) με ρυθμό  = 200 pkts/second και μετά δρομολογούνται στον πρώτο εξυπηρετητή που είναι ελεύθερος. Το σύστημα αυτό το μοντελοποιούμε σαν M/M/2 με άπειρο μήκος ουράς ΑΣΚΗΣΗ: Ποίες είναι οι επιδόσεις (μέση καθυστέρηση) των δύο εναλλακτικών; Γιατί;