Académique Documents
Professionnel Documents
Culture Documents
Eric Thierry
data data
t t
Systme
A(t) B(t)
l'instant t l'instant t
data data
t t
Systme
A(t) B(t)
data
N
ou
R continu ou pas
temps
N ou R
data
temps
N
data
temps
R
data
temps
R
0 s t, A(t) A(s) (t s)
. xemple : (t) = + t, , 0.
E
data
(t)
A(t)
0 s t, A(t) A(s) (t s)
.Exemple : (t) = + t, , 0.
data
(t)
A(t)
t
s
0 s t, A(t) A(s) (t s)
.Exemple : (t) = + t, , 0.
data
(t)
A(t)
t
s
0 s t, A(t) A(s) (t s)
.Exemple : (t) = + t, , 0.
data
(t)
A(t)
t
s
A(t) B(t)
Controleur
. .
A(t) B(t)
. .
T T
+ +
T T
simple =stri
t simple stri
t
. .
3
4
FIFO BLIND
2
1 2 FIFO
BLIND FIFO 5
1
3 4
Exemples de questions :
Quel est le delai maximum de bout en bout dun paquet du flux 2 ?
Quel est la taille maximum du buffer au niveau du serveur 5 ?
h(, )
A(t) (A )(t)
v(, )
B(t) (A )(t)
t t
Courbes de tra
Contraintes
A(t) B(t)
Theoreme
Un flux contraint par qui traverse un systeme de service minimum
ressort contraint par .
. .
Serveur
. .
. .
Serveur
. .
r=3
r=3 R=7 rT = 15
se
se
se
T =5
. .
Theoreme (Tandem)
La concatenation de deux serveurs de services minimum resp. 1 et 2
offre un service minimum 1 2 au flux.
1 2
2
1 2
BLIND BLIND
1 3 4
BLIND BLIND
2 2 (1 3 )+
1 2
BLIND BLIND
3 (1 2 )+
1 3 4
BLIND BLIND
2 2 (1 3 )+
1 2
BLIND BLIND
3 (1 2 )+
1 3 4
1 3
BLIND BLIND
2 2 (1 3 )+
1 2
BLIND BLIND
(3 (1 2 )+ ) (4 1 3 )+
3 (1 2 )+
1 3 4 (1 3 ) (4 3 (1 2 )+ )+
1 3
BLIND BLIND
2 2 (1 3 )+
1 2
BLIND BLIND
(3 (1 2 )+ ) (4 1 3 )+
3 (1 2 )+
1 3 4 (1 3 ) (4 3 (1 2 )+ )+
1 3
BLIND BLIND
Interet :
Formule algorithme.
Possibilite de calcul formel.
Informations qualitatives et pas uniquement quantitatives.
Limites ?
BLIND : scenarios simples dont bornes precises apparemment pas
exprimables par formules simples [Schmitt et al, 2008].
FIFO : difficultes davoir des bornes precises autres outils &
operateurs [Lenzini et al, 2008] & [Le Boudec, Rizzo, 2008].
. .
Commentaire :
Meme operations elementaires comme ou .
Des systemes avec souvent B = A plutot que B A, et
parfois (max, +) au lieu de (min, +).
Travail plutot directement sur les courbes de traffic que sur les
contraintes (courbes darrivee et de service).
Moins la problematique de flux pouvant saggreger a des nuds.
Cal
ul des
Un problme Question de
oprations
de routage stabilit
lmentaires
. .
Definition
Soient f , g de X dans R {, +} ou X = N ou R+ ,
min(f , g )(t) = min(f (t), g (t)).
max(f , g )(t) = max(f (t), g (t)).
(f + g )(t) = f (t) + g (t).
(f g )(t) = f (t) g (t).
(f g )(t) = inf 0st (f (s) + g (t s)) (Convolution).
(f g )(t) = sups0 (f (t + s) g (s)) (Deconvolution).
f (t) = inf(f (0) , f (1) , f (2) , f (3) , . . .) (Cloture sous-additive)
ou f (0) (t) = 0 si t = 0 and = + si t > 0,
et f (k) = f| {z
f} pour k 1.
k fois
. .
