Vous êtes sur la page 1sur 30

B.A.

Ferrif

4-Rseaux de files dattente

24/07/01

152

B.A. Ferrif

153

Prrequis et Objectifs
Ce que vous devez au minimum matriser pour aborder ce chapitre :

Probabilits : Concepts despace probabilisable et despace probabilis, de


variable alatoire, de moments dune variable alatoire, de dpendance et
dindpendance (en thorie des probabilits); la formule de Bayes. Les lois de
Bernoulli, exponentielle, de Poisson, ainsi que leurs principales
caractristiques. Les fonctions gnratrices.

Ce que vous devez matriser pour tirer pleinement profit de ce chapitre :


En plus des lments prcdents :

Informatique: des lments d'algorithmique et des lments de


programmation sous Mathematica ou sous un autre langage pour raliser les
simulations.

Analyse : Transformation de Fourier , en Z.

Probabilits : Les fonctions gnratrices.

Systmes stochastiques : Les processus de naissance et de disparition.

Ce que vous devez savoir faire la fin de cette leon :

Savoir reconnatre et utiliser les concepts de files d'attente et de rseaux de


files d'attente dans des cas simples.

Savoir modliser et simuler des problmes qui relvent de ces concepts.

24/07/01

B.A. Ferrif

154

Ce qui vous est propos dans ce chapitre :

Aborder les concepts gnraux,

Se familiariser avec la modlisation de files d'attente ou de rseaux de files


d'attente dans des cas simples

Sexercer sur des applications immdiates,

Rflchir sur des problmes concrets et de synthse,

Svaluer par tests de connaissance et de savoir-faire.

24/07/01

B.A. Ferrif

155

1-Systme files d'attente


1-1- Schma gnral
Un systme files d'attente est constitu :

d'un ensemble de clients pris dans une population donne (client est un mot
gnrique pour dsigner aussi bien un individu qu'une requte un systme
informatique ...),

d'un ensemble d'quipements de service (quipement de service = serveur


destin rpondre la demande du client).

d'un ensemble de files d'attente (si tous les serveurs sont occups lorsquun
client arrive, celui-ci doit rejoindre la ou les files d'attente).

1-2- Description des caractristiques d'un systme files d'attente (SAFA).


Parmi les lments qui permettent de caractriser un SAFA on trouve :

24/07/01

156

B.A. Ferrif

La population ou source : celle-ci peut tre finie ou infinie. Il est clair qu'une
population infinie est plus simple dcrire qu'une population finie en ce sens
que le nombre de clients dans le systme n'affecte pas le modle d'arrive
des clients dans ce dernier.

Le modle des arrives : La capacit d'un SAFA fournir un service un flot


de clients dpend non seulement du taux moyen des arrives mais galement
du modle de ces arrives. Ainsi supposons que les clients arrivent aux
instants

("k N )
*

0 < t0 < t1 < t2 < ... < tn < ... . Les variables alatoires Tk = tk - tk -1
appeles temps d'inter-arrive, seront usuellement supposes

indpendantes et quidistribues. Le modle de ces arrives sera donn par


la distribution de probabilit des temps d'inter-arrives. Un modle frquent
est le modle exponentiel; la densit de probabilit est alors d ( t) = l .e -l .t sur
R+ , o l

dsigne le taux moyen des arrives. On parle alors de modle

poissonnien. Les modles d'Erlang et hyperexponentiel sont galement


frquents (cf exercices).

La distribution de la dure des services :

Il est frquent que l'on utilise une distribution exponentielle car cette distribution
est "sans mmoire" [proprit de Markov : le temps moyen pour le client, pour
recevoir le service qu'il attend, est indpendant du service dj fourni par le
serveur].
Systmes multiserveurs distribution de service exponentielle :

24/07/01

157

B.A. Ferrif

Supposons le systme plusieurs serveurs identiques, chacun possdant


une distribution exponentielle de dure de service gale , et supposons de
plus qu' l'instant prsent, n serveurs soient occups. Dsignons alors par Ti
le temps pendant lequel le serveur i (i=1,..,n) va demeurer occup par le
service en cours. Il rsulte de la proprit de Markov que chaque variable
alatoire Ti a pour loi une loi exponentielle de paramtre . Si T dsigne la
dure s'coulant jusqu' l'achvement de la premire tche en cours, cette
dure est gale Min (T1 , T2 ,..., Tn ) ; il s'ensuit que la distribution de T est une
distribution exponentielle de paramtre n.m .

