čas bivanja k-te zahteve v sis. (čas v vrstah + čas za strežbo) - verjetnost k zahtev v sis. v času t - povprečno št.

Similar documents
2. Osnove teorije strežbe. Vsebina 1.poglavja predavanj OMIS (3.VSŠ/LS+PO)

Appendix A. Examples of configurations of robotic flexible assembly cells (Figs. A.1, A.2, A.3 and A.4).

Multipla korelacija in regresija. Multipla regresija, multipla korelacija, statistično zaključevanje o multiplem R

CPSC 531: System Modeling and Simulation. Carey Williamson Department of Computer Science University of Calgary Fall 2017

ENERGY AND MASS SPECTROSCOPY OF IONS AND NEUTRALS IN COLD PLASMA

Advanced Computer Networks Lecture 3. Models of Queuing

OA07 ANNEX 4: SCOPE OF ACCREDITATION IN CALIBRATION

Data analysis and stochastic modeling

Management of intermodal container terminals using feedback control

Queuing Networks: Burke s Theorem, Kleinrock s Approximation, and Jackson s Theorem. Wade Trappe

Module 5: CPU Scheduling

Chapter 6: CPU Scheduling

Chapter 6 Queueing Models. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

Coordinated Replenishments at a Single Stocking Point

Software Process Models there are many process model s in th e li t e ra t u re, s om e a r e prescriptions and some are descriptions you need to mode

Queueing Theory I Summary! Little s Law! Queueing System Notation! Stationary Analysis of Elementary Queueing Systems " M/M/1 " M/M/m " M/M/1/K "

Scheduling I. Today Introduction to scheduling Classical algorithms. Next Time Advanced topics on scheduling

CPU scheduling. CPU Scheduling

Attempt to prepare seasonal weather outlook for Slovenia

Waiting Line Models: Queuing Theory Basics. Metodos Cuantitativos M. En C. Eduardo Bustos Farias 1

Queuing Theory. Using the Math. Management Science

PBW 654 Applied Statistics - I Urban Operations Research

R V P 2 Predavanje 05

Baroklina nestabilnost

Exercises Stochastic Performance Modelling. Hamilton Institute, Summer 2010

Exercises Solutions. Automation IEA, LTH. Chapter 2 Manufacturing and process systems. Chapter 5 Discrete manufacturing problems

Queueing Theory and Simulation. Introduction

Che-Wei Chang Department of Computer Science and Information Engineering, Chang Gung University

Slides 9: Queuing Models

Linearne enačbe. Matrična algebra. Linearne enačbe. Linearne enačbe. Linearne enačbe. Linearne enačbe

Scheduling I. Today. Next Time. ! Introduction to scheduling! Classical algorithms. ! Advanced topics on scheduling

Figure 10.1: Recording when the event E occurs

Queuing Theory. The present section focuses on the standard vocabulary of Waiting Line Models.

IZRAČUN MEMBRANSKE RAZTEZNE POSODE - "MRP" za HLADNOVODNE SISTEME (DIN 4807/2)

Acta Chim. Slov. 2003, 50,

Description of the ED library Basic Atoms

Sekvenčna preklopna vezja

Katastrofalno zaporedje okvar v medsebojno odvisnih omrežjih

Queueing Theory. VK Room: M Last updated: October 17, 2013.

SISTEMSKA INFORMATIKA IN LOGISTIKA. predmet izbirnega modula študijskega programa 2. stopnje smer Avtomatika in informatika

Snapshots. Chandy-Lamport Algorithm for the determination of consistent global states <$1000, 0> <$50, 2000> mark. (order 10, $100) mark

On the Partitioning of Servers in Queueing Systems during Rush Hour

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE. O neeksaknotsti eksaktnega binomskega intervala zaupanja

5/15/18. Operations Research: An Introduction Hamdy A. Taha. Copyright 2011, 2007 by Pearson Education, Inc. All rights reserved.

