信息网理论基础第三章时延分析(二).pptVIP

第三章 网络时延分析 2005/3/17 The M/M/1 Queue 到达过程是参数为λ的 Poisson 过程 服务时间独立同分布：参数为 μ的负指数分布 服务时间和到达时间间隔互相独立 一个服务器 无限等待空间 N(t): t时刻系统内的顾客数目 排队系统状态 描述排队系统有三个变量：t时刻系统里的顾客数目N(t)，正在服务的顾客剩余服务时间，剩余到达时间 由于负指数的无记忆性，剩余到达时间、剩余服务时间的分布与原来相同。 系统的状态只由N(t)决定. 系统未来的变化只与现在状态有关,与队长演变的历史无关. M/M型排队系统的队长具有Markov性.因此我们可以采用Markov随机过程的分析手段. 分析步骤 写转移概率 画状态转移图 求平稳概率 M/M/1 Queue: Discrete-Time Approach 考察离散时间点0, d, 2d,… (d任意小) 研究离散时间点过程　Nk = N(dk) 转移概率计算 转移概率计算 M/M/1 Queue: Discrete-Time Approach 离散时间生灭过程 d→0: Done! 性能分析（一） 平稳概率分布 平均队长 性能分析（二） 平均滞留时间 平均等待时间和平均等待顾客数目 对长超过N的概率 启发 ρ=λ/μ: 利用率 服务器处于工作的状态概率 ρ=1-p0: 对任何 M/G/1 排队系统成立 系统稳定的条件: ρ1 达到速率应该小于服务速率 队长增加非线性 例子1 路由器A每秒平均发送8个分组到路由器B,分组间隔服从负指数分布,分组长度服从均值为400字节的负指数分布.路由器A,B之间的链路速率为64kbit每秒.问: 路由器A的缓存里平均有多少分组等待发送? 路由器A的缓存里分组数目=10的概率? 解: :λ= 8 packets/s, μ = 64 kbit/s/(400×8 bit/packet) = 20 packets/s ) , ρ =λ/μ = 8/20 = 0.4 E[N] = 0.4/(1 ? 0.4) = 0.67. 缓存里分组数目=10的概率=0.410 = 10?4. 例子2 M/M/1 :到达速率和服务速率同时降低 m 倍 利用率保持不变 ?平稳分布不变，平均顾客数目不变 低速系统的时延增加 m 倍 队列里面的平均顾客数目不变，但是第一个系统里的顾客移动更快 概率知识复习 R阶爱尔兰分布的概率密度 平均值 ，方差 ，方差系数 设x1,x2…..,xr服从参数为 负指数分布，这些随机变量的和服从r阶爱尔兰分布 方差系数小于1，当N趋向于无穷大，则接近定长分布 等待时间概率分布（一） 假定先到先服务 假定某个顾客在时刻 到达队列时发现系统里有N个顾客，则该顾客需要等到这N个顾客全部离开系统才能开始接受服务。 每个顾客的服务时间是一个负指数分布，则N个顾客全部离开需要的时间是一个N阶爱尔兰分布 等待时间概率分布（二） 设W(x)为等待时间分布函数，则 根据PASTA定理，到达时刻看见的队列长度等于任意时刻看见的队列长度 等待时间概率分布（三） 因此有 几点说明 对于M/M/1排队系统,我们解出队长分布为 求解过程中没有要求调度规则,该队长分布适用于FIFO,LIFO 同样,平均滞留时间也与调度规则无关 但是,滞留时间、等待时间的分布与调度规则有关 在M/M/1 FIFO排队系统里，队长分布只与利用率有关，与服务时间无关 M/M/* 排队系统 Poisson到达过程 到达间隔: iid, exponential 服务时间: iid, exponential 服务时间和到达间隔:独立 N(t): t 时刻系统里顾客数目(状态) {N(t): t ≥ 0}是一个连续时间Markov过程 转移速率取决于系统特征 PASTA 定理成立 M/M/c/c Queue: c个服务器的损失系统 C个服务器, 没有等待空间 新到的顾客发现所有服务器忙,则损失 平稳分布: 阻塞概率(PASTA): 只与λ/μ的比值有关，与λ、μ本身的值无关 结果对M/G/c/c queue 有效 M/M/c/c Queues (proof) 局部平衡方程式: 归一化: M/M/c/c Queues Erlang-B公式的叠代算法 M/M/c/c Queues M/M/c/c Queues M/M/c/c Queues * 0 1 n+1 n 2 问题：如果是后到先服务，概率是什么？ 这是什么分布？ 0 1 c 2 定义λ/μ=a 0 1 c 2