Vous êtes sur la page 1sur 25

1

Les files dattente


Anthony Busson
Impact de la loi des inter
arrives sur les performances
2
Un serveur : exemple o la moyenne ne
marche pas (1)
Arrive des clients de manire rgulire (dterministe). Chaque client demande
une dure de service D-
t
Nombre de client dans le systme
1
D
D-
D
D- Le taux darrive est =1/D
La demande de service dun client est D-
Le nombre moyen de client dans le systme est 1-/D (<1)
Un serveur : exemple o la moyenne ne
marche pas (2)
Arrive des clients de manire rgulire (dterministe). Chaque client demande
une dure de service D-
t
Nombre de client dans le systme
1
D
D-
D
D- Le taux darrive est =1/D
La demande de service dun client est D-
Le nombre moyen de client dans le systme est >1
2D
2
3
Un serveur : exemple o la moyenne ne
marche pas (3)
Arrive des clients de manire rgulire (dterministe). Chaque client demande
une dure de service D-
t
Nombre de client dans le systme
1
D-
4D
Le taux darrive est =1/D
La demande de service dun client est D-
Le nombre moyen de client dans le systme augmente et peut tre aussi grand
que lon veut si on augmente la taille des bursts.
2
3
Le trafic Internet (niveau paquet)
28 heures
2.8 heures
100 secondes
10 secondes
17 minutes
LAN
WAN
4
Rpartition du trafic sur le rseau de
loprateur Amricain Sprint en mai 2000
Main TCP applications throughputs (SPRINT)
0
5000
10000
15000
20000
25000
30000
10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00
Time
T
h
r
o
u
g
h
p
u
t

(
k
b
i
t
s
/
s
)
Other
Telnet
RealAudio
MediaPlayer
Quake
NNTP
SMTP
FTP
HTTPS
HTTP
Rpartition du trafic sur le rseau de
loprateur Amricain Sprint en Aot 2000
Main TCP applications throughputs (SPRINT)
0
5000
10000
15000
20000
25000
30000
35000
40000
1
0
:
0
0
1
1
:
0
0
1
2
:
0
0
1
3
:
0
0
1
4
:
0
0
1
5
:
0
0
1
6
:
0
0
1
7
:
0
0
1
8
:
0
0
1
9
:
0
0
2
0
:
0
0
2
1
:
0
0
2
2
:
0
0
2
3
:
0
0
0
:
0
0
1
:
0
0
2
:
0
0
3
:
0
0
4
:
0
0
5
:
0
0
6
:
0
0
7
:
0
0
8
:
0
0
9
:
0
0
Time
T
h
r
o
u
g
h
p
u
t

(
k
b
i
t
s
/
s
)
Other
Telnet
RealAudio
MediaPlayer
Quake
Napster
NNTP
SMTP
FTP
HTTPS
HTTP
5
Rpartition du trafic sur le rseau Renater
en Aot 2003
Main TCP applications throughputs (Renater)
Source : Nicolas larrieu (LAAS)
Les chanes de Markov
Introduction
6
Exemple de chane de Markov : la puce
Problme:
Une puce se trouve initialement au point 0. Elle se dplace avec
probabilit p (0<p<1) vers la droite et avec probabilit (1-p) vers la
gauche except lorsquelle se trouve en 0 o dans ce cas elle se
dplace avec probabilit 1 vers la position 1.
Questions
1. Si aprs n sauts la puce se trouve la position k, quelle est la
probabilit quelle se trouve la position i aprs n+1 sauts?
2. Quelle est la probabilit que la puce se trouve la position k aprs
n sauts?
1 p p
1-p
0 1 2 3
Chane de Markov
Description dune suite de variables
alatoires X
n
valeur dans un espace
discret.
Connaissant la valeur de X
n
on est
capable de donner la probabilit que X
n+1
se trouve dans un tat particulier
Ces probabilits sont exprimes au travers
dune matrice appeles matrice de
transition.
7
Chane de Markov
P(X
n+1
=k|X
n
=k-1)=p=P(X
n+1
=k| X
n
=k-1, X
n-1
=k-2)=P(Xn+1=k| X
n
=k-1, X
n-1
=k-2,..,X
0
=0)
Connaissant la dernire position de la puce, la probabilit de se
trouver en k ne dpend pas du reste de la trajectoire passe.
Dfinition : Soit (X
n
) une suite de variable alatoire. On dit que
(X
n
)est une chane de Markov ssi
P(X
n+1
=k|X
n
=k
1
)=P(X
n+1
=k | X
n
=k
1
, X
n-1
=k
2
,..,X
1
=k
1
,X
0
=k
0
)
Pour une chane de Markov on dfinit sa matrice de transition (p
ij
)
comme p
ij
=P(X
n+1
=j|X
n
=i).
Thorme: Si la chane de Markov est ergodique, alors
P(X=j)=
j
o est le vecteur solution de lquation P= .
Reprsentation usuelle des chanes de
Markov
0 2 1 3 4

