Modèles de

Performance
(Théorème de
Little)
Jules DEGILA

N . B . C e co u r s a é t é t i r é p r i n c i p a l e m e n t d u s u p p or t d e c o u r s
de B. Sanso
Contenu
• Modèles de performance
• Théorème de Little
• Chaînes de Markov
Introduction (1)
• Jusqu’à maintenant nous avons étudié les réseaux de communications dans
l’optique de leur fonctionnalité (quelles sont leur caractéristiques, quels sont les
protocoles pour les faire fonctionner, quels sont les défis au niveau du design ,
etc.).
• Aujourd’hui nous allons étudier les modèles mathématiques qui nous
permettent d’évaluer ou d’assurer la performance des réseaux de
télécommunications.
• Des nombreuses références existent pour cette partie de la matière. Entre autres
les livres de L. Kleinrock (Queueuing Networks, vol I et II) et le livre de D.
Bertsekas et R. Gallager (Data Networks, Prentice Hall editors, 1991), en
particulier le chapitre 3.
Introduction (2)
• Les images, le son, etc. sont transportés dans le réseaux comme des signaux
électriques.
• Ces signaux peuvent être altérés par du bruit
• Pour diminuer le bruit, on envoie l’information sous forme de bits
• L’information statique est convertie en fichier de bits
• Lorsque l’information est dynamique on a besoin d’une transmission continue de bits
à un taux donné (flot de bits)
• 1 page de texte nécessite d’app. 16 kbits
• Exemple: la voix nécessite de la transmission de 64000bits/sec.
• Un message de voix qui dure 30 secondes correspond à un fichier de 0.24 Mbytes
Types et classes de services
(1)
• Les usagers échangent donc des bits, dépendamment de l’application, on aura besoin
de diff. types de performance
• Les diff. types de performance donnent lieu aux classes de services
• Les services de communication peuvent être classifiés en synchrones et asynchrones.
• Un service synchrone de communication fournit un flot de bits avec un délai et un taux
d’erreur uniques
• Dans le cas de communication asynchrone, les fichiers de bits ou le flot de bits sont mis
en paquets. Chaque paquet peut subir un délai différent.
• Les services de communication asynchrone peuvent être divisés en deux grands
groupes: orientés ou non-orientés vers la connexion.
• Dans le premier cas les paquets arrivent en ordre, pas dans le deuxième cas.
Types et classes de services
(2)
• Chaque type de service est caractérisé par une mesure de performance ou
mesure de qualité de service.
• Exemples de mesures de QS : délai, taux d’erreur, sécurité de la connexion, etc.
• Nous allons nous concentrer sur le délai.
• Il existe plusieurs types de délai dans un lien:
• Délais de traitement.- Il s’agit du temps écoulé entre le moment un paquet est reçu par le noeud et le
moment auquel il est assigné à un canal de sortie.
• Délais d’attente.- Il s’agit du temps écoulé entre le moment où le paquet est assigné à un
tampon et le moment auquel le paquet est transmis.
• Délais de transmission.- C’est le temps écoulé entre la transmission du premier et du dernier
bit.
• Délais de propagation.- C’est le temps écoulé entre la transmission du dernier bit au noeud
émetteur et la réception de ce bit au noeud récepteur.
Points et Hypothèses
• Le délai de propagation dépend uniquement du milieu physique et il
est indépendant du trafic écoulé dans le lien.
• On considère que le délai de traitement est négligeable. Si cela
n’était pas le cas, il faudrait ajouter une autre file d’attente pour
modéliser la situation à l’intérieur du noeud.
• Nous allons donc nous concentrer sur les délais d’attente et de
transmission.
Capacité d’un lien
• Le lien de communication peut être vu comme un
tuyau à bit qui transmet un certain nombre de bits
par second. Ceci est la capacité de transmission du
lien.
• La capacité de transmission du lien dépend du lien
lui-même et de l’interface de transmission tel les
modems.
Multiplexage (1)
• Le multiplexage c’est le processus selon lequel plusieurs
usagers partagent un lien commun physique de
transmission. Les usagers peuvent avoir accès à une partie
ou même à toute la largeur de bande disponible à un
moment donné.
• Un multiplexeur est une “switch” qui possède une fonction
de multiplexage à l’entrée et de démultiplexage à la sortie
Multiplexage (2)
Multiplexage (3)
TDM
• Produit une transmission synchrone
• n entrées identiques, une sortie n fois plus rapide que
l’entrée
• Chaque n échantillons de sortie = 1 trame (« frame »)
TDM et la commutation de
circuits de voix
La voix atteint une fréquence d ’environs 4000Hz. On fait un
échantillonnage à 2*fmax, c-à-d 8000 fois/sec.
1 échantillon = mot de 8 bits
2^8 = 256 niveaux de « quantisation »
8 bits/échantillon * 8000 échantillons/sec = 64kbps
TDM et hiérarchie DS
• Il peut y avoir plusieurs niveaux de multiplexage. Ils ont été
standardisés.
Multiplexage statistique
Multiplexage et modélisation
(1)
• Dans le cas du multiplexage statistique les paquets arrivent dans le lien et sont
transmis en suivant une règle tel premier -arrivépremier- servi.
• Soit L la longueur du paquet et C la capacité de transmission du lien, alors
puisque toute la capacité est allouée à un paquet à la fois, nous avons que le
délai de transmission d’un paquet multiplexé statistiquement est:
délai de transmission= L/C
• Supposons maintenant du multiplexage dans le temps (TDM). Dans ce cas, le
canal de transmission est divisé en autant de parties qu’il y a des sources de
trafic. Soit m le nombre de sources, C la capacité totale du lien et L la longueur
du paquet, alors le délai de transmission du paquet est donné par:
délai de transmission= L/(C/m)=Lm/C
Multiplexage et modélisation
(2)
• Une situation semblable arrive avec FDM (multiplexage en
fréquence) selon laquelle lalargeur de bande W d’un canal est
divisée en en sous-canaux de largeur de bande W/m.
• Pourquoi utiliser TDM ou FDM plutôt que du multiplexage
statistique?
Deux raisons:
• Dépendamment des conditions, la variance du temps d’attente peut
être inférieure.
• Moins de délai de traitement car TDM ou FDM n’ont pas besoin
d’entêtes.
Modèles de files d’attente
Le modèle le plus simple qui soit est constitué d’un système dans lequel il y aura des clients qui
arrivent, un tampon, un serveur.
Théorème de Little
• le théorème de Little donne une formule générale pour calculer le nombre de
client dans un système ainsi que leur temps d’attente. En général nous voulons
estimer des valeurs tel le nombre moyen de clients dans le système ou la
moyenne de leur temps d’attente. Pour cela nous considérons des informations
connues tel le taux d’arrivée des clients et le taux de service du système.
• La formule de Little relie le nombre de clients dans un système avec le taux
d’arrivées et le temps passé dans le système. Intuitivement elle indique que des
systèmes avec beaucoup de clients ont des longs délais.
• La beauté de la formule de Little est qu’elle est simple et complètement
générale. Elle peut être appliquée à n’importe quel système ou sous-système en
autant que le système peut rejoindre l’état stable.
Développement Formule de
Little (1)
Développement Formule de
Little (2)
Développement Formule de
Little (3)
Développement Formule de
Little (4)
Soit ɣ(t) le temps total passé par tous les clients dans le système
(clients x sec.) dans l’intervalle (0, t). Alors le temps moyen par
client passé dans le système dans l’intervalle peut (0, t) être exprimé
par :
Développement Formule de
Little (5)
Développement Formule de
Little (6)
Alors

