Performance Et Dimensionnement Des Resea

Présentation Description des files d’attente Formalisme des files d’attente Relation F.A.
/Réseaux Processus de Poisson Processus de Markov
Performance et Dimensionnement des Réseaux
Kinda Khawam
Université de Versailles - UVSQ
2013-2014
Introduction 1/103
Présentation Description des files d’attente Formalisme des files d’attente Relation F.A./Réseaux Processus de Poisson Processus de Markov
Structure générale du cours
Plan
Introduction, classification et motivations.

Processus stochastiques : Poisson, naissance et mort . . . .
Théorie élémentaire des files d’attente.
Processus et chaînes de Markov.
Étude avancée des files d’attente.
Réseaux de files d’attente.
Introduction 2/103
Structure générale du cours
Étude des performances des réseaux
Application aux réseaux :

Modélisation d’un réseau ou d’une technique de communication.
Calcul de performance (Niveaux 2, 3).
Dimensionnement (circuits et données).
Métrologie et estimation.
Introduction 3/103
Phénomène d’attente
1 Expérience quotidienne d’attente :

Clients devant la caisse d’un supermarché.
Voitures au feu d’un carrefour.
...
2 L’attente dans les domaines de l’informatique et des télécoms :
Requêtes à une base de données attendant d’être servies.
Processus se partageant l’unité centrale d’un ordinateur.
Paquets arrivant dans le buffer d’un routeur en attendant d’être
acheminés vers la bonne destination.
Trames Ethernet accédant au médium.
Introduction 4/103
Pourquoi attend-t-on ?
Quelles sont les causes de l’attente ?

1 Plusieurs "clients" se partagent le même service. Pendant que les
uns occupent les serveurs, les autres sont en train d’attendre leur
tour.
2 L’aléa régissant l’arrivée de ces clients au système.
3 Service offert à capacité finie ⇒ Temps de service > 0 ⇒
Phénomène d’attente.
N.B. on peut déjà distinguer deux types d’attente : l’attente avant
d’être servi et le temps écoulé pendant le service.
4 Que fait-on dans une file d’attente à part attendre ? On peut
simplement ne pas trouver de place dans le système (perte) ; Il y
a perte quand le sytème est bloqué (il ne peut plus accepter de
clients).
Introduction 5/103
Pourquoi étudier les files d’attente ?
1 Modéliser le comportement des sytèmes à attente et essayer de

tirer des conclusions concernant leur comportement probabiliste.
(temps d’attente, nombre de client, etc.)
2 Appliquer ces modèles à des système réels pour comprendre et
évaluer leur fonctionnement.
3 Répondre à des questions de dimensionnement :
ex. combien de caisses faudrait-il aménager dans un
supermarché pour garantir un "bon" service pour les clients, mais
surtout une bonne rentabilité.
Introduction 6/103
Éléments d’une file d’attente - Nomenclature
1 Un ou plusieurs serveurs : c’est l’entité qui effectue le service.

(ex. la caisse du supermarché, le processeur)
2 Une ou plusieurs queues (ou files ou salles d’attente).
3 Les clients : ce sont les entités susceptibles de visiter la file et de
demander un service.
Les trois éléments précédents constituent une file d’attente. C’est la
caractérisation de ces éléments qui fournira une description complète
de la file d’attente.
Introduction 7/103
Caractérisation d’une file d’attente
Les 6 objets suivants, décrivant clients, serveur(s) et file(s), détermine

entièrement une file d’attente :
1 Un processus d’arrivée A décrivant l’évolution des arrivées des
clients.
2 Un processus de service B décrivant l’évolution des durées des
services demandés par les clients.
3 le nombre de serveurs m.
4 La taille de la queue K.
5 La population des clients M
6 Une discipline de service e, c’est à dire une politique
d’attribution des serveurs aux clients
Notation de Kendall : A/B/m/K + m/M/e
Introduction 8/103
Processus d’arrivée, A
Définition
Le processus d’arrivée A, décrit les interarrivées des clients en terme
de distribution de probabilité.
A(s) = P[interrarivée(t) ≤ s]
1 Dans le cas le plus général : A(s) dépend du temps et les arrivées

peuvent être dépendantes entre elles.
2 Dans le cas multiclasse, plusieurs processus d’arrivée sont mis
en jeu.
3 Les distributions usuelles :
Exponentielle : M. Hyperexponentielle : H. Erlang : Ek .
Déterministe : D
Généralement les interarrivées sont supposées i.i.d. (GI)
Processus de service, B
Définition
Le processus de service B, décrit les temps de service des clients en
terme de distribution de probabilité.
B(s) = P[temps de service(t) ≤ s]
1 Dans le cas le plus général : B(s) dépend du temps et les temps

de service peuvent être dépendants entre eux.
2 Dans le cas multiclasse ou/et multiserveur, plusieurs processus
de service existent.
3 Les distributions usuelles :
Exponentielle : M. Hyperexponentielle : H. Erlang : Ek .
Déterministe : D
Généralement les interarrivées sont supposées i.i.d. (GI)
Nombre de serveur, m
1 m est le nombre de serveurs en parallèle. C’est le nombre de

clients pouvant être traités simultanément.
ex : guichets du bureau de poste, stations service, . . .
2 Le client peut subir plusieurs traitements successifs. On parle de
serveurs en série ou en tandem.
3 Pour les serveurs en tandem, on parle plus généralement d’un
réseau de files d’attente.
Introduction 11/103
Taille de la queue, K
1 K est le nombre de clients pouvant être acceptés en salle d’attente

2 K prend des valeurs entières ∈ [0, ∞]
0 : Système sans possibilité d’attente. ex : les appels
téléphoniques sont soit admis dans le système soit rejetés.
K : c’est le cas de presque tous les systèmes réels à capacité de
stockage limitée (mémoire, clinique, etc.)
∞ : c’est un cas théorique où le système admet tous les clients
qui arrivent. Ce cas présente l’avantage de la simplicité des
calculs et peut être utilisé comme approximation
Introduction 12/103
Source de clients, M
1 La source qui génère les clients peut être finie ou infinie.

2 Source finie, ex : les machines d’une entreprise qui tombent en
panne. Le processus d’arrivée change en fonction du nombre de
clients dans le système.
3 Source infinie (M = ∞), ex : requête http sur un serveur web. Le
processus d’arrivée n’est pas affecté par le nombre de clients
dans le système.
Attention !
1 nombre fini de clients ; source finie
2 source infinie ; nombre infini de clients
3 source finie ⇔ le nombre de requêtes ne peut pas dépasser le
nombre de clients qui est fini.
Introduction 13/103
Discipline de servie, e
Une fois les clients mis en attente, le système va les servir en utilisant
un schéma appelé discipline de service. On distingue :
1 FCFS (de l’anglais first come first served) ou FIFO (de l’anglais
first in first out).
2 LCFS (de l’anglais last come first served) ou LIFO (de l’anglais
last in first out)
3 SIRO (de l’anglais service in random order)
4 SJF (de l’anglais shortest job first)
5 PS (de l’anglais processor sharing)
Introduction 14/103
Notation de Kendall, A/B/m/K + m/M/e
1 A quoi correspond la file M/M/1/K + 1/∞/FCFS ?

2 Pour faciliter les notations, on peut omettre certains éléments de
la notation quand ceux-ci ont une valeur par défaut :
la valeur par défaut de e est : FCFS
la valeur par défaut de K est : ∞
la valeur par défaut de M est : ∞
3 M/M/1 ⇔ M/M/1/∞/∞/FCFS
4 M/M/1//50// ⇔ M/M/1/∞/50/FCFS
5 Les 6 objets définissant une file d’attente peuvent être vus
comme les entrées ou les données du problème.
6 L’aspect aléatoire concerne les processus d’arrivée et de service
et éventuellement la politique de service (SIRO). Les autres
données sont fixées.
Introduction 15/103
But de la modélisation des F.A.