On reprsente les diffrents


tats possibles par des
ronds, et par des flches les
possibilits de passages
entre les diffrents tats.
1 p
p p
p
1-p 1-p 1-p 1-p 1-p
Il peut y a voir des tats piges appels tats absorbants .
0
1
2
4
3
5
8
File Go/Go/1 (1)
Le temps est divise en slot
chaque slot un paquet est mis avec succs
avec probabilit (1-p)
chaque slot un nouveau paquet arrive avec
probabilit a
Xn = 2
temps
Arrive dun paquet
avec probabilit a
Dpart dun paquet
avec probabilit (1-p)
File Go/Go/1 (2)
Le nombre de paquets dans le systme forme
une chane de Markov.
La probabilit quil y ait (i+1) paquets sachant quil y en
avaient i au slot prcdent est pi,i+1=ap
La probabilit quil y ait i paquets sachant quil y en
avaient i au slot prcdent est pi,i=p(1-a)+a(1-p)
La probabilit quil y ait (i-1) paquets sachant quil y en
avaient i au slot prcdent est pi,i-1=(1-a)(1-p)
p
i,i
= p(1-a) + a(1-p)
p
i,i+1
= ap
p
i,i-1
= (1-a)(1-p)
9
File Go/Go/1 (3)
Questions
Quel est le nombre de paquets en cours de traitement?
Quel est le temps de sjour moyen dun paquet dans le
systme?
La rsolution du systme dquations P= nous
donne :
Il existe une solution uniquement si a<1-p
Et la probabilit quil y ait i paquets dans le systme:
i
i i
i
p a
p a
C i X P
)) 1 )( 1 ((
) (
1

= = =

Les files dattente


10
Les notations de Kendall
Les files dattente peuvent tre classes suivant
la loi des inter arrives (exponentielle, indpendantes ou
gnrales)
la loi du temps de service
Le nombre de serveurs (de 1 linfini)
La taille de la file dattente ou du tampon (de 0 linfini)
La discipline de service (FIFO, LIFO, avec priorit, etc.)
Les notations de Kendall
Loi exponentiel M
Loi indpendantes GI
Loi gnrale G
Exemple
M/M/1
M/GI/1/K
M/M/K/K+L/LIFO
K serveurs
L places dans le tampon Temps de service
exponentiel
Arrives des clients
exponentiel
Dernier arriv premier
servit
11
Exemple de modle : lunit de traitement
CPU
Entre/sortie : disque dur,
disquette, souris, clavier, etc.
Arrive des
processus
Processus
en attente
(ou bloqu)
Processus en
traitement (lu)
Processus
prt
Discipline de services :
Systme dexploitation
classique Round
Robin (avec des poids)
Systme temps rel
multiclass priorit
Pour les Entres sorties
: FIFO avec priorit
suivant les E/S.
Exemple de modle : un routeur
Lecture de len-tte +
dcision de routage +
mission sur la matrice de
commutation.
Arrives des
paquets IP
mission sur
linterface de sortie
Discipline FIFO
12
Processus de Markov
Processus de Markov
Dfinition : Soit (X
t
)
tIR
une processus stochastique. On dit que
(X
t
) est un processus de Markov ssi
P(X
t
=k|X
t
n
=k
1
)=P(X
t
=k | X
t
n
=k
1
, X
n-1
=k
t
n-1
,..,X
t
1
=k
1
,X
t
0
=k
0
)
Exemple : une file dattente
Arrives
des clients
(requtes)
Attente dans une file
(tampon) avant dtre
servis
Serveur
(ressource)
Sorties des
clients
13
La loi exponentiel
On dit quune variable alatoire suit une loi
exponentielle de paramtre ssi :
) exp( ) ( u u X P =

