排队网络Lecture 6.pptVIP

例题3.22-排队网络模型 Figure 3.38 (b) 排队网络模型. 任意时刻系统内有N个客户 ? R 特解: 平稳分布: CPU利用率和吞吐率: Figure 3.38 (c) Throughput ??(N) as a function of the number of terminals compared with the upper and lower bounds. 排队网络 Lecture 6 3.8 排队网络-Jackson 定理 计算机网络可以建模为队列的网络,客户(packet)按一定的路由在一个队列接受服务后到下一个队列. 如果路由方式足够的随机化,网络拓扑相对密集,网络负载相对较重,则客户(packet)在每个队列的服务要求可视为独立的. -Kleinrock’s独立性近似. 这时网络链路可以看作M/M/1. Jackson’s开网络定理 考虑由K个队列组成的网络, 网络节点代表一个FCFS队列. Jackson’s开网络 队列的外部到达为独立的Poisson过程 , 到达率为ri, i=1,…,K. (允许某些ri=0) 在队列i 接受完服务的客户按概率Pi,j到队列j 或按概率1-∑jPi,j离开网络. 对每个队列k,存在队列l,…,m,n,满足 Pk,l0,…,Pm,n0和1-∑jPn,j0. 即从k进到网络的客户最终会离开网络. 队列j 的服务时间是指数分布(μj), j=1,…,K.;各个队列的服务时间彼此独立. 每个队列(排队网络的节点)的客户到达率包括外部到达率和从其它队列来的客户到达率.设λj为队列j的总到达率, 则{ λj, j=1,…,K }满足以下流守恒关系: 在上述有关路由概率的假定下,该线性方程组有唯一解。 Jackson’s定理 设ni为队列i内的客户数,以向量n=(n1,…,nK)表示排队网络的状态, 则排队网络为一多维马氏链. 假定ρj= λj/μj1, j=1,…,K,则马氏链n的平稳分布存在且有乘积形式 P(n)=P1(n1)…PK(nK) （3.116） 式中, Pj(nj)= ρjnj(1- ρj). 从乘积形式的联合分布很容易计算出边际分布Pj(nj) = ρjnj(1- ρj). 例题3.19带I/O反馈的计算机系统 任务到达率为λ的Poisson过程到达系统 CPU处服务时间服从参数为μ1的指数分布 经过CPU后，任务以概率p1离开系统，以概率p2=1-p1进入输入输出设备 在输入输出设备处的服务时间服从参数为μ2的指数分布 假定所有的服务时间相互独立 Figure 3.34 (a) Feedback model of a CPU and I/O device (Example 3.19). 例题3.19 (Contd.) 队列1的到达率λ1=λ+λ2, 队列2的到达率λ2=λ1p2, (p1+p2=1) 计算得 λ1= λ/p1, λ2= λp2/p1. 平稳客户数分布和独立的两个M/M/1分布相同. 定义 运用Jackson定理，得到稳态概率 第i个队列中任务的平均数等于利用率为 的M/M/1队列系统中顾客的平均数 系统中总的任务数N=N1+N2 例题3.19 (Contd.) 任务平均延迟为(3.133) 式中S1=1/(μ1p1), S2=p2/(μ2p1). 上式还说明:从平均延迟看,反馈计算机系统可看作级联的两个队列系统, 两个队列的服务率分别为μ1p1和μ2p1/p2. 该系统与服务率分别为1/S1和1/S2，一前一后排列的CPU和输入/输出队列系统具有“相同的”任务平均数和等待时间 Figure 3.34 (b) “Equivalent” tandem model of a CPU and I/O queue which has the same occupancy distribution as the feedback model. 但在反馈系统和级联系统内Job延迟的概率密度不同. 在反馈系统中假定p1=p2=1/2, CPU服务速率很快(μ1μ2), 则一半的作业延迟很小,而另一半作业的延迟很大, 延迟密度函数是一有双峰的曲线; 而在级联系统内Job延迟的概率密度函数是单峰曲线. 节点到达率不一定是Poisson 假定返回队列的概率为p CPU到达率?/(1-p)不是Poisson到达率： 如果外