1 Description d’une file d’attente par un processus aléatoire :
Système à états évoluant dans le temps.
L’état du système à un instant t est en général le nombre de
clients X(t) qui s’y trouvent à cet instant.
2 En régime transitoire, calculer la distribution du processus :
P(X(t) = n) pour tout n et t.
3 En régime stationnaire, calculer P(X = n).
Tirer des grandeurs utiles et intuitives, en moyenne et si possible en
distribution.
1 Temps de séjour dans le système, W : c’est le temps que passe
s
un client dans le système.
2 Temps d’attente dans la queue (temps perdu), W : c’est le temps
q
que passe un client dans la file d’attente avant d’être servi.
3 Nombre de clients dans le système, N et dans la queue, N .
s q
Introduction 16/103
Autres formes de F.A.
Définition
Une file d’attente est dite multiclasse si les clients qui arrivent
appartiennent à des classes ayant chacune un processus d’arrivée et
de service différent.
1 On parle alors d’un ensemble de processus d’arrivée et de

service. A et B seront indexés par la classe
2 Ce type de file possède souvent plusieurs queues accueillant
chacune une classe de clients.
3 Ces files d’attente peuvent fonctionner avec des disciplines à
base de priorités.
Priorités préemptives ou non-préemptives.
Réseaux de paquets de données
Description des réseaux de données
1 Un réseau de paquets est un ensemble de noeuds, appelés

commutateurs, et de liens qui interconnectent les noeuds.
2 Chaque équipement terminal est connecté à un noeud du réseau,
appelé noeud d’accès du terminal.
3 Une connexion doit être établie, traversant un certain nombre de
noeuds, entre deux équipements terminaux qui veulent échanger
des données.
4 Les données sont encapsulées dans une structure de données
appelée paquet.
5 Les paquets peuvent suivre des chemins préétablis (mode
connecté) ou peuvent contenir eux même les infos nécessaires
pour être routés indépendamment les uns des autres (mode non
connecté).
Introduction 18/103
1 La fonction de déplacer un paquet d’un lien d’entrée vers un lien

de sortie est appelée commutation.
2 Pas de ressources dédiées pour chaque connexion. Transmission
asynchrone des paquets et multiplexage statistique.
Il y a donc possibilités que plusieurs paquets demandent à être
transmis sur le même lien.
3 Pour éviter les pertes, des buffers sont prévus dans les
commutateurs, ce qui crée bien sûr des attentes et éventuellement
des pertes quand la mémoire est saturée.
Introduction 19/103
Modélisation par file d’attente

1Un commutateur peut être vu comme une file d’attente, dont la
salle d’attente est le buffer.
2 Les paquets ne sont autres que les clients du système.
3 Le service est l’ensemble de fonctions requises pour transmettre
le paquet avec succès sur le lien (routage ou commutation,

encapsulation, transmission).
4 Il faut donc : caractériser le trafic (science du télétrafic) et
caractériser la capacité de service (vitesse de traitement, vitesse

de transmission).
Calcul de performance : utiliser le modèle de file d’attente pour
évaluer les performances d’un réseau donné. Les sorties sont les
paramètres de performance (différents délais, bande passante utile).
1 Connaissant la demande en trafic, calculer les ressources à
allouer pour avoir une certaine qualité de service (QoS)

2 Les modèles utilisés sont du type : M/M/1 ou M/M/1/K
Introduction 20/103
Réseau téléphonique
1 Mode circuit. Un circuit dédié par connexion.

2 Pas d’attente. Que des pertes.
3 Le problème que se pose l’opérateur de savoir le nombre de
circuit à installer dans une région pour garantir un taux de perte
au dessous d’un certain seuil.
4 Des modèles avec attente sont aussi utilisés dans les réseaux
téléphoniques dans un autre contexte. Quand un appel est
demandé, un dispositif appelé préselecteur prend en charge
l’appel et essaye de trouver un lien pour établir l’appel. Si tous
les préselecteurs sont occupés, un appel peut être mis en attente.
Par contre, si un préselecteur ne trouve pas un lien disponible,
l’appel est rejeté et le préselecteur libéré.
5 Les modèles utilisés sont du type : M/M/c ou M/M/c/K
Introduction 21/103
Réseau téléphonique
Distribution Exponentielle
C’est la distribution la plus simple à étudier. On parle alors du cas
Markovien (d’où le M dans la notation de Kendall).
Exo
Une v.a. est dite exponentiellement distribuée de paramètre λ si sa
densité s’écrit :
f (t) = ke−λ.t
1 Quelle doit-être la valeur de k ? Quelle est la fonction de

répartition de A ? Vérifier que A est sans mémoire.
2 Calculer la moyenne et la variance de A. En déduire le
coefficient de variation.
3 Démontrer que le minimum de n v.a. exponentielles
indépendantes en est une autre. Quel est son paramètre ?
Définition d’un processus de Poisson

Un processus de Poisson est un processus de comptage N(t)t≥0 à
temps continu qui compte les arrivées d’un certain événement.
N(t) est le nombre d’arrivées qui ont eu lieu entre 0 et t.
Les instants d’arrivée sont notées Ti , i = 0, ...∞.
Définition :
1 Processus de comptage simple. Pas
N(t)
d’arrivées simultanées.
3
2 Processus de comptage à
2
accroissements indépendants :
1
0 ∀0 ≤ t0 < t1 < ... < tn , les v.a.
T 0 =0 T1 T2 T3 T4 t
N(ti + 1) − N(ti ) sont ind.
t t t t
0 1 2 3
3 Processus de comptage à
F IGURE: Trajectoire d’un accroissements stationnaires :
Processus de Poisson. N(t + s) − N(t) ne dépend que de s
(N(0) = 0).
Propriétés (ou définitions équivalentes)
Processus de poisson d’intensité λ :

1 Les interarrivées sont indépendantes et suivent la même loi de
paramètre λ (les v.a τn , n ≥ 0 sont ind. et Exp(λ))
2 Pour tout t, s, la v.a. N(t + s) − N(t) suit une loi de Poisson de
paramètre λ.s :
k
Pk (s) = P(N(t + s) − N(t) = k) = (λ.s) k! e
−λ.s (E[N(t)] = λt et
var[N(t)] = λt).
3 Conditionnellement à (N(t) = n), les instants d’arrivée T1 , ..., Tn
sont uniformément répartis sur [0, t]
4 Un Processus de Poisson est un processus de Markov.
Introduction 24/103
Superposition et amincissement des processus de Poisson
1 La superposition de n processus de Poisson indépendants, est un

processus de Poisson d’intensité somme.
2 Relation avec le minimum des v.a. exponentielles.
3 L’amincissement avec un tirage de Bernoulli (p) génère deux
Poisson de paramètres pλ et (1 − p)λ
Introduction 25/103
Que modélise le processus de Poisson ?
1 Des arrivées issues d’un comportement humain : appels

téléphoniques, sessions informatiques.
2 Les paquets d’un flux de données ne sont pas poissonniens en
général. (Démonstration de la loi de Poisson par approximation
binômiale).
Introduction 26/103
Processus de Markov - définition
X = {X(t), t ∈ R+ } est un processus de Markov s’il vérifie :

1 X prend des valeurs dans un ensemble S ⊆ N au plus
dénombrable. Ces valeurs seront appelées les états du processus.
2 Le processus reste un temps non nul dans un état
3 C’est l’absence de mémoire : ∀s, t ∈ R+ et ∀i, j ∈ S :
P(X(t +s) = j)|X(t) = i, X(u), u < t) = P(X(t +s) = j|X(t) = i)
4 Le processus est dit homogène si P(X(t + s) = j|X(t) = i) est

indépendant de t
5 Le processus est dit régulier si le nombre de saut en un temps
fini est fini
Introduction 27/103
Processus de Markov - Compétition d’exponentielles
1 Le temps de séjour dans l’état i est Exp(qi ).