. .
c
c
T T
d d
ane ultimement ane pseudo-priodique ultimement
pseudo-priodique
+ + + +
T T
fran
he pas fran
he pas fran
he
,
min, max min, max
, sub. clos. ,
sub. clos.
+, franch.ult.affine franch.ult.ps.-period. +,
F [Q+ , R] F [Q+ , R]
+, +,
franch.ult.affine sub. clos. franch.ult.ps.-period. min, max
min, max ,
, F [Q+ , Q] F [Q+ , Q]
sub. clos.
modele discret
+, +,
min, max franch.ult.affine sub. clos. franch.ult.ps.-period. min, max
, NR NR ,
sub. clos.
6 8
4
=
3 3
4
1 1
0 0
f g
. .
x+y
y
x
a b c d a+c b+c b+d
ou
a+d
. .
g3
f3
g2
f2 =
f1 g1
f g f g
. .
0 1 2 3 4 5 6 7 8 9 10 11
0 1 2 3 4 5 6 7 8 9 10 11
0 1 2 3 4 5 6 7 8 9 10 11
0 1 2 3 4 5 6 7 8 9 10 11
f (1) f (2) f (T ) f (T + d 1)
1 2 T T+d1
0 0 0 0 0
Entrees:
le reseau sous forme dun graphe G = (V , A),
un service minimum v a chaque nud v ,
source x, destination y et courbe darrivee pour le flux a router.
courbes affines par morceaux, arrivee concave, services v convexe.
Entrees:
le reseau sous forme dun graphe G = (V , A),
un service minimum v a chaque nud v ,
source x, destination y et courbe darrivee pour le flux a router.
courbes affines par morceaux, arrivee concave, services v convexe.
. .
Classi
al
v (t) = Shortest Path
(min )
Tv Tv 1 ... Tv
Bottlene
k
v (t) = Rv min(Rv1 , , Rv ) Shortest Path
(max min)
. .
S bande de pente
vsize(S) v (, ) width(S)
h, )
hsize(S)
I(, )
Theoreme
Si concave et convexe, alors
sup{ 1 (z)1 (z)} = inf {hsize(S) | I(, ) S bande de pente }.
z0 C
a2
2 b3
a1
b2
1
b1
2
1
`
X
inf{hsize(S) | I (, ) S, S bande de pente } = proj ()+ (proj (vi ))+
i=1
Algorithme :
1 Pour toute pente du modele, remplacer v par (proj (v ))+ et
calculer plus court chemin classique dans le graphe.
2 Minimum des valeurs calculees pour ces pentes .
1 2 FIFO
FIFO FIFO 5
1
3 4
2 8
3 7
4 6
4
. .
Theoreme (Andrews,2000)
Il existe un modele (reseau+traffic) instable de facteur dutilisation
= 1 3 109 .
Noeud FIFO
Lgende : Flux
Source Sortie
Theoreme (Andrews,2007)
Pour tout r > 0, il existe un modele (reseau+traffic) instable de facteur
dutilisation < r .
Algorithmique du Network Calculus 9eme Atelier Evaluation de Performances
Stabilite : a ce jour
Algbre
Gomtrie Thorie des
(min,+) graphes
algorithmique
Algbre Optimisation
linaire
onvexe
Automatisation de lanalyse.
Precision des bornes.
Introduction de nouveaux operateurs/algorithmes, au dela des
operations (min, +) elementaires.
Network Calculus
J.-Y. Le Boudec & P. Thiran, Network Calculus: A Theory of
Deterministic Queuing Systems for the Internet, LNCS 2050,
Springer (2001).
C.-S. Chang, Performance Guarantees in Communication Networks,
TNCS, Springer (2000).
Max Plus Theory
MaxPlus Algebra Home Page
(www-rocq.inria.fr/MaxplusOrg/).
Adversarial Queuing Theory
Bibliographie de Matthew Andrews, Bell Labs.