En moyenne le nombre de clients dans le système est égal au taux

d’arrivée multiplié par le temps passé en moyenne dans le système.
Développement Formule de
Little (7)
N.B.:
La formule de Little est indépendante des frontières du système.
Nous pouvons donc appliquer la formule de Little.
Développement Formule de
Little (8)

Évidemment, les valeurs de T et de N changeront en conséquence.

Applications du théorème de
Little (1)
Ex. 1:
Applications du théorème de
Little (2)
Ex. 2:
Applications du théorème de
Little (3)
Ex. 3:
Applications du théorème de
Little (4)
Applications du théorème de
Little (5)
Le système M/M/1
• Il s’agit d’un système ayant un seul serveur. Les clients arrivent suivant une distribution
de Poisson de taux ɣ et une distribution de probabilité de service de taux 1/µ
• La première lettre indique la nature du processus d’arrivée (M indique “memoryless”,
ce qui veut dire que les temps d’inter-arrivées sont distribués exponentiellement; G
indique une distribution générale et D une distribution déterministe).
• La deuxième lettre indique la nature de la distribution de la probabilité de service
• La troisième lettre indique le nombre de serveurs.
• Pour déduire les équations des systèmes M/M/1 il faut passer par les chaînes de
Markov.
• Voici la déduction des formules
Processus d’arrivée :
Poisson (1)
Processus d’arrivée :
Poisson (2)
Processus d’arrivée :
Poisson (3)
Processus d’arrivée :
Poisson (4)
Processus d’arrivée :
Poisson (5)
Temps de service
exponential (1)
Temps de service
exponential (2)
Les temps de services sont indépendants entre eux et indépendants des
temps d’arrivés

Pourquoi dit-on que la dist. exp. n’a pas de mémoire?

Le temps additionnel pour compléter un service est indépendant du temps du
début de service. De la même façon, le temps entre deux arrivées est
indépendant du moment où l’arrivée précédente a eu lieu.
Temps de service
exponential (3)
Temps de service
exponential (4)
Chaînes de Markov (1)
• Une importante conséquence de la propriété sans
mémoire est qu’elle permet l’analyse par chaîne de Markov.
• Soit la prob. d’avoir n clients au temps .
Pour avoir ces n clients, au temps t il fallait être à n+1, n ou
n-1.
Chaînes de Markov (2)
Chaînes de Markov (3)
Chaînes de Markov (4)
Chaînes de Markov (5)
Chaînes de Markov (6)
Chaînes de Markov (7)
Chaînes de Markov (8)
Chaînes de Markov (9)
Chaînes de Markov (10)
Chaînes de Markov (11)
Le temps moyen d’attente dans la file est le délai moyen moins le temps de
service.

Le nombre moyen de clients dans la file

Chaînes de Markov (12)
Chaînes de Markov (13)
Chaînes de Markov (14)
Chaînes de Markov (15)