2 Les temps de séjour sont indépendants entre eux.
3 Le changement d’état est indépendant du passé.
Rappel Soient X1 , ..., Xn est une suite de v.a. ind. de

i1
paramètres respectifs λ1 , ..., λPn . La v.a.
i2 P1 X = min{X1 , ..., Xn } ∼ Exp( ni=1 λi )
P2
λ
i
P(Xj = min{X1 , ..., Xn }) = Pn j λi
i=1
P3
i3
1 Dans l’état i, on lance l horloge Exp(λk ).
P
2 λk = qi
F IGURE: Processus P
Markovien.
3 λ m / λ k = Pm
Introduction 28/103
La file d’attente M/M/ vue comme processus de Markov
1 L’état de la file en t est le nombre X(t) de clients dans le système

à cet instant.
2 Dans un état i, il y a compétition de 2 v.a. exp : l’arrivée et le
départ d’un client. Le séjour est donc exponentiel
3 Dans un état i, la file peut passer à l’état i + 1 (arrivée) ou i − 1
(départ).
4 Vu le caractère sans mémoire des deux processus d’arrivée et de
départ et leur indépendance, ce qui se passe en i est indépendant
du passé.
Introduction 29/103
Définition du processus de naissance et de mort (PNM)

l 0 l 1 l i- 2
l i- 1 l i
0 1 ... i-1 i i+1
m 1 m 2 m i- 1 m m
i i +1
F IGURE: Processus de naissance et de mort.
Déf : Un processus de naissance et de mort est un processus de

Markov X(t) dont les sauts ont lieu entre les états voisins. Un
saut correspond à une arrivée (naissance) ou à un départ (mort)
1 Dans un état i : les interarrivées sont Exp(λ ) et les temps de
i
service sont Exp(µi ).
2 Temps de séjour en i ∼ Exp(λ + µ )
i i
3 On définit P (t) = P(X(t) = k). C’est la distribution de
k
probabilité à trouver en tout instant t.
Introduction 30/103
Procédé de calcul des files d’attentes M/M
1 Trouver le processus de naissance et de mort adéquat, en

déterminant les λk et µk .
2 Etablir les équations d’équilibre du système.
3 Calculer les probabilités stationnaires Pk
4 En déduire les grandeurs de performance (Ns , Ws , Nq , Wq , ...)
Introduction 31/103
Calcul de probabilité : Régime transitoire
Régime transitoire :
1 k≥1:
dPk (t)
= −(λk + µk )Pk (t) + λk−1 Pk−1 (t) + µk+1 Pk+1 (t)
dt
k=0:
dPk (t)
= −λ0 P0 (t) + µ1 P1 (t)
dt
Introduction 32/103
Calcul de probabilité : Régime permanent

Régime permanent :
1 k≥1:
(λk + µk )Pk = λk−1 Pk−1 + µk+1 Pk+1
k=0:
λ0 P0 = µ1 P1
2 Interprétation intuitive : équilibre des flux. Etats récurrents vs.
transient
3 Solution de la forme : Q
λ ...λ
Pk = µ0 1 ...µk−1
k
P0 = P0 k−1 λi
i=0 µi+1
−1
Pi = 1 ⇒ P0 = 1 + ∞
P P Qk−1 λi
k=1 i=0 µi+1
Conditions
P∞ Qk−1deλstabilité et d’existence de la solution :
i=0 µi+1 < ∞
i
k=1
Introduction 33/103
File M/M/1
1 Nombre d’états infini.
2 ∀i, λi = λ, µi = µ
3 charge du système : ρ = λ/µ
4 stationnarité : ρ < 1.
λeff = ∞
P
k=0 λk Pk = λ
5
6 Pk = (1 − ρ)ρk
Mesures de performances d’une M/M/1
Nombre
P∞ moyen de clients dans le système,
Ns = k=0 kPk = ρ/(1 − ρ).
NombreP moyen de clients dans la queue,
Nq = ∞ k=1 kPk+1 = ρ 2 /(1 − ρ).
Temps moyen de séjour dans le système (Little) : Ws = Ns /λeff .

Temps moyen d’attente dans la queue (Little) : Wq = Nq /λeff .
Introduction 34/103
Performances de la M/M/1 en fonction de la charge
100
2.5
90
80 2
70
60 1.5
Ws
Ns
50
40 1
30
20 0.5
10
0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
ρ ρ
Introduction 35/103
Modélisation de la M/M/1/K
1 Nombre limité de client dans la file. K − 1 dans la queue + 1

dans le serveur.
2 nombre d’états fini. 0 ≤ k < K
3 Système à blocage
4 Le processus d’arrivée est éteint quand le système est bloqué.
l l l l l 0
0 1 ... K-1 K-1 K
m m m m m
F IGURE: PNM de la M/M/1/K.
Introduction 36/103
Principaux résultats de la M/M/1/K
1 λk = λ, k < K, λk = 0, k = K, µk = µ, 1 ≤ k ≤ K
2 ρ = λ/µ.
3 système toujours stable.
4 Pk = ρk P0 . Les Pk sont nuls pour k > K
5 ρ = 1 : Pk = 1/(K + 1). Etats équiprobables.
1−ρ
6 ρ 6= 1 : Pk = 1−ρK+1
ρk .
Introduction 37/103
Principaux résultats de la M/M/1/K
1 Probabilité de blocage = PK
K +KρK+1
2 Ns = ρ
1−ρK+1
[ 1−(K+1)ρ
1−ρ ], ρ 6= 1
3 Ns = N/2, ρ = 1
4 λeff = λ(1 − PK )
5 Nq = Ns − λeff /µ
6 Ws = Ns /λeff , Wq = Nq /λeff
7 charge (trafic) offerte = λ
charge écoulée = λeff
charge bloquée = λ − λeff = λPK
Introduction 38/103
Modélisation de la M/M/c
l l l l l l l l
0 1 2 ... c-2 c-1 c c+1 ...
m 2m 3m (c - 2)m (c - 1)m cm cm cm
F IGURE: PNM de la M/M/c.
1 Taille infinie de la file. c serveurs en // de taux de service µ

chacun.
2 λk = λ, λeff = λ
3

kµ 0 ≤ k ≤ c
µk =
cµ k ≥ c
Introduction 39/103
Principaux résultats de la M/M/c
1 ρ = λ/µ
k
λk
2 Pk = P = ρk! P0 pour
k!µk 0
k≤c
k
λk
Pk = P = c!cρk−c P0
c!ck−c µk 0
pour k ≥ c
3 Condition d’ergodicité : ρ/c = λ/(cµ) < 1
Le taux d’arrivée doit être inférieur au taux de service total.
P0 = [ c−1 k c 1 −1
P
k=0 ρ /k! + (ρ /c!) 1−ρ/c ]
4
5 ProbabilitéP
d’attente : h i
ρc
C(c, ρ) = ∞ k=c P k = P 0 ρ
c!(1− ) c
C(c, ρ) est connue sous le nom de formule d’Erlang-C. C’est la
probabilité qu’un client arrive et trouve les c serveurs occupés
6 Pour c = 1 on retrouve le modèle M/M/1
Introduction 40/103
Principaux résultats de la M/M/c
c+1

1 Nq = P0 ρc!c 1
(1−ρ/c)2
ρc
= Pc (c−ρ)2
2 Little : 
 Ns = Nq + λ/µ
λeff =λ⇒ Ws = Ns /λ
Wq = Nq /λ

3
(
P0 ≈ e−ρ ≈ 1 − ρ
ρ/c 1 ⇒ c+1
Nq ≈ c2 ρ(c−1)!
4
(
(c−1)!(c−ρ)
P0 ≈ cc
ρ/c ≈ 1 ⇒ ρ
Nq = c−ρ
Introduction 41/103
Modélisation de la M/M/c/N
1 Queue de taille N − c. c serveur en // de taux de service µ chacun.
2

λ 0≤k<N
λk =
0 k≥N
3

kµ 0 ≤ k ≤ c
µk =
cµ k ≥ c
l l l l l l l
0 1 ... c -1 c c +1 ... N
m 2m (c - 1)m cm cm cm cm
F IGURE: PNM de la M/M/c/N.
Introduction 42/103
Principaux résultats de la M/M/c/N
1 ρ = λ/µ
2
(
ρk
k! P0 0≤k≤c
Pk = ρk
P
c!ck−c 0
c≤k≤N
3  h i−1
Pc−1 ρk ρc 1−(ρ/c)N−c+1
+ ρ/c 6= 1


k=0 k! c! 1−ρ/c
P0 = hP i −1
ρk c

 c−1
k=0 k! + ρc! (N − c + 1) ρ/c = 1
( c N−c −(N−c)(ρ/c)N−c (1−ρ/c)

P0 ρc! ρc 1−(ρ/c) (1−ρ/c)2
ρ 6= c
Nq = ρc
ρ (N−c)(N−c+1)
P0 c! c 2 ρ=c
Introduction 43/103
Modélisation de la M/M/N/N
1 C’est un cas particulier de la M/M/c/N où le système n’a pas de
queue d’attente (c = N).
2

λ 0≤k<N
λk =
0 k≥N
3 µk = kµ
l l l l
0 1 ... c -1 c
m 2m (c - 1)m cm
F IGURE: PNM de la M/M/N/N.
Introduction 44/103
Principaux résultats de la M/M/N/N
Les formules de la M/M/N/N sont celles de la la M/M/c/N avec

c=N
ρk
1 Pk = PN ρi
k! i=0 i!
2 Probabilité de blocage :
N
Er[ρ, N] = PN = PρN ρi
N! i=0 i!
C’est la formule d’Erlang-B. Elle a été dérivée par Agner
Krarup Erlang en 1917.
Introduction 45/103
Intérêt de la formule d’Erlang-B

1Le modèle convient bien au réseau téléphonique fixe où les
serveurs sont les circuits.
2 Er[ρ, N] relie la probabilité de perte d’un appel à la charge ρ du
réseau et au nombre de circuits N.

