通信网络基础3-4.pptVIP

排队网络 排队网络 前面我们讨论的都是单个队列，并且假定到达过程和服务间隔相互独立，而在实际的数据通信网中，每节点都有一个队列，各节点的队列组成一个排队的网络。 在排队网络中，每个节点的分组到达过程与前一个队列的服务间隔（分组传输时间）紧密相关，因而就不能采用M/M/1和M/G/1的结果进行严格和有效的分析。 排队网络 排队网络 假设有两个节点组成一个串行的网络 排队网络 假定链路的容量和节点的处理能力相同，节点1的输入是到达率为λ的Poisson过程。 假定在前一个分组传输结束以后的一个时刻有一个长分组到达。在该长分组传输时间有一个短分组到达，则第一个节点的输出间隔将取决于分组的到达间隔和服务时间。 排队网络 如果所有分组具有相同的长度，则节点1的队列可用 M/D/1 来描述。 第二个队列的到达过程完全取决于第一个节点队列的输出，其到达间隔大于 1/ μ（分组的传输时间），并且在下一个分组到达时间以前，分组已传输结束，因而节点 2不可能有等待队列，这就使得基于 Poisson 假设的模型不适合用于第二个节点的队列。 如何消除节点输出过程对下一节点的到达过程的影响，如何求解排队网络的性能？ Kleinrock 独立性近似 Kleinrock 独立性近似 对于任一个网络来说，假定进入网络的分组流是服从 Poisson 分布，经过网络传输后，节点输入过程的到达间隔与前一节点分组传输间隔紧密相关，从而破坏了到达过程和服务间隔相互独立的假设，这样就不能使用前面分析的 M/M/1 队列的有关结果，为了解决该问题，我们需要采用 Kleinrock 建议的独立性近似方法。 Kleinrock 独立性近似 分组流(某一虚电路上的分组)用s来表示。对于经过任一条链路(i,j)的分组到达率λij由经过该链路的各分组流的到达率组成, 即 xs是分组流s的到达率(分组/秒)。 Kleinrock 独立性近似 注意：对于数据报型网络, 任一对源节点和目的节点之间的分组流可能经过不同的链路, 此时xs应仅考虑该分组流经过(i,j)链路的部分, 即需用fij(s) xs代替上式中的xs, fij(s)是分组流s中经过(i, j)链路的分组比例。 Kleinrock 独立性近似 Kleinrock 建议，几条分组流合成的一个分组流，类似于部分恢复了到达间隔和分组长度的独立性。如果合成的分组流数目n较大，则到达间隔与分组长度的依赖性将很弱。这样就可以采用 M/M/1 模型来描述每条链路，而不管这条链路上的业务与其他链路上业务的相互作用，这就是 Kleinrock 独立性近似，这对于中等到重负荷的网络是一个很好的近似。 Kleinrock 独立性近似 例：假定A沿两条链路L1和L2向B发送数据分组, 链路的服务速率为μ。节点A的分组到达过程是速率为λ的Poisson过程,分组长度服从指数分布, 且与到达间隔相互独立。试问如何在A和B之间的两条链路上分配业务流? Kleinrock 独立性近似 使用Kleinrock，利用上述公式，可得 假定采用两种方法: 一是随机的方式(Randomization)，即A通过扔硬币的方法来分配分组流； 二是采用计量的方法(Metering)，节点A将分组送入比特长度最短的队列(它等于各排队分组比特长度之和)。 Kleinrock 独立性近似 在计量的方式中，到达的分组进入比特长度最短的队列，这时系统相当于一个M/M/2的系统，总的到达率为λ，每条链路是一个服务员，利用前面的结果得分组的平均时延为 式中，ρ=λ/2μ Kleinrock 独立性近似 比较两种方法的平均分组时延，可以发现，用计量的方法，可使时延减少到随机方式的1/(1+ρ)。这也进一步反映了统计复用的好处。 如果在实际系统中，要将一个比特流分解成几个可选的路由, 应当采用计量的方法。  但是，采用计量的方法，破坏了各个队列的Poisson特性，这时每条链路的到达间隔不再是指数分布，且与前面的分组长度相关。这时我们看到，若采用M/M/1的近似，其准确度较差。  上述例题说明，采用不同的服务法则，可能会影响采用Kleinrock独立性近似的准确度。 Burke 定理 Burke 定理 在排队的网络中如何求解网络中的用户数？ Burke定理是关于系统中输出过程和排队状态的定理。 Burke 定理 对具有到达率为λ的M/M/1，M/M/m，M/ M/∞的系统，假定系统开始时就处于稳态 (或初始状态是根据稳态分布而选定的)，有下列结论： 系统的离开过程是速率为λ的Poisson 过程。 在时刻t，系统中顾客数独立于 t 时刻以前用户离开系统的时间序列。 Burke 定理 Burke定理说明了该类