Fonction de rpartition du service alatoire :


Dans toute la thorie des files d'attente, la distribution de la dure des services
s'appelle le service alatoire et la fonction de rpartition est donne par :
W s ( t) = P ( s < t) = 1 - e

- m .t

= 1- e

t
Ws

o W s =

1
.
m

Capacit maximum d'un systme files d'attente :


Dans certains systmes, la capacit de la file d'attente est suppose infinie :
ainsi tout client arrivant dans le systme est autoris attendre jusqu' ce que
le service dsir puisse lui tre fourni.
Pour d'autres systmes, la capacit de la file d'attente est nulle: tout client
arrivant dans le systme alors que les serveurs sont occups est rejet (appel
tlphonique).
D'autres systmes enfin autorisent un nombre de clients fini K dans la file
d'attente.

24/07/01

158

B.A. Ferrif

Nombre de serveurs
Le systme le plus simple a un seul serveur, il ne peut servir qu'un seul client
la fois.
Un systme multiserveur a c serveurs habituellement indentiques , un tel
systme peut servir c clients simultanment.
Un systme est dit un nombre infini de serveurs si tout client pntrant dans
le systme est immdiatement trait.

Discipline de file d'attente ( ou discipline de service) :


Plusieurs rgles de slection existent pour slectionner le client traiter; les
plus courantes sont :


FIFO (first-in, first-out) encore dite FCFS (first-come, firstserved),

LCFS (last-come, first-served), encore dite LIFO (last-in, firstout),

RSS (random-selection-for-service), encore dite SIRO (servicein-random- order).

1-3- Notation de Kendall.


Cette notation est souvent utilise pour dcrire un systme files d'attente; elle
se prsente sous la forme suivante :
A/B/c/K/m/Z o :

A dsigne la distribution des temps entre deux arrives,

B dsigne la distribution des dures de service,

24/07/01

B.A. Ferrif

c le nombre de serveurs,

K la capacit du systme,

m la taille de la population,

Z la discipline de service.

159

Les symboles habituellement utiliss pour A et B sont :

 GI (general independent interarrival time),


 G (general service time),
 Hk (k-stage hyperexponential interarrival or service time distribution),
 Ek (Erlang-k interarrival or service time distribution),
 M (exponential interarrival or service time distribution),
 D (deterministic (constant) interarrival or service time distribution),
 U (uniform interarrival or service time distribution).

La notation abrge A/B/c est d'usage frquent; elle suppose: qu'il n'y a pas de
limite la longueur de la file d'attente, que l'ensemble des clients est infini et que
la discipline de file est FCFS.
Ainsi par file d'attente de type M/G/1 nous entendrons que les quations du
modle sont valables en gnral, donc par exemple pour un systme M/M/1.

1-4- Notations et dfinitions de base pour les systmes files d'attente.


Les notations suivantes sont courantes :

24/07/01

160

B.A. Ferrif
c

Nombre de serveurs identiques.

Nombre moyen de clients dans le systme l'quilibre L = E ( N ) .

Lq

Nombre moyen de clients dans la file d'attente l'quilibre,

( )

Lq = E N q .
Ls

Nombre moyen de clients recevant un service dans le systme


l'quilibre, Ls = E ( N s ) .

Taux moyen des arrives dans le systme.

Taux moyen de service par serveur.

N ( t)

Variable alatoire dcrivant le nombre de clients dans le systme

l'instant t.

Variable alatoire dcrivant le nombre de clients dans le systme


l'quilibre.

N q ( t)

Variable alatoire dcrivant le nombre de clients dans la file


d'attente l'instant t.

Nq

Variable alatoire dcrivant le nombre de clients dans la file


l'quilibre.

N s ( t)

Variable alatoire dcrivant le nombre de clients recevant un


service l'instant t.