3 La formule sert au dimensionnement de ces réseaux : Ayant une
charge ρ et une probabilité de perte cible, combien de circuits

faut-il prévoir ?
4 Utilisation des tables (logiciel de calcul).
√
5 Formule de Rigault : Er[ρ, N] = 10−k ⇒ N ≈ A + k A
La charge dans le modèle d’Erlang :
Soit une population de M individus qui génèrent des appels avec
un taux λ par utilisateur. Ces appels sont de durée moyenne 1/µ.
ρ = λ/µ est le taux d’occupation d’un canal par un usager. On
exprime cette charge en Erlang.
Mρ est la charge totale offerte par la population.
Introduction 46/103
Modélisation d’un routeur (1)
A l’entrée du routeur, M routeurs internes sont connectés, générant

des paquets selon des processus de Poisson indépendants de
paramètre λ0 paquets/s chacun.
Paramètre Valeur Paramètre Valeur

λ0 2 paquets/s M 15
λ 30 paquets/s L 1000 bits
C 60000 bits/s µ1 50 paquets/s
Introduction 47/103
La taille d’un paquet suit une loi exponentielle de moyenne L bits. On

note par λ le taux d’arrivée total en paquets/s.
1 Déterminez la charge ρ1 de la couche 3. Pourquoi le nombre de
routeurs à l’entrée ne peut excéder 24 ?
2 La couche 2 est responsable de la transmission des paquets. Elle
travaille avec une vitesse de C bits/s.
Calculez le taux de service µ2 en paquets/s.
Selon la stabilité de la couche 3, quel sera le taux d’arrivée à la
couche 2 ? En déduire sa charge ρ2 .
3 En cas de stabilité de la couche 3, déterminer le nombre maximal
de routeur qu’on peut mettre à l’entrée si on souhaite garder un
temps de réponse inférieur à Ts = 50 ms.
Introduction 48/103
Un fournisseur d’accès souhaite dimensionner la liaison

montante d’un des ses routeurs de bordure. Ce routeur reçoit le
trafic d’intensité λ d’une certaine zone géographique.
1 Cette liaison est modélisée par une file M/M/1/N.
2 Ce dimensionnement consiste à choisir la taille du buffer N − 1
de façon à garantir un niveau de QoS (une probabilité de blocage
seuil à ne pas dépasser)
Le fournisseur souhaite appliquer un contrôle d’admission sur
les flux entrants :
Le système n’accèptera pas un nouveau flux si ce dernier
déteriore la QoS.
Ainsi, chaque nouveau flux doit déclarer son débit et attendre la
permission du routeur pour émettre.
Introduction 49/103

1 Proposez succintement un algorithme de contrôle d’admission.
2 On considère le cas où µ = 5000 paquets/s et la taille du buffer

est de 8 paquets. Le taux d’entrée actuel est de 4000 paquets/s.
Un nouveau flux arrive avec un débit de 250 paquets/s. Sachant
que la QoS cible est de 0.04, le nouveau flux sera-t-il admis dans
le système ?
Introduction 50/103
Le routeur (M/M/1/N) opère une différenciation de services sur

les flux entrants. Pour simplifier, on considère deux classes de
trafic :
1 Une classe de haute priorité (trafic multimédia par exemple) dont
le débit moyen total est de λ paquets/s.
2 Une classe de basse priorité (trafic best effort par exemple) dont
le débit moyen total est de (α − 1)λ (α > 1)
Le taux de service µ est le même pour les paquets des deux
classes.
Soit S un entier tel que 0 ≤ S ≤ N. Tant que le nombre de
paquets dans le routeur est inférieur à S, les deux flux sont admis
dans le routeur. Si le nombre de paquets dans le routeur est
supérieur ou égal à S, le trafic de basse priorité est bloqué et seul
le trafic de haute priorité est admis.
Introduction 51/103

1 Dessiner le graphe du processus de naissance et de mort
traduisant le comportement du système. Les paramètres de ce
processus sont pour tout état i :

αλ 0 ≤ i ≤ S − 1
λi = µi = µ ∀i ∈ {0, 1, ..., N}
λ S≤i≤N
2 Exprimer les probabilités stationnaires Pi du processus en
fonction de P0 (distinguer les cas i < S et i ≥ S). En déduire que
P0 vaut :
1 − (αρ)S N−S+1 −1

S1 − ρ
P0 = + (αρ)
1 − αρ 1−ρ
3 Donner en fonction de P0 , la probabilité de blocage du trafic
prioritaire et celle du trafic à basse priorité.
Introduction 52/103
Taux d’arrivée du trafic haute priorité λ = 4000 paquets/s, le

taux de service µ = 5000 paquets/s et la taille du buffer est de 19
paquets. On suppose que le débit du trafic basse priorité vaut la
moitié de celui de haute priorité.
On souhaite une probabilité de blocage < 0.1 pour le trafic
prioritaire, et < 0.5 pour le trafic non prioritaire. Déterminer la
valeur optimale de S permettant de réaliser cet objectif.
Introduction 53/103
Dimensionnement RNIS (1)

On désire dimensionner un accès RNIS d’une entreprise de 1000
employés. Le cahier de charge est le suivant :
Il existe nB = 1000 utilisateurs voix, chaque utilisateur plaçant
une charge moyenne de 0.05 Erlang. La durée moyenne d’une
communication est de 3 minutes.
Il existe nD = 1000 postes informatiques. Le trafic est
essentiellement transactionnel. On a en moyenne une transaction
par minute, la transaction se résumant à un paquet de taille
moyenne L = 128 octets.
Introduction 54/103
Dimensionnement RNIS (2)
1 Quel est le trafic total provenant des services en mode circuit ?

quel est le nombre de circuits nécessaires pour obtenir une
probabilité de blocage de 0.01.
2 Déterminer le nombre de circuits nécessaire si le besoin des
terminaux informatiques est écoulé dans le mode circuit, sachant
qu’une transaction (packet call) dure en moyenne 2s et le temps
écoulé entre deux transactions (thinking time) est d’environ 10s.
3 Déterminer le nombre de circuits nécessaire si le besoin des
terminaux informatiques est écoulé dans le mode paquet. Prendre
en compte la signalisation d’établissement d’appel qui exige un
délai maximal d’une seconde.
Introduction 55/103
Réseau d’entreprise (1)

Une entreprise qui possède 2 branches (une principale et une
secondaire) souhaite d’une part déployer la voix sur IP (VoIP), et
d’autre part connecter les deux branches pour assurer le transport des
données et de la VoIP entre elles. Vous serez donc responsable du
dimensionnement des lignes téléphoniques externes et de la liaison
entre les deux branches.
Introduction 56/103
• Les téléphones IP qui génèrent 2 types de trafic : les appels

externes d’intensité λE et les appels internes destinés à la branche
secondaire d’intensité λI . On ne considérera pas les appels
internes locaux car ils n’empruntent pas la ligne inter-branche.
• Le PABX IP a deux tâches principales :
acheminer les appels externes vers le réseau téléphonique
commuté (RTC) via N lignes téléphoniques.
relayer les paquets IP des appels internes au routeur R1 pour les
transmettre à l’agence secondaire.
• Les ordinateurs et serveurs de la branche principale génèrent un
trafic de données d’intensité Λ destiné à la branche secondaire.
• Le routeur R2 transmet l’ensemble des appels internes et des
données vers la branche secondaire utilisant une ligne spécialisée
(leased line) de bande passante C à déterminer.
Introduction 57/103
Vous devez réaliser les tâches suivantes :