1
] [ = X E

1
] [ = X VAR
Loi exponentiel
temps
Densit de
distribution
Distribution de la dure dun appel tlphonique
File M/M/1
T
1
T
2
T
3
T
4
T
5
Hypothses : La dure entre larrive de deux clients suit une loi
exponentiel de paramtre . Les inter-arrives sont indpendantes les unes
des autres.
La dure de service dun client dans le systme suit une loi exponentiel de
paramtre .
La taille de la file dattente est suppose infinie.
Rappel : X~exp() si P(X>u)=exp(-u) et E[x]=1/ .
S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
T
i
: date darrive du
i
me
client
S
i
: date de dpart du
client i
me
client
Lois exponentielles
Loi exponentiel
14
File M/M/1
T
1
T
2
T
3
T
4
T
5 S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
File M/M/1
T
1
T
2
T
3
T
4
T
5 S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
15
File M/M/1
T
1
T
2
T
3
T
4
T
5 S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
Ce que lon cherche
T
1
T
2
T
3
T
4
T
5 S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
{ }

=


= = =
T
i X
T
i
ds i X P
s
0
lim ) (
16
File M/M/1
0 1 2 3 4 5


Equilibre des flux :

0
=
1

0
+
2
= (+)
1

1
+
3
= (+)
2

k-1
+
k+1
= (+)
k
La rsolution de ces quations nous donne:

k
=
k
(1-) avec =/.
Attention : cette formule est valide uniquement si le
systme est stable (<1).
File M/M/1
On dduit de la distribution du nombre de client, les quantits suivantes (sous
la condition =/<1) :


= =

=
= = =
0
1 ] [
1
1 1
] [
1
] [
) 1 ( ) (
U E
R E
X E
k X P
k
k Distribution du nombre de clients
Nombre moyen de clients
Temps de sjour moyen
Taux dutilisation
17
Taux dutilisation de la file M/M/1
Taux d'utilisation
0
0,2
0,4
0,6
0,8
1
1,2
r
h
o
0
,0
4
0
,
1
0
,1
6
0
,2
2
0
,2
8
0
,3
4
0
,
4
0
,4
6
0
,5
2
0
,5
8
0
,6
4
0
,
7
0
,7
6
0
,8
2
0
,8
8
0
,9
4
rho
t
a
u
x

d
'
u
t
i
l
i
s
a
t
i
o
n
E[U]
Le taux dutilisation est linaire avec la charge.
Nombre moyen de clients
Exercice : On cherche exprimer le nombre moyen de paquets dans un
routeur et le temps moyen de sjour (temps pass par un paquet dans le
routeur) en fonction de la charge. Le routeur a une seule interface
Ethernet 10Mbit/s. On suppose que la taille des paquets (en octets) suit
une loi exponentielle de moyenne 1000 et que les interarrives des
paquets suivent des loi exponentielles de paramtre 1000, 1100, 1200,
1240, 1249, 1249.9999.
18
Taille des paquets


c
c
Les paquets sont en moyennes c fois plus petit et sont traits
en moyenne c fois plus vite de sorte que la charge soit la
mme.
Donnez:
1. Le nombre moyen de paquets dans les deux systmes.
2. Le temps de sjour moyen.
E[X]=/(1-)
File M/M/1/K+1
File M/M/1/8
[ ]
2
1
0
1 1
1
1
avec
) 1 ( 1 ] [
] [
] [ 1
] [
1 ) 1 ( ) 2 (
1
] [
) 1 ( ) (
+
+
+ +