Ns

Variable alatoire dcrivant le nombre de clients recevant un


service dans le systme l'quilibre.

pn ( t)

Probabilit de la prsence de n clients dans le systme l'instant

t.
pn

Probabilit de la prsence de n clients dans le systme l'tat


d'quilibre.

24/07/01

161

B.A. Ferrif

Variable alatoire dcrivant le temps pass par un client dans la file

d'attente (avant de recevoir un service).

l
E (N s )
=
.
cm
c

Utilisation de serveurs r =

Variable alatoire dcrivant le temps de service E ( s) =

Variable alatoire dcrivant le temps d'inter-arrive E(t ) =

Variable alatoire dcrivant le temps total qu'un client passe dans

1
.
m
1
.
l

le systme w = q + s .
Temps moyen pass par un client dans le systme l'quilibre

W = E (w) = Wq + Ws .
Temps moyen pass par un client dans la file d'attente l'quilibre

Wq

W q = E (q) = W - W s .
Temps moyen pass en traitement par un client dans le systme

Ws

l'quilibre W s = E ( s) .

1-5- Loi de Little


Dsignons par :
 L le nombre moyen de consommateurs dans le systme,
 W le temps moyen pass par un consommateur dans le systme,


l le taux moyen d'arrive dans le systme.

La loi de Little dit que , dans un systme en quilibre, L = lW .

24/07/01

162

B.A. Ferrif
Une autre version de ce rsultat est le :

Thorme de Little : Soit L(x) le nombre de consommateurs prsents dans le


systme l'instant x. Dfinissons :
L par L = Limt +

par

1 t
L( x ) dx ,
t 0

l = Limt +

N ( t)
o N ( t) est le nombre de consommateurs arrivant
t

dans le systme dans l'intervalle de temps [0,t],


dsignons par W i le temps pass dans le systme pour le i-me consommateur
et dfinissons le temps moyen pass dans le systme par W = Limn +

1 n
W .
n i =1 i

Si l et W existent et sont finis, il en est de mme de L et on a : L = lW .

2- Processus de naissance et de disparition considrs


comme systmes files d'attente.
Un grand nombre de systmes files d'attente se modlisent comme des
processus de naissance et de disparition. Dans ce cas l'interprtation est la
suivante : le systme sera dans l'tat n l'instant t si et seulement si le nombre
de consommateurs dans le systme est n, c'est--dire N ( t) = n . Une naissance
est l'arrive d'un consommateur, une disparition correspond au dpart d'un
consommateur aprs que celui-ci ait reu un traitement complet. Nous ne
considrerons que les SAFA l'tat d'quilibre.

24/07/01

163

B.A. Ferrif

Ainsi, tant donns lensemble {l n } des taux de naissances et lensemble {m n }


des taux de disparition, on sait que si on pose Pn ( t) = P ( X t = n ) et si pour tout n,
Pn ( t) = pn (cest--dire si Pn ( t) ne dpend pas de t) on a :
l
pn +1 = n . pn , n 0 soit
m n +1
l .l ...l
pn = 0 1 n -1 . p0
m1 .m 2 ...m n

l
p1 = 0 . p0 ,
m1

l
p2 = 1 . p1 ,
m2

n 1.

La probabilit que le systme soit dans l'tat e o est donne par

=1 .

n N

l .l ...l
On a donc p0 .1 + 0 + ... + 0 1 n -1 + .... = p0 .S = 1 ,
m1 .m 2 ...m n
m1

et l'quilibre statistique existe si S < + .

3- Etude dune file dattente de type M/M/1


3-1- Rappel de quelques notations et dfinitions de base pour les systmes
files d'attente.
L

Nombre moyen de clients dans le systme l'quilibre L = E ( N ) .

Lq

Nombre moyen de clients dans la file d'attente l'quilibre,

( )

Lq = E N q .
Ls

Nombre moyen de clients recevant un service dans le systme


l'quilibre, Ls = E ( N s ) .

24/07/01

Taux moyen des arrives dans le systme.

164

B.A. Ferrif

Taux moyen de service par serveur.