Déterminer le nombre N de lignes téléphoniques externes.
Etudier le trafic téléphonique entrant au routeur R1.
Etudier et dimensionner la liaison inter-branche.
Introduction 58/103
Réseau d’entreprise : Dimensionnement des lignes externes

du PABX IP
La branche principale possède 60 postes téléphoniques. Une étude
statistique montre que chaque poste génère en moyenne 1 appel
externe chaque 5 minutes selon un processus de Poisson. La durée
d’un appel externe suit une loi exponentielle de moyenne 45 secondes.
1 Calculer en appel/seconde, l’intensité d’appels externes que
génère un poste, notée λ0 . En déduire que l’intensités totale λE
des appels externes vaut 0.2 appel/seconde. .
2 Le modèle M/M/N/N possède N serveurs. A quoi correspond
un serveur dans notre cas ? quel est alors le taux de service µE
d’un serveur en appel/seconde ? En déduire que la charge ρE du
système vaut 9.
3 Utiliser la formule de Rigault pour déterminer N tel que la
probabilité de perte des appels externes ne dépasse pas 0.001.
Introduction 59/103
Réseau d’entreprise : Calcul du trafic téléphonique interne

(inter-branche) (1)
Dans cette partie, vous devez estimer le taux d’arrivée λv des paquets
VoIP arrivant au routeur R1. Un appel téléphonique VoIP génère un
trafic poissonnien de paquets VoIP d’intensité 40 paquets/seconde.
Pour cela, on considère le PNM décrivant le nombre d’appels internes
en cours. Le taux d’arrivée des appels internes est λI . La durée d’un
appel interne suit une loi exponentielle de paramètre µI .
Introduction 60/103
Réseau d’entreprise : Calcul du trafic téléphonique interne

(inter-branche) (2)
1 Exprimer les probabilités stationnaires Pk en fonction de P0 .

ρk
2 En notant ρI = µλII , montrer que Pk vaut k!I e−ρI . (Rappel :
P∞ xi x
i=0 i! = e , ∀x). Que pouvez-vous dire quant à la stabilité du
système ?
3 Calculer le nombre moyen d’appels internes en cours noté NI .
4 En déduire la valeur numérique du taux d’arrivée λv des paquets
VoIP arrivant au routeur R1, sachant que λI = 0.1 appel/s et que
la durée moyenne d’un appel vaut 50 s.
Introduction 61/103
Réseau d’entreprise : Dimensionnement de la liaison

inter-branche (1)
Le routeur R1 est modélisé par une file M/M/1 :
Il reçoit deux flux poissonniens : le trafic d’appels internes
d’intensité λv = 200 paquets/seconde et celui des données
d’intensité Λ = 500 paquets/seconde.
Tous les paquets (voix et données) ont une taille qui suit la même
loi exponentielle de moyenne L = 500 bits. Le service offert par
le serveur n’est autre que la transmission sur la ligne de bande
passante C bit/s. On note par µ le taux de service du routeur.
F IGURE: Modèle M/M/1 du routeur R1

Introduction 62/103
Réseau d’entreprise : Dimensionnement de la liaison

inter-branche (2)
1 Quelle est la charge du routeur ρ en fonction de C ? Expliquer

pourquoi la bande passante de la ligne ne peut être inférieure à
35.104 bits/s.
2 On souhaite que le nombre de paquets dans le routeur soit
strictement inférieur à 4 avec une probabilité supérieure à 15/16.
En déduire la valeur minimale de C qui permet de réaliser cette
condition.
3 On souhaite que le temps d’attente dans le buffer du routeur ne
dépasse pas 10 ms pour assurer un bonne qualité de la voix.
Quelle est la valeur minimale de C qui permet de l’obtenir.
4 Quelle capacité choisiriez-vous pour la liaison inter-branche ?
Introduction 63/103
La File GI/GI/1 (1)
La première généralisation de la file M/M/1 consiste à supposer

que le processus d’arrivée (resp. le processus de service) est GI
(la suite des v.a. en question est i.i.d.)
La difficulté de l’analyse en temps continu du système provient
de la perte du caractère sans mémoire :
1 Pour une file M/M à chaque fois qu’on visite le système à un
instant t, le temps séparant t de la prochaine arrivée ou du
prochain départ reste exponentiel.
2 Cet interval de temps ne suit plus la même loi GI du processus
d’arrivée ou de départ pour une file GI/M/1 ou M/GI/1.
Pour contourner la difficulté on se contentera d’observer le
système en temps discret à des instants convenablement choisis
{τn , n ∈ N}.
Introduction 64/103
La File GI/GI/1 (2)
Pour la file GI/M/1 (resp. M/GI/1), τn correspondent aux

instants d’arrivée (resp. aux instants de départ) des clients.
On montre que le nombre de clients aux instants τn forme une
chaîne de Markov (appelée chaîne incluse) : cette propriété
permettra de trouver la condition de stabilité du système et la
distribution de probabilité stationnaire des états.
On déduit à partir de la distribution stationnaire le nombre de
clients et le temps de séjour dans le système (formules de
Pollaczek-Khinchine). Dans ce qui suit, on s’intéresse
uniquement à la file M/GI/1 :
On note par X le service requis par un client au moment de son
service et par λ l’intensité du processus de Poisson gérant les
arrivées.
L’analyse de la chaîne incluse montre que la condition nécessaire
et suffisante de stabilité du système est ρ < 1 avec ρ = λ · E[X].
Introduction 65/103
La File M/GI/1 monoclasse (1)
Le nombre moyen de clients dans le système est :

2 E[X 2 ]
Ns = ρ + λ2(1−ρ) .
Le temps de séjour moyen dun client dans le système (Little) :
λE[X 2 ] λE[X 2 ]
Ws = E[X] + 2(1−ρ) . On en déduit que Wq = 2(1−ρ) .
Il existe une forme utile de la formule de PK
ρ·E[X]·(1+CX2 ) var[X]
Ns = ρ + 2(1−ρ) , avec CX2 = (E[X]) 2 (coefficient de
variation de la loi de service).

Exemples :
1 Comparer M/M/1 et M/D/1.
2 Etude d’une file avec 2 serveurs expontiel en tandem de
paramètres resp. µ1 et µ2 avec une file à un serveur de paramètre
µ1 + µ2 .
Introduction 66/103
La File M/GI/1 multiclasse (1)
On suppose l’existence de n classes de clients, où les arrivées de

la classe i suivent une loi de Poisson d’intensité λi , i = 1, ..., n.
Nous supposons que les n processus d’arrivée sont indépendants
et donc
P le processus agrégé des arrivées reste Poisson d’intensité
λ = ni=1 λi .
λi
On note par pi = λ la probabilité qu’une arrivée soit de type i.
Le service Xi de la classe i suit une distribution GI.
On pose :
Pn
1 ρi = λi ·P
E[Xi ] et ρ = i=1 ρi (la condition de stabilité est ρ < 1)
n
2 E[X] = i=1 pi · E[Xi ]
Introduction 67/103
La File M/GI/1 multiclasse (2)
Les formules de PK donne

Pn
le nombre moyen de clients dans le
2
i=1 λi E[Xi ]
système Ns = ρ + λ · 2(1−ρ) .
D’après Little,Ple temps de séjour moyen est
n
λi ·E[Xi 2 ]
Ws = E[X] + i=1 2·(1−ρ) .
On en déduit lePtemps d’attentePmoyen (commun à toutes les
n n
λi E[Xi 2 ] i=1 λi (E[Xi ])2 (1+CXi 2 )
classes) Wq = i=1
2(1−ρ) = 2(1−ρ) .
Le temps de séjour d’un client de classe i est donc
Wsi = E[Xi ] + Wq .
Introduction 68/103
La File M/GI/1 multiclasse : performance d’une station

WiFi (1)
On considère une station utilisant la technologie 802.11 en mode
DCF. Cette station est la seule à émettre, ce qui signifie qu’il n’y a ni
contention ni collision. La couche MAC de la station est modélisée
par une file M/GI/1 multiclasse. La file est de taille infinie et le
serveur est le processus d’émission du mode DCF. On décrit dans ce
qui suit, les classes de trafic et le mode d’émission DCF.
Les paquets peuvent appartenir à deux classes de trafic :
Classe 1 : classe temps réel avec une taille de paquets constante
égale à L1
Classe 2 : classe données avec une taille de paquets
exponentiellement distribuée de moyenne L2
Un paquet arrivant à la couche MAC sera émis si la file est vide, sinon
il attendra son tour dans la queue.
Introduction 69/103

WiFi (2)
L’émission (le service) d’un paquet de classe i comporte deux phases

indépendantes :
a) Le backoff : le paquet attend un certain nombre de time slots. Ce
nombre est uniformément choisi entre 0 et Wi . On voit bien que la
fenêtre de backoff dépend de la classe.
b) La transmission : le paquet est transmis sur l’interface radio.
On note par Xi , la variable aléatoire représentant le temps d’émission
(ou de service) d’un paquet la classe i. Ce temps est la somme des
durées de backoff et de transmission.
Introduction 70/103