TOPLJENEC ASOCIIRA LE V VODNI FAZI

Other properties of M M 1

Lecture 9: Deterministic Fluid Models and Many-Server Heavy-Traffic Limits. IEOR 4615: Service Engineering Professor Whitt February 19, 2015

Construction Operation Simulation

Cumulative Count Curve and Queueing Analysis

Performance Evaluation of Queuing Systems

Stochastic Models of Manufacturing Systems

Stochastic Models of Manufacturing Systems

Optimal and Heuristic Echelon ( r, nq, T ) Policies in Serial Inventory Systems with Fixed Costs

Simulation & Modeling Event-Oriented Simulations

B. Maddah INDE 504 Discrete-Event Simulation. Output Analysis (1)

Circulation Dispatch at the Washington Post

Queueing Systems: Lecture 3. Amedeo R. Odoni October 18, Announcements

Termalizacija zaprtih kvantnih sistemov

ENAČBA STANJA VODE IN VODNE PARE

Introduction to Markov Chains, Queuing Theory, and Network Performance

Introduction to Modelling and Simulation

Control of Fork-Join Networks in Heavy-Traffic

CPU Scheduling. CPU Scheduler

Analysis of Software Artifacts

Lan Performance LAB Ethernet : CSMA/CD TOKEN RING: TOKEN

Stochastic Modeling and Analysis of Generalized Kanban Controlled Unsaturated finite capacitated Multi-Stage Production System

Eulerjevi in Hamiltonovi grafi

BIRTH DEATH PROCESSES AND QUEUEING SYSTEMS

Queueing systems. Renato Lo Cigno. Simulation and Performance Evaluation Queueing systems - Renato Lo Cigno 1

Queueing Review. Christos Alexopoulos and Dave Goldsman 10/6/16. (mostly from BCNN) Georgia Institute of Technology, Atlanta, GA, USA

UNIVERZA V MARIBORU FAKULTETA ZA NARAVOSLOVJE IN MATEMATIKO. Oddelek za matematiko in računalništvo MAGISTRSKA NALOGA. Tina Lešnik

A PARAMETRIC DECOMPOSITION BASED APPROACH FOR MULTI-CLASS CLOSED QUEUING NETWORKS WITH SYNCHRONIZATION STATIONS

CHAPTER 4. Networks of queues. 1. Open networks Suppose that we have a network of queues as given in Figure 4.1. Arrivals

A A Multi-Echelon Inventory Model for a Reparable Item with one-for. for- one Replenishment

Overall Plan of Simulation and Modeling I. Chapters

Chapter 2 Queueing Theory and Simulation

UNIVERZA NA PRIMORSKEM FAKULTETA ZA MATEMATIKO, NARAVOSLOVJE IN INFORMACIJSKE TEHNOLOGIJE

Exact Simulation of the Stationary Distribution of M/G/c Queues

OPTIMIRANJE IZDELOVALNIH PROCESOV

Razpoznavanje govora GOVORNE IN SLIKOVNE TEHNOLOGIJE. prof. dr. France Mihelič

Minimizacija učne množice pri učenju odločitvenih dreves

Demand Forecasting. for. Microsoft Dynamics 365 for Operations. User Guide. Release 7.1. April 2018

Second main application of Chernoff: analysis of load balancing. Already saw balls in bins example. oblivious algorithms only consider self packet.