Variable alatoire dcrivant le nombre de clients dans le systme


l'quilibre.
Variable alatoire dcrivant le nombre de clients dans la file

Nq

l'quilibre.
Variable alatoire dcrivant le nombre de clients recevant un

Ns

service dans le systme l'quilibre.


Probabilit de la prsence de n clients dans le systme l'tat

pn

d'quilibre.

Utilisation de serveurs r =

l
E (N s )
=
.
cm
c

( c reprsente le nombre de serveurs identiques).


Temps moyen pass par un client dans le systme l'quilibre

W = E (w) = Wq + Ws .
Temps moyen pass par un client dans la file d'attente l'quilibre

Wq

W q = E (q) = W - W s .
Temps moyen pass en traitement par un client dans le systme

Ws

l'quilibre W s = E ( s) .

3-2- Caractristiques des systmes files d'attente de type M/M/1


Dans un systme de type M/M/1 :

le modle des arrives est poissonien; si nous dsignons par l le taux des
arrives , il est indpendant du nombre de consommateurs dans le systme,

24/07/01

165

B.A. Ferrif

le temps de service est exponentiel de moyenne m ; cette moyenne est

indpendante du nombre de consommateurs dans le systme.

le nombre de serveurs est gal 1.

Les caractristiques les plus utilises des systmes files d'attente de type
M/M/1 sont donnes par le thorme suivant :

T h o r m e : Un systme files d'attente de type M/M/1 possde les


caractristiques suivantes:

r = lW s ;
pn = P ( N = n ) = (1 - r) r n , n=0,1,2, ... ;
P (N n) = rn , n N ;
L = E ( N ) = lW =

r2
E (N q ) =
1- r
s N2 =

r
;
(1 - r) 2

r2
Lq = lW q =
1- r
s

2
Nq

r 2 (1 + r - r 2 )
;
(1 - r) 2

W = E (w) =

Wq =

r
1- r

rW s
1- r

24/07/01

Ws
1- r
.

166

B.A. Ferrif

 On sait, par dfinition dun processus de Poisson, que la probabilit pour quun
unique vnement se produise dans un intervalle de longueur h est donne par

l .h + o( h ) .
Nous avons donc ici "n N * , l n = l .
Quand un client reoit un service, la probabilit que ce dernier soit termin dans
un intervalle de temps de longueur h est donne par
"n N * , m n = m . Comme r =

m .h + o( h ) et on a

l
, on a :
m

l
l .l ...l
ln
l
1
1 + 0 + ... + 0 1 n -1 + ... = 1 + + ... + n + ... = 1 + r + r 2 + ... + r n + ... =
1- r
m
m
m1
m1 .m 2 ...m n

Il en rsulte :
"n N , pn = P ( N = n ) = (1 - r).r n .
+

De plus P ( N n ) = (1 - r)r i , n N ; il s'ensuit :


i=n

1 - r) r n
(
P ( N n ) = (1 - r)r = r =
= rn
(1 - r)
i=n
i=0
+

La loi PN de N est donc une loi gomtrique de paramtres p = 1 - r , q = r , donc


de moyenne : E ( N ) =

q
r
r
q
et de variance s N2 = 2 =
=
.
p (1 - r)
p
(1 - r)2

Il en rsulte que L = E ( N ) =

Comme W s =

L
Ws
l
.
, la loi de Little permet dcrire W = E ( w ) = =
r
l 1- r

W q = E (q) = W - W s =

24/07/01

r
.
(1 - r)

r.W s
.
1- r

167

B.A. Ferrif
En appliquant la loi de Little on obtient :

( )

Lq = E N q

r2
.
= l .W q =
1- r

La probabilit que le serveur soit occup est : 1 - P ( N = 0) = 1 - (1 - r) = r .