WiFi (3)
Emission =
Attente backoff + Transmission
l1
... 1 2 1 Bi Ti
l2 Backoff Tx
Xi = Bi + Ti
F IGURE: File M/GI/1 multiclasse modélisant une station WiFi
Introduction 71/103

WiFi (3)
Param. Description V. Num. unité

n nombre de classes de trafic 2 -
λi taux d’arrivée de la classe i λ1 = 75 p/s
λ2 = 25
Li longueur moyenne des paquets de L1 = 500 oct.
classe i L2 = 1500
Wi Largeur maximale de la fenêtre de W1 = 63 -
contention. Le compteur backoff W2 = 63
est choisi uniformément dans l’in-
tervalle [0, Wi ]
σ durée d’un time slot 50 µs
C capacité de transmission 5 Mbps
Introduction 72/103

WiFi (4)
L1 σW1
E[X1 ] = 8 + = 23.75 × 10−4 s
C 2
L2 σW2
E[X2 ] = 8 + = 39.75 × 10−4 s
C 2
L1 2 σ 2 W1 L1 σ W1
E[X12 ] = 64 2 + (2 W1 + 1) + 8 = 0.649 × 10−5 s
C 6 C
L2 2 σ 2 W 2 L2 σ W2
E[X22 ] = 128 2 + (2 W2 + 1) + 8 = 0.224 × 10−4 s
C 6 C
Rappel : Nk=1 k = N(N+1) , Nk=1 k2 = N(N+1)(2N+1)
P P
2 6
X et Ydeux v.a. independantes ⇒ E[XY] = E[X]E[Y]
X ∼ Exp(µ) ⇒ E[X 2 ] = µ22
λi E[Xi2 ]
Pn
File M/GI/1 multiclasse : E[W] = i=1
2(1−ρ)
Introduction 73/103

WiFi (5)
1 Calculer les proportions pi du trafic de chaque classe. En déduire
la moyenne du temps de service total E[X].
2 Trouver la valeur de la charge totale ρ du système (stabilité ?)
3 Quel est le temps d’attente moyen dans la queue E[W] ? En
déduire le temps moyen de séjour de chaque classe.
4 La classe 1 requiert un temps de séjour moyen inférieur à 3ms.
On souhaite réaliser cette contrainte en modifiant W1 . Faut-il
augmenter ou diminuer W1 ? Qu’en est-il de W2 ?
5 Calculer la valeur de W1 à partir de laquelle, la contrainte de la
classe 1 est vérifiée. Avec un peu de calcul, E[S] s’écrit en
W1 −W1 2
fonction de W1 E[S1 ] = 25.10−6 62507+1346
1345−3 W1
6 Quelle est la valeur minimale de C au-dessous de laquelle, le
système n’est plus stable ?
Introduction 74/103
La File M/GI/1 avec priorités (1)
Les clients appartiennent à des classes de priorités numérotées

p = 1, 2, ..., n < ∞ (la priorité entre les classes est fonction
croissante de p). Les clients appartenant à une même classe p
sont servis sur une base FIFO.
Le processus d’arrivée des clients de classe p est Poisson
d’intensité λp et le service Xp de type GI : le système est donc
bien une M/GI/1.
On suppose les processus d’arrivée et de service indépendants
entre eux. On définit :
Pn
λ= p=1 λp (l’intensité totale du trafic entrant),
Pn λ
E[X] = p=1 λp · E[Xp ] et
Pn
ρp = λp · E[Xp ] et ρ = p=1 ρp = λ · E[X] (la condition de
stabilité est ρ < 1).
Introduction 75/103
La File M/GI/1 avec priorités (2)
Analyse du délai d’attente Wp (priorité non préemptive) d’un

client de classe p à l’instant d’arrivée T.
Ce délai se décompose en trois parties :
1 Délai W0 dû au client en cours de service à T,
2 Délai dû aux clients de classe i déjà présents dans le système à T
et sevis avant le client de classe p (p ≤ i),
3 Délai dû aux clients de classe i arrivés dans le système après T et
sevis avant le client de classe p (p < i).
Finalement, le temps de séjour d’un client de classe p sera
Sp = Xp + Wp .
Introduction 76/103
La File M/GI/1 avec priorités : calcul du délai moyen

d’attente (1)
La loi de service étant de type GI, nous avons que le temps de

E[Xi 2 ]
service résiduel moyen d’un client de priorité i vaut 2E[X i]
(théorie de renouvellement).
Dans un système stable, ρi s’interprète comme la probabilité que
le serveur soit occupé par un client de classe i et donc
E[Xi 2 ] 2
E[W0 ] = ni=1 ρi · 2E[X = ni=1 λi ·E[Xi ]
P P
i] 2 .
Pour un client de classe p qui arrive dans le système, soient :
Nip le nombre de clients de classe i présent dans la file et servis
avant le client de classe p,
Mip le nombre de clients de classe i arrivant dans la file après le
client de classe p et servis avant lui.
Introduction 77/103
La File M/GI/1 avec priorités : calcul du délai moyen

d’attente (2)
Nous pouvons donc Pécrire :

E[Wp ] = E[W0 ] + ni=p E[Xi ] · E[Nip ] + ni=p+1 E[Xi ] · E[Mip ],
P
avec E[Nip ] = λi · E[Wi ] et E[Mip ] = λi · E[Wp ].
E[W0 ]+ ni=p+1 ρi ·E[Wi ]
P
Nous obtenons alors : E[Wp ] = (1− ni=p ρi )
P .
E[W0 ]
En constatant que E[Wn ] = (1−ρn ) , on montre par récurrence
E[W0 ]P
que : E[Wp ] = (1− ni=p ρi )(1− ni=p+1 ρi )
P .
Remarquons que le temps d’attente de la classe p dépend de toutes les

classes de moindre priorité (par le biais de E[W0 ]).
Introduction 78/103
La File M/GI/1 avec priorités : Contrôle d’admission dans

un routeur (1)
La Figure montre un routeur d’accès R qui relie un réseau d’accès au

réseau cœur. On souhaite implémenter un contrôle d’admission sur R
pour contrôler l’établissement de connexion. La capacité du lien
reliant R au réseau coeur est de C = 500 Kbits/s.
F IGURE: Routeur d’accès
Introduction 79/103
La File M/GI/1 avec priorités : Contrôle d’admission dans

un routeur (2)
Le trafic est divisé en trois classes définies comme suit :
Une classe temps réel : les paquets arrivent selon un processus de Poisson
d’intensité λ1 = 200 paquets/s. La taille des paquets est constante de 64 octets.
La QoS cible de cette classe est définie par un délai moyen de séjour dans le
routeur E[S1 ] < 15 ms.
Une classe intéractive : les paquets arrivent selon un processus de Poisson
d’intensité λ2 = 100 paquets/s. La taille des paquets suit une loi exponentielle
de moyenne E[L2 ] =200 octets. La QoS cible de cette classe est telle que
E[S2 ] < 30 ms.
Une classe élastique : les paquets arrivent selon un processus de Poisson
d’intensité λ3 = 20 paquets/s. La taille des paquets suit une loi de moyenne
E[L3 ] = 500 octets et de coeff. de variation
√ CL3 = 3. La QoS cible est telle que
Var[X]
E[S3 ] < 80 ms. (On rappelle que CX = E[X]
).
Soit Xi le temps de transmission du paquet de classe i, calculez : E[Xi ], E[Xi2 ] et ρi .
Introduction 80/103
Contrôle d’admission dans un routeur : Ordonnancement

sans différentiation de service
On considère dans cette partie le cas où le nœud R ne fait pas de

différentiation de service. Le modèle utilisé est celui de la M/GI/1
multiclasse avec la politique d’ordonnancement FIFO.
1 Calculez le temps moyen d’attente d’un paquet dans la queue.
Est-il vrai qu’il ne dépend pas de la classe de ce paquet ?
Expliquez.
2 Calculez le temps de séjour moyen pour les trois classes. Les
contraintes de QoS sont-elle respectées ?
3 Le routeur R doit implémenter un contrôle d’admission à l’entrée
du réseau cœur. Expliquez comment le faire dans le cas M/GI/1
multiclasse dans le contexte de cette politique FIFO.
Introduction 81/103
Contrôle d’admission dans un routeur : Ordonnancement

avec différentiation de service
Le routeur R adopte une politique d’ordonnancement à base de

priorité non préemptive (Head Of the Line). La classe temps réel est
la plus prioritaire et la classe élastique est la moins prioritaire.
1 Calculez le temps de séjour moyen pour les trois classes. Les
contraintes de QoS sont-elle respectées ? Comparez les résultats
avec ceux de la politique FIFO.
2 Un flux additionnel de classe intéractive ayant une intensité de
25 paquets/s se présente. Le routeur acceptera-t-il ce flux sachant
qu’il doit respecter la QoS des flux déjà en cours.
Introduction 82/103
Réseaux de files d’attente : réseaux de Jackson (1)