=
= =
=
+ +

=
= = =
K
K
K K
k
k
C
C U E
U E
X E
R E
K
C
X E
C k X P


Distribution du nombre de
clients
Nombre moyen de clients
Temps de sjour moyen
Taux dutilisation
19
File M/M/1/K+1
File M/M/1/8
On introduit deux quantits importantes
probabilit de blocage : probabilit que la file dattente soit
pleine
probabilit de perte : probabilit que la file dattente soit
pleine larrive dun client
On a Pb >= Pp
Si le processus darrive est exponentiel indpendant ces
deux quantits sont gales.
File M/M/K/K
1
0
!
avec
!
) (

=
|
|

\
|
=
= = =

K
k
k
k
k
k
C
C
k
k X P

Distribution du nombre de clients


K serveurs
20
File M/M/K/K+J
K 0,.., k ,
!
1
) ( =
|
|

\
|
= =
k
k
C k X P

1 K k ,
1
!
1
) ( + = =
K k
k
K K
C k X P
K serveurs
J places
(
(
(
(

\
|

+ =

=
+
1
0
1
1
!
1
!
1
K
k
J K
K k
K
K
K k
C


Exercice
Soient les trois files dattentes suivantes:

1. Pour les 3 systmes, donnez :


a. Le nombre de clients total
b. Le temps de sjour/rponse.
2. Classez les 3 systmes en fonction
de leurs performances.
[ ]
2
1
2
2
1
2

+
= X E

/2
/2
21
Pour les autres lois
Les files M/GI/1 et GI/M/1
Si les lois de services ou des interarrives ne sont plus
exponentielles, le processus nest plus Markovien.
On considre alors une chane de Markov pris des
temps particulier.
T
1
T
2
T
3
T
4
T
5 S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
T
1
T
2
T
3
T
4
T
5 S
1
S
2
S
3
1
2
3
Nombre de
clients dans le
systme
temps
M/GI/1
GI/M/1
22
Formule de Pollaczeck-Kinchin (M/GI/1)
Le nombre moyen de clients dans une file M/GI/1


[ ]
( )

|
|

\
|
+
+ =
1 2
] [
) var(
1
2
2
Y E
Y
X E
Y est la variable alatoire
dcrivant le temps de
service (loi gnrale).
Approximation de file gnrale par des
lois exponentielle
On remplace les lois gnrales par des lois exponentielles en srie
ou en parallle.
Cela permet de se ramener une file dattente pour laquelle on sest
faire les calculs et de moyenne et de variance quelconque.
2 2

2
cv
2
= 1/2
Variance = 1/2
23
Exemple de processus plus volu :
processus ON-OFF
Application : le rseau
tlphonique
24
Loi de la dure dun appel tlphonique
La dure des appels suivent des lois exponentiel ( peu
prs)
En entreprise le taux doccupation aux heures charges
est environ de 0,2 erlang.
Pour les particuliers le taux doccupation est environ de
0,1 erlang.
Loi exponentiel
Distribution relle
temps
Densit de
distribution
Distribution de la dure dun appel tlphonique
Rseau de files dattente
25
Rseau de Jackson ouvert

p
11
p
25
p
50
p
40
p
30
p
01
p
02
+p
12
Rseau de Jackson ferm
Il y a un nombre fixe de clients dans le rseau
de files dattente.

Vous aimerez peut-être aussi