Loi de N q :
On a :

P N q = 0 = P ( N = 0) + P ( N = 1) = (1 - r) + (1 - r).r
et

"n N * , P N q = n = P ( N = n + 1) = (1 - r).r n +1
La

fonction

gnratrice
+

(transforme

en

Z)

de

Nq

est

GN q ( z) = E ( z x ) = P N q = i .z i = (1 - r) + (1 - r).r + (1 - r).r i +1 .z i
i=0

i=0

= 1 - r + (1 - r).r r i .z i = 1 - r 2 +
2

i=0

(1 - r).r
1 - r.z

Il s'ensuit que
1 - r).r (1 - r).r 2
d
d
(
2
G ( z) = 1 - r +
=
dz
dz N q
1 - r.z (1 - r.z) 2
et comme

( )

E N q = Lim
z 1

( )

E N q = Lim
z 1

d
G ( z) ,
dz N q

on a :

d
(1 - r).r2 = r2
GN q ( z) = Lim
z 1
dz
(1 - r.z)2 1 - r
2

Comme on sait que s

2
Nq

r 2 (1 + r - r 2 )
(1 - r) 2

24/07/01

2
Nq

d
d2
d

= 2 GN q (1) + GN q (1) - GN q (1) , on obtient :


dz

dz
dz

donc

168

B.A. Ferrif
On montre galement que :

T h o r m e - Un systme files d'attente de type M/M/1 possde les


caractristiques suivantes:

E Nq Nq > 0 =

r
1- r

Var N q N q > 0 =

r
(1 - r) 2

-t
W ( t) = P ( w t) = 1 - exp
W
-t
P ( w > t) = exp .
W

s w2 = W 2
-t
W q ( t) = P (q t) = 1 - r exp
W
-t
P (q > t) = r exp .
W

2
q

2 - r) rW s2
(
=
(1 - r)2

 La dmonstration est laisse au lecteur amateur d'analyse 

4 - Rseaux de files dattente

4-1- Rseaux commutation de paquets


Un rseau commutation de paquets Internet par exemple transporte des
blocs de symboles binaires. Pour transporter les paquets mis par un utilisateur,

24/07/01

B.A. Ferrif

169

le rseau utilise une route constitue dune suite de canaux de transmission


reliant la source la destination. Entre deux canaux successifs sont situs des
commutateurs munis de mmoires, les nuds du rseau. Un canal donn
apparat dans plusieurs routes. Le commutateur en amont dun canal sert
mettre en attente les paquets qui ne peuvent pas tre mis immdiatement. Un
tel rseau peut donc tre vu comme un rseau de files dattente.

4-2- Systmes informatiques


Les systmes informatiques peuvent frquemment simaginer comme des
rseaux de files dattente. Ainsi par exemple dans un Personal Computer on
trouve la mmoire principale, la mmoire virtuelle et aussi les mmoires et
caches dentre sortie, de priphriques dentre sortie, l'unit centrale, ; il
peut y avoir une file dattente associe chacune de ces ressources. Nous
supposerons dans la suite que les ressources sont interconnectes. Ainsi la sortie
dune file dattente peut tre considre comme lentre dune autre file dattente.
Trs peu de rsultats sont accessibles directement de manire analytique.
Heureusement ,il existe quelques modles de rseaux de files dattente qui
permettent de modliser les systmes informatiques.

Un rseau de files dattentes est ouvert si les clients arrivent de lextrieur,


sont traits par le systme et en repartent.
Dans un rseau de files dattentes ferm un nombre fini de clients circulent
indfiniment dans le systme. (Ce modle convient bien aux systmes de
maintenance).
Il existe bien entendu des rseaux de files dattente mixtes.

24/07/01

170

B.A. Ferrif
Nous dsignerons par :
-

K le nombre de nuds (centres de service) du rseau ;

Sk le temps moyen de service par visite au centre k ;

Vk le nombre moyen de visites dun client au centre k ,

Dk = Vk * S k la demande de service totale au centre k pour un client (en units de


temps de service).
Si le systme a une capacit de traitement moyenne (on dit galement un dbit
moyen) l alors on a la relation Vk =

lk
qui porte souvent le nom de loi du flux
l

forc.
Un des concepts fondamentaux quand on tudie un systme informatique est le
concept de saturation. Par systme satur on entend un systme dont lune au
moins des ressources est sature. Ressource ou serveur sont dit saturs
lorsquils fonctionnent 100%. Il est clair que la saturation est dpendante de la
demande. Il faut noter que suivant la nature de la charge de travail, la nature de la
saturation est modifie. Ainsi pour les traitements en calcul scientifique la
saturation provient gnralement du CPU et pour les traitements de gestion elle
se situe en gnral au niveau des entres sorties.

4-3- Les Rseaux de Jackson.


Les rseaux de Jackson sont dcrits dans le thorme suivant :

Thorme de Jackson :
Soit un rseau de files dattente form de k nuds satisfaisant les conditions
suivantes:

24/07/01

171

B.A. Ferrif

1) Chaque nud k consiste en ck serveurs ou ressources identiques de loi


exponentielle, de taux moyen de service m k pour chacun deux;
2) Le modle des arrives des clients qui viennent de lextrieur au nud k du
systme est poissonnien avec un taux moyen des arrives l k . Les clients
arrivent galement au nud k partir des autres nuds travers le rseau.
3) Une fois servi au nud k, un client va instantanment au nud j (j=1, 2, ,m)
K

avec la probabilit pkj ; ou quitte le rseau avec la probabilit 1 - pkj .


j =1

Alors pour chaque nud k, le taux moyen L k des arrives au nud k est donn par
K

L k = l k + p jk .L j .
j =1

De plus, si nous posons p( n1, n 2 ,.., n K ) pour dsigner le fait qu lquilibre la


probabilit pour quil y ait n k clients au kme nud pour k = 1, 2, .K , et si de plus
L k < c k .m k pour k = 1, 2, .K alors p( n1, n 2 ,.., n K ) = p1 ( n1 ) p2 ( n 2 )... pK ( n K ) o pk ( n k ) est
la probabilit pour qu lquilibre il y ait n k clients au kme nud sil est trait comme
une M/M/ ck file dattente de taux moyen darrive L k et de temps moyen de service
1 / m k pour chacun des ck serveurs.
De plus chaque nud k se comporte comme sil tait un systme files dattente
indpendant de type M/M/ ck de taux moyen darrive L k .

4-4- Test
On considre le systme boucl de type M/M/1 (dans la notation de Kendall abrge)
suivant :

4/07/02

172

B.A. Ferrif

Bouclage

q=1-p

Serveur
File

d'attente
1/m

Entre

p
Sortie

Ce systme reprsente, par exemple, une installation qui reoit des messages
(entre) et les oriente vers une destination approprie (sortie). Lorsque le
message arrive destination, un accus de rception parvient au systme et lui
indique si la transmission est correcte (en utilisant un code dtecteur d'erreur). Si
la transmission n'a pas t correcte, ce qui arrive avec une probabilit q=1-p, il
est ncessaire de retransmettre le message donc de le renvoyer au serveur
(bouclage) ; le message est transmis correctement avec la probabilit p.
L'intensit des arrives sur le serveur par l'entre est note l , l'intensit des
arrives sur le serveur (entre + bouclage) est note L.
Le temps moyen de service du serveur est 1 / m

Application numrique :
-

On pose l = 4 messages par seconde,

Le temps moyen pass dans le serveur est W s = 0, 22 seconde,

La probabilit qu'un message soit transmis correctement est p=0,99.

1- Trouver l'intensit L.

24/07/01

B.A. Ferrif

173

2- Trouver le niveau d'utilisation r du serveur.


3- Trouver le nombre moyen L de messages dans le systme.
4- Trouver le temps moyen W pass par un message dans le systme.

4-5- Modle du serveur central


Ce rseau de files dattente est utilis pour modliser certains systmes
informatiques multiprogrammation. Il apporte, en particulier, des rponses
certaines questions concernant lutilisation de la mmoire centrale du calculateur.
Un systme informatique multiprogramm est caractris par un ensemble de K
ressources interconnectes (units centrales, disques, units dentre sortie
etc..) et par un ensemble de programmes qui doivent recevoir certains services
de ces ressources lors de leur excution. Ainsi, par exemple, un programme peut
avoir besoin dun service de lunit centrale (excution de lignes de code sans
accs mmoire), puis dun service de lun des disques, puis nouveau de lunit
centraleChaque ressource doit traiter un flux de demandes de services
manant des divers programmes en cours de traitement. Si plusieurs
programmes demandent la mme ressource un instant donn, un mcanisme
de file dattente est activ.
Nous allons nous intresser un rseau ferm (cf. schma). Le serveur central
est lunit centrale (le CPU). On dispose de K-1 ressources dentre-sortie de
taux moyen de service m k (k = 2, .K) et de discipline de file dattente FCFS. Le
nombre de programmes en circulation sera fix gal N. Un programme sera
considr comme tant une entit (certains disent un jeton) circulant
interminablement dans le systme. lissue dun traitement complet dans le

24/07/01

174

B.A. Ferrif

serveur central (CPU) un programme peut retourner dans la file dattente du


serveur central avec une probabilit p1 ou dans la file dattente de lune des E/S
avec la probabilit p k

(k = 2, .K). Aprs passage dans la ressource, il retourne

dans le serveur central pour un nouveau traitement


Les algorithmes ci-dessous permettent danalyser en valeur moyenne lvolution
du systme.

Algorithme 1.
On considre le systme serveur central schmatis ci-dessous. On suppose
donne la valeur D k pour chaque nud k ainsi que le niveau de
multiprogrammation N. Nous pouvons mesurer les performances du systme
par :
1re tape (Initialisation) : Lk [0] = 0 , k = 1, 2, .K .

2me tape (Calcul) : Pour n = 1, 2, .N calculer :


W k [ n ] = Dk (1 + Lk [ n - 1]) , k = 1, 2, .K ;
K

W [n] = Wk [n] ;
k =1

l[n] =

n
;
W [n]

Lk [ n ] = l[ n ]W k [ n ] , k = 1, 2, .K .

3me tape (Mesure de performance) :Temps de rponse


W = W [N ] ,
Dbit

24/07/01

175

B.A. Ferrif

l = l[N ]
Utilisation des serveurs

rk = lDk , k = 1, 2, .K .

Algorithme 2.
On considre le systme serveur central schmatis ci-dessous. Lalgorithme 2
permet de construire les paramtres ncessaires lutilisation de lalgorithme 1.

1re tape (Initialisation) : Fixons le taux de visite V1 pour lunit CPU :


V1 =

1
p1

2me tape (Calcul) : Pour k = 2, .K calculer :


Vk = pkV1 ,

3me tape (Calcul de Dk) :

Dk = Vk Sk , k = 1, 2, .K .

4-6- Schma dun modle du serveur central

24/07/01

176

B.A. Ferrif

N programmes en circulation

p2

p3

CPU
p1

Nouveau programme
pk-1

pK

K-1

Organes d'entre-sortie

Modlisation et Simulation

4-7- Test
Un ingnieur de la socit NetSouris est charg de raliser ltude de
performance dun systme informatique architectur autour dune unit centrale
(nud 1), dune unit dentre-sortie (nud 2) et dun niveau de
multiprogrammation N=2. La demande D1 est estime 0,4 s ; la demande D 2 est
estime 0,4 s et les modles de chacun des deux temps de service sont des
modles exponentiels.
Le cahier des charges prvoit la fourniture de :
1) Lk [n] pour k=1,2 et n= 0, 1, 2 ;

24/07/01

B.A. Ferrif

177

2) Lk pour k=1,2 ;
3) Wk[n] pour k=1,2 et n= 1, 2 ;
4) W[n] , pour n= 1, 2 ;
5) rk = rk [2] pour k=1,..,2 ;
6) l = l[2] ,
performances quil est demand de chercher.

4-8- Etude et simulation


Il est demand dtudier le modle de Jackson, puis de concevoir et
dimplmenter un simulateur crit en Mathematica permettant de mesurer les
performances dun systme serveur central.
Donnes qui seront fournies :
1) Le niveau de multiprogrammation N,
2) La demande de service total Dk (unit de mesure : la seconde).
Le simulateur MVA doit retourner :
1) Le temps de rponse moyen du systme W=W[N],
2) La capacit de traitement l = l[ N ] ,
3) Les rk pour k=1,..,K ,
4) Les Lk pour k=1,..,K .

24/07/01

178

B.A. Ferrif
4-9- Exercice : Un systme file d'attente

Des clients se prsentent un guichet tenu par un seul serveur. On fait, sur le
systme, les hypothses suivantes:
H1) Arrive des clients : les clients peuvent se prsenter au guichet aux
seuls instants t = 0, 1, ..., n, ...
A chaque valeur entire du temps, la probabilit pour quun client se
prsente au guichet est

a (0 < a < 1) .

On suppose, de plus, que la

probabilit pour que deux clients au moins se prsentent au mme instant


est nulle.
La population est suppose infinie.
H2) Dure de service et comportement du serveur : les dures des
services effectus sont des variables alatoires entires ( valeurs dans
N * ) indpendantes, de mme loi caractrise par la proprit suivante :
tant quun client est pris en charge, chaque valeur entire du temps, la
probabilit pour que le service se termine est b (0 < b < 1) . Dsignons par
S la variable alatoire reprsentant la dure d'un service.
Ds que le serveur est libre, il prend en charge le premier client de la file dattente
; lorsquil ny a pas de file dattente, il attend larrive du premier client suivant et
le prend immdiatement en charge.
H3) Comportement des clients : ils se placent dans la file dattente selon
lordre darrive et acceptent dattendre quel que soit leur rang.
La capacit de la file dattente est infinie.

24/07/01

179

B.A. Ferrif

Quelle est la loi de probabilit de la dure dun service et quelle est son
esprance mathmatique?

Quelle est la loi de probabilit de lintervalle de temps sparant deux arrives


conscutives et quelle est son esprance mathmatique?

Le systme risque-t-il de sengorger (en dautres termes la file dattente peutelle devenir infinie)?

A chaque instant t , ltat du systme constitu par les clients en attente , ou se


faisant servir, est caractris par leur nombre Q ( t) .
Les changements dtat du systme ne peuvent se produire quaux valeurs
entires du temps ; par consquent, ltat du systme reste le mme sur tout
intervalle ouvert

] n - 1, n [

; on le note Q ( n _ ) et on parlera abusivement de

linstant ( n _ ) .

Dterminer la matrice de transition T du systme, cest--dire la matrice des


probabilits conditionnelles des tats linstant
linstant

(n + 1_) connaissant ltat

(n _) . On pose pi, j (n) = P (Q(n + 1 _) = j Q(n _) = i) .

Quelle est la distribution stationnaire p = (p 0 ,p1,p 2 ,....,p i ,....) ?

Quel est, en rgime stationnaire, le nombre moyen de clients se trouvant dans


le systme ?

Quel est, en rgime stationnaire, le nombre moyen de clients se trouvant dans


la file dattente ?

24/07/01

B.A. Ferrif

180

Quel est, en rgime stationnaire, le temps moyen pass dans la file dattente
par un client ?

5- ETUDE ASSISTEE PAR ORDINATEUR

On se trouve confront au problme suivant :


Dans une station-service o les automobilistes arrivent suivant un processus de
Poisson non-homogne dintensit l (t ) , l 0 , il y a un seul pompiste. Lorsquun
automobiliste arrive, il est servi immdiatement par celui-ci sil est libre, dans le
cas contraire, il gagne la file dattente. Lorsque le pompiste a termin un service
en cours, il traite le client qui a attendu le plus longtemps dans la file, sil y a un
client ; sil ny a pas de client, le pompiste devient libre jusqu larrive du
prochain vhicule. La dure du service dun client est une variable alatoire de loi
G. De plus, en fin de journe aprs lheure T aucun automobiliste nest admis
dans la station ; les clients se trouvant dj dans le systme seront servis. Nous
souhaitons matriser deux lments :
-Le temps moyen pass par un client dans le systme (afin de savoir sil y a un
intrt avoir un second pompiste) ;
-Lheure moyenne de dpart du dernier client, en dautres termes lheure de
dpart du pompiste.
Lobjet du travail est dtudier ce problme, den dcrire un modle, de spcifier le
logiciel permettant de le simuler et dobtenir la rponse aux questions poses et

24/07/01

B.A. Ferrif

181

ventuellement dautres qui nont pas t explicites. Le test de validation sera


fait en prenant pour loi G une loi exponentielle.

24/07/01