Nous allons d’abord décrire les réseaux de Jackson. Nous donnerons
ensuite la forme de la distribution de probabilité du nombre de clients
dans le réseau. Il existe deux classes de réseaux de Jackson :
Les réseaux ouverts et Les réseaux fermés.
Soit n le nombre de noeuds, le monde extérieur sera considéré comme
le noeud n + 1 et sera désigné par 0.
Chaque noeud i est une file d’attente avec un service exponentiel
de moyenne µ1i . Le noeud i peut contenir mi serveurs,
mi = 1, 2, ..., qui seront supposés avoir une capacité de service
identique.
Soit pij la probabilité de router une unité de donnée du noeud i
vers chaque noeud j du réseau avec ∀i, pi0 + nj=1 pij = 1.
P
Chaque noeud i peut recevoir un trafic extérieur suivant une loi

de Poisson de paramètre λ0i
Introduction 83/103
Il est clair que le réseau de files d’attente sera stable si et

seulement si chacun des n noeuds du réseau l’est.
Pour vérifier la stabilité d’un noeud nous avons besoin de
calculer le trafic total qui le traverse venant deP
l’extérieur et en
transit à partir des autres noeuds : λi = λ0i + nj=1 λj · pji avec
i = 1, ..., n.
Connaissant le trafic total qui arrive à un noeud i, la condition de
stabilité du noeud s’énonce simplement comme : mλi ·µi i < 1.
Sous la condition de stabilité du réseau de Jackson, en régime
permanent, le processus de sortie du réseau est Poissonnien.
Introduction 84/103
F IGURE: Réseaux de Jackson
Introduction 85/103
On pose N = (N1 , ..., Nn ) le vecteur aléatoire représentant le

nombre de clients dans les n noeuds du réseaux.
Théorème de Jackson : sous la condition de stabilité du réseau de
file d’attente, la distribution du nombre de clients dans le réseau
se factorise en un produit de probabilités marginales :
P{N1 = k1 , ..., Nn = kn } = P{N1 = k1 } · ... · P{Nn = kn },
Chacune de ces probabilités marginales P{Ni = ki } étant celle
d’une file d’attente M/M/m (m = 1, 2, ... s’il existe
éventuellement plusieurs serveurs dans le noeud) où le trafic
entrant λi dans les noeuds i est donnée par les équations de trafic
définies ci-dessus.
A partir de la distribution marginale de la file i nous pouvons
calculer le nombre moyen de client et le délai de séjour moyen
dans le noeud i (Little).
Introduction 86/103
Réseaux de Jackson : Etude de la couche de liaison de

données (1)
La couche de liaison de données (couche 2 du modèle OSI) contient
deux sous-couches :
la sous-couche de contrôle qui est responsable de la
retransmission des paquets perdus et du contrôle de flux.
La sous-couche d’accès qui s’occupe de la transmission de la
trame sur le lien.
1- p
p
. . . m 1
. . . m 2
l 0
File 1 File 2
F IGURE: Couche de liaison de données vue comme réseau de Jackson
Introduction 87/103

données (2)
Les paquets arrivent à la sous-couche de contrôle (la file 1) selon un

processus de Poisson d’intensité λ0 . La vitesse de service dans la file
1 est de µ1 . A la sortie de la sous-couche de contrôle, la paquet entre
dans la sous-couche d’accès (file 2) dont le taux de service est de µ2 .
Le paquet est correctement transmis avec une probabilité p, sinon il
est retransmis par la sous-couche de contrôle avec une probabilité
1 − p.
Quelle est la condition sur p pour que le réseau de Jackson
considéré soit ouvert ?
Soit λ1 (resp. λ2 ) l’intensité du trafic total entrant dans la file 1
(resp. file 2). Résoudre les deux équations de trafic qui
permettent de calculer λ1 et λ2 en fonction de λ0 et p.
Introduction 88/103

données (3)
En déduire les charges ρ1 et ρ2 des deux files. Quelle condition

doit vérifier λ0 pour avoir un système stable ?
En utilisant le théorème de Jackson, calculer en fonction de ρ1 et
ρ2 , la probabilité stationnaire du système :
P(N1 = i, N2 = j), ∀i, j ∈ N.
Donner en fonction de λ0 , µ1 , µ2 et p, le nombre moyen de
paquets E[N1 ] dans la file 1 et E[N2 ] dans la file 2. Déduire le
nombre moyen de paquets dans le système, noté E[N].
Déduire, en utilisant une certaine formule que vous préciserez,
que le temps de séjour moyen E[S] dans le système s’écrit :
1 1
E[S] = + (1)
pµ1 − λ0 pµ2 − λ0
Introduction 89/103
Réseaux de Jackson : Modélisation des sessions HTTP dans

un serveur WEB (1)
On souhaite étudier l’évolution des sessions HTTP sur un serveur

WEB. On définit une session HTTP sur ce serveur comme un
ensemble de requêtes HTTP initiées par un même usager.
L’arrivée des sessions suit un processus de Poisson d’intensité
λ0 . La vitesse de traitement des requêtes par le serveur est de µ1 .
Une requête n’est autre que la demande d’une page WEB (appui
d’un lien). Après chaque requête, l’usager prend un certain
temps pour lire la page avant d’en demander une autre. Ce
temps, appelé temps de lecture, est exponentiellement distribué
de moyenne 1/µ2 .
Soit N le nombre total de sessions dans le système. On note par
N1 (resp. N2 ), le nombre de sessions dans la file 1 (resp. file 2).
Introduction 90/103

un serveur WEB (2)
On peut modéliser les sessions par le réseau de Jackson représenté
dans la Figure qui suit.
. . .
File 2
m 2 1
. . .
1- p m 2
. . . m 1
l 0
p
File 1
F IGURE: Serveur WEB vu comme réseau de Jackson.

Introduction 91/103

un serveur WEB (3)
Ce réseau, dont les clients sont des sessions, est formé de :
File 1 de type M/M/1 : c’est la file où les requêtes sont traitées.
Après le traitement d’une requête, la session correspondante peut
se terminer avec une probabilité p ou passer en état lecture avec
une probabilité 1 − p.
File 2 de type M/M/∞ : contient les sessions en état de lecture.
La fin de lecture génère une nouvelle requête.
Donner en fonction de ρ1 et ρ2 (condition de stabilité ?), le
nombre moyen de sessions (clients) E[N1 ] dans la file 1 et E[N2 ]
dans la file 2. Déduire le nombre moyen de sessions dans le
système, noté E[N].
Montrer que le temps de réponse moyen à une requête (temps de
séjour moyen dans la file 1) vaut E[S1 ] = pµ1p−λ0
Introduction 92/103

un serveur WEB (3)
On définit la grandeur s = 1/p comme étant la satisfaction de

l’usager. Pour comprendre cette définition, remarquer que 1 − p est la
probabilité qu’un usager ayant fait une requête, en fasse une autre
encore. Ainsi, plus p est petit, plus grand est le nombre de requêtes
faites au serveur par l’utilisateur, et donc plus grande sa satisfaction.
1 Si on veut garder le serveur stable, quelle est la satisfaction
maximale qu’on peut réaliser ?
2 Exprimer E[S1 ] en fonction de s.
Introduction 93/103

un serveur WEB (4)
Quand la satisfaction augmente, p diminue, et donc le temps de

réponse moyen à une requête E[S1 ] augmente (E[S1 ] décroissant en p
pour un système stable). Ceci veut dire que le serveur sera plus lent, et
donc, cela va diminuer la satisfaction, donc améliorer le temps de
réponse etc. ! ! Le système oscille donc autour d’une statisfaction
d’équilibre. Puisque la satisfaction varie inversement par rapport au
temps de réponse, on la définira aussi comme : s = E[S1 1 ]
1 Calculer la satisfaction réalisable ? (indice : utiliser les deux
relations reliant E[S1 ] à s).
2 Que doit faire l’administrateur du serveur pour augmenter cette
satisfaction ?
Introduction 94/103
Modèles de trafic : la voix (1)
En parlant, la voix humaine passe alternativement par des cycles

de silence (OFF) et de parole (ON ) comme le montre la figure.
La durée des périodes ON (resp. OFF) est exponentiellement
distribuée de paramètre µ (resp. λ ).
OFF ON OFF ON
Exp(m ) Exp(l )
F IGURE: Cycles de la voix.
Introduction 95/103
Proposez un processus de naissance et de mort modélisant les

états de la voix.
Quelle est la probabilité que la voix soit dans chacun des cycles ?
Les codeurs de la voix prennent en compte ces cycles. Le codeur
AMR par exemple, possède un détecteur d’activité (VAD) qui permet
de distinguer les cycles. le codeur AMR n’émet rien pendant les
périodes de silence. Dans les périodes ON, il va coder la voix et
générer des paquets de durée ∆T.
Quel est la probabilité que k paquets soient générés pendant une
période ON ? Quelle loi le nombre de paquets suit-il ? En déduire
le nombre moyen de paquets émis par période ON.
Introduction 96/103

On considère N sources de voix indépendantes. On souhaite élaborer
un modèle de sources agrégées pour la voix, c. à. d., un modèle qui
résume un ensemble de sources individuelles.
Proposez un PNM qui décrit le nombre de sources actives (en
période ON).
Quelle est la distribution de probabilité du nombre de sources
actives ? En déduire le nombre moyen de sources à l’état ON.
Dans WiMAX, sur la trame montante de durée ∆T, on souhaite
allouer S time slots pour servir N sources voix. Si S = N, chaque
source aura sa ressource et le débat est clos. On peut cependant
profiter des cycles de la voix pour ne servir que les sources actives, en
supposant que la station de base connaisse l’état des sources.
Proposez une méthode permettant de déterminer S, sachant
qu’on souhaite pouvoir servir tout le monde à Pl % (A.N.
1/µ = 352 ms, 1/λ = 650 ms, ∆T = 20 ms, Pl = 90%).
Introduction 97/103
Parameter Distribution Mean Value

Call duration Exponential 120s
Busy period duration Exponential 350 ms
Silence period duration Exponential 650 ms
Packet inter-arrival time Deterministic 20 ms
Silence packet length Deterministic 35 bits
Voice packet length Deterministic 244 bits
Introduction 98/103
Modèles de trafic : HTTP (1)
Le processus d’arrivée suit une distribution de Poisson

Le nombre de packet calls par session Npc suit une loi
géométrique de moyenne E[Npc ] [packet calls].
Le temps de lecture entre deux packet calls Dpc suit une loi
géométrique de moyenne E[Dpc ] [unités de temps].
Le nombre de paquets durant un packet call Nd suit une loi
géométrique de moyenne E[Nd ] [paquets].
L’intervalle de temps entre deux paquets consécutifs pour un
même packet call Dd suit une loi géométrique de moyenne E[Dd ]
[unités de temps].
La taille du paquet Sd est une variable aléatoire suivant la
distribution de Pareto tronquée.
Introduction 99/103
La taille du paquet Sd = min(P, m) où P est une variable aléatoire qui

suit la distribution de Pareto (α = 1.1, k = 81.5 octets) et m est la
taille maximale d’un paquet HTTP (m = 64 koctets).
La fonction de répartition de la taille du paquet est :
1 − ( kx )α k ≤ x < m

F(x) = P{Sd ≤ x} =
1 x≥m
La distribution de probabilité est :
kα kα
P{dx} = 1[k,m] (x)dx + δm (dx)
αxα+1 mα
αk−m( mk )α
La moyenne est E[Sd ] = α−1 .
Introduction 100/103
Pour les réseaux Télécom, la taille maximale d’un paquet est limitée à
1502 octets ce qui donne une taille moyenne de E[Sd ] = 287 octets.
La taille moyenne du fichier WWW est E[Nd ] · E[Sd ] ≈ 7187 octets
WWW E[Npc ] E[Dpc ] E[Nd ] E[Dd ] Packet length

distrib param
32 kb/s 5 412 25 0.074 k= 81.5, α=1.1
64 kb/s 5 412 25 0.037 k= 81.5, α=1.1
144 kb/s 5 412 25 0.016 k= 81.5, α=1.1
Modèles de trafic : FTP
FTP utilise la pile TCP/IP ce qui conduit à un modèle statistique

similaireà l’échelle paquet.
La session FTP envoie une unique unité de donnée : le fichier
lui-même.
Paramètre de la session FTP :
E[Dpc ] E[Nd ] E[Dd ] Packet length

distribution parameters
30 min 200 0.037 k= 81.5, α=1.1
Modèles de trafic
F IGURE: Voix, HTTP et FTP

Performance Et Dimensionnement Des Resea

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Performance Et Dimensionnement Des Resea

Transféré par

Droits d'auteur :

Formats disponibles

Présentation Description des files d’attente Formalisme des files d’attente Relation F.A.

/Réseaux Processus de Poisson Processus de Markov

Performance et Dimensionnement des Réseaux

Université de Versailles - UVSQ

Structure générale du cours

Introduction, classification et motivations.

Structure générale du cours

Étude des performances des réseaux

Application aux réseaux :

1 Expérience quotidienne d’attente :

Quelles sont les causes de l’attente ?

Pourquoi étudier les files d’attente ?

1 Modéliser le comportement des sytèmes à attente et essayer de

Éléments d’une file d’attente - Nomenclature

1 Un ou plusieurs serveurs : c’est l’entité qui effectue le service.

Caractérisation d’une file d’attente

Les 6 objets suivants, décrivant clients, serveur(s) et file(s), détermine

1 Dans le cas le plus général : A(s) dépend du temps et les arrivées

B(s) = P[temps de service(t) ≤ s]

1 Dans le cas le plus général : B(s) dépend du temps et les temps

1 m est le nombre de serveurs en parallèle. C’est le nombre de

1 K est le nombre de clients pouvant être acceptés en salle d’attente

1 La source qui génère les clients peut être finie ou infinie.

Notation de Kendall, A/B/m/K + m/M/e

1 A quoi correspond la file M/M/1/K + 1/∞/FCFS ?

But de la modélisation des F.A.

Autres formes de F.A.

1 On parle alors d’un ensemble de processus d’arrivée et de

Réseaux de paquets de données

Description des réseaux de données

1 Un réseau de paquets est un ensemble de noeuds, appelés

Réseaux de paquets de données

Description des réseaux de données

1 La fonction de déplacer un paquet d’un lien d’entrée vers un lien

Réseaux de paquets de données

Modélisation par file d’attente

3 Le service est l’ensemble de fonctions requises pour transmettre

le paquet avec succès sur le lien (routage ou commutation,

caractériser la capacité de service (vitesse de traitement, vitesse

allouer pour avoir une certaine qualité de service (QoS)

Description des réseaux de données

1 Mode circuit. Un circuit dédié par connexion.

1 Quelle doit-être la valeur de k ? Quelle est la fonction de

Définition d’un processus de Poisson

Propriétés (ou définitions équivalentes)

Processus de poisson d’intensité λ :

Superposition et amincissement des processus de Poisson

1 La superposition de n processus de Poisson indépendants, est un

Que modélise le processus de Poisson ?

1 Des arrivées issues d’un comportement humain : appels

Processus de Markov - définition

X = {X(t), t ∈ R+ } est un processus de Markov s’il vérifie :

P(X(t +s) = j)|X(t) = i, X(u), u < t) = P(X(t +s) = j|X(t) = i)

4 Le processus est dit homogène si P(X(t + s) = j|X(t) = i) est

Processus de Markov - Compétition d’exponentielles

1 Le temps de séjour dans l’état i est Exp(qi ).

Rappel Soient X1 , ..., Xn est une suite de v.a. ind. de

La file d’attente M/M/ vue comme processus de Markov

1 L’état de la file en t est le nombre X(t) de clients dans le système

Définition du processus de naissance et de mort (PNM)

0 1 ... i-1 i i+1

F IGURE: Processus de naissance et de mort.

Déf : Un processus de naissance et de mort est un processus de

Procédé de calcul des files d’attentes M/M