Analiza omrežij Zgradba omrežij:

CPU SCHEDULING RONG ZHENG

A TANDEM QUEUEING SYSTEM WITH APPLICATIONS TO PRICING STRATEGY. Wai-Ki Ching. Tang Li. Sin-Man Choi. Issic K.C. Leung

MULTIPLE CHOICE QUESTIONS DECISION SCIENCE

CHAPTER-3 MULTI-OBJECTIVE SUPPLY CHAIN NETWORK PROBLEM

Reševanje problemov in algoritmi

Design of Plant Layouts with Queueing Effects

POGLAVJE IV: Klasični in kvantni Monte-Carlo

Univerza v Ljubljani Fakulteta za matematiko in fiziko. Oddelek za fiziko. Seminar - 3. letnik, I. stopnja. Kvantni računalniki. Avtor: Tomaž Čegovnik

P a g e 5 1 of R e p o r t P B 4 / 0 9

NIKJER-NIČELNI PRETOKI

Sandwich shop : a queuing net work with finite disposable resources queue and infinite resources queue

MODELING AND PROPERTIES OF GENERALIZED KANBAN CONTROLLED ASSEMBLY SYSTEMS 1

Queueing Review. Christos Alexopoulos and Dave Goldsman 10/25/17. (mostly from BCNN) Georgia Institute of Technology, Atlanta, GA, USA

Optimizacija razporeditve preizkušanja in vzdrževanja varnostne opreme na podlagi najmanjšega tveganja

THE STRUCTURE AND PERFORMANCE OF OPTIMAL ROUTING SEQUENCES. Proefschrift

A Unifying Approach to the Dynamics of Production, Supply, and Traffic Networks. Dirk Helbing

Transcription:

Strežna mreža: - poljubna vezava poljubnega št. Strežnih enot µ - intenzivnost strežbe [št. Zahtev/sec] 1 = µ x - povprečni strežni čas λ - intenzivnost prihajanja zahtev [št. Zahtev/sec] ρ = λ µ Ne sme biti µ - uporabnostni faktor [ 0 ρ 1 ] > λ...pomeni da sis. ni zmožen sprocesirat toliko zahtev Strežni sistem: KENDALOVA NOTACIJA A/B/m/K/M/Q A porazdelitev medprihodnih časov B porazdelitev strežnih časov: m število strežnikov K kapaciteta sistema K= št. strežnikov + vsota čakalnih vrst, neskončna M velikost populacije zahtev: končna, neskončna Q čakalna disciplina: fifo, lifo, rnd, priority, time sharing velja za A in B: D determinitična porazdelitev M - eksponentna porazdelitev E - erlangova porazdelitev G - splošna porazdelitev Numerične značilnosti strežnih sis. N povprčno št, zahtev v sis. T povprečen čas bivanja zahteve v sis. T k = Wk + xk čas bivanja k-te zahteve v sis. (čas v vrstah + čas za strežbo) P k ( t ) - verjetnost k zahtev v sis. v času t LITTLEOV TEOREM: N = T λ N q = W λ - povprečno št. zahtev v vrsti λ N s = x λ = = ρ µ - povprečno število zahtev v strežnikih

Zakon o ohranitvi pretoka: A število prispelih zahtev B število postreženih zahtev zakon A=B če je A>B pride do explozije sis. ( ρ > 1) A<B to pa ni možno ker sistem ne generera zahtev POISSONOVI PROCESI: - velika vstopajoča populacija ekvivalentnih zahtev - lahko si jih predstavljamo, kot proces štetja nakjučno se porajajočih točk na časovnem int. [0,t] P P ( x( 0 ) = 0) = 1 sistem je na začetku prazen (pred pogoj) k k λ t λ = e k! verjetnost da je v času t v sis. vstopilo k zahtev t ( x( t ) = k ) Lastnosti POISSONOVIH procesov: Superpozicija: ob predpostavki, da združimo k neodvisnih Poissonovih proc., bo tudi nov proc. Poissonov proces brez pomnenja:vsaka novoporojena zahteva se je porodila brez vednosti, kdaj se je rodila njena predhodnica Stohastični procesi: - je proces, kjer je dinamika oz. del dinamike pogojena verjetnostno Stohatični proc. definiramo na podlagi treh zakonitosti: 1. prostor stanj (če je končna mn. stanj, pomeni da so stanja diskretna(stohatične verige), če ni končna mn. stanj. pa pomeni da so stanja na intervalih na zvezni osi(proces z zveznimi stanji)) 2. indexni parameter (uporaba zveznega časa(proces z zveznim časom), uporaba diskretnega časa(stohastično zaporedje)) 3. statistična odvisnost (vsaj del dinamike mora biti verjetnostno pogojen)

Markovski proces: - je stohatični proces, brez pomnenja Poznamo zvezno časovne in diskretne časovne M.P. Markovske verige (diskretni časovni markovski procesi): Imamo opravka s stohastičnostjo, diskretnim časom in brez pomnenja ob menjavi stanj. Prehajalne verjetnosti so lahko odvisne od časa(se pravi se spreminjajo) ali neodvisne od časa(stacionarne prehajalne verj....verjetnosti so skos enake). Če so vse prehajalne verjetnosti stacionarne, govorimo o homogeni markovski verigi. ( k ) ( 0 ) k Π = Π M ( k ) Π - vektor verjetnosti za k-to stanje (k=0 vektor verjetnosti za začetno stanje) M matrika verjetnosti prehajanja stanj (matrika je n*n n=št. stanj) Lastnosti diskretnih časovnih M.V.: 1. Stacionarnost: obstajajo limitne vrednosti verjetnosti stanj, ki niso odvisne od začetne porazdelitve verjetnosti. 2. Reducibilnost: je nereducibilna, če je vsako stanje dosegljivo iz vseh ostalih stanj v končnem št. korakov. Je reducibilna, če vsebuje več kot eno izolirano podmnožico stanj. 3. Peroidičnost: sistem M.V. je periodičen s periodo t, če se po t*n korakih vrača v isto stanje M.V. 4. Povrnljivost (rekurenčnost): povrnljivo stanje j je tiso, pri katerem je verjetnost nahajanja v stanju j pri zelo velikem številu korakov (lim neskončno) večja od 0. ( k ) lim Π > 0 k j Rojstno smrtni proces: - posebna oblika zvezno časovnih M.V. - prehodi so možni le v sosednja stanja - predpostavka: rojstvo in smrt zahteve ne nastopita istočasno Petrijeve mreže: So logična struktura. Glavni cilj je postavljanje modelov in proženje simulacij. Petrijeve mreže izpostavijo pomankljivosti kot so: deadlock (čakanje drug na drugega), ozka grla, neželjena stanja sistema. Osnovni gradniki : - pogoji - akcije - povezave akcij in pogojev - žetoni v pogojih -> št. žetonov {N,0} - št. žetonov odraža kolikokrat je nek pogoj izpolnjen graf Petrijeve mreže: - pogoj - akcija - povezava - žeton Def: PM je četvorček C=(P,T,I,O)

P končna množica pogojev (places) T končna množica akcij (tranzitions) I matrika vhodne funkcije O matrika izhodne funkcije Za I in O velja da je št. stolpcev = št. pogojev in št. vrstic = št. akcij P,T,I,O - so časovno nespremenljivi Je usmerjen graf, povezave vodijo iz pogoja v akcijo, in obratno. Žetoni se zadržujejo večji čas samo v pogojah. Prehod skozi akcijo je hipen. Omogočenost akcije t j : Akcija t j je omogočena če velja: o( t ) e[ j ] I o(t) postavitev žetonov v času t e[j] enotski vektor (na j-tem mestu je 1 [0,1,0]) Posledica proženja akcije t j : o( t + 1) = o( t ) + e[ j ] ( O I) o(t+1) postavitev žetonov po proženju akcije t j. e[j] enotski vektor (na j-tem mestu je 1 [0,1,0]) Dinamika P.M. - dinamika je odvisna od označitve - posamezna akcija se izvede, če je omogočena - akcija je omogočena, če se po vseh povezavah, ki vanjo vodijo iz pogojev lahko pripeljejo žetoni - po definiciji so časi trajanja akcij HIPNI-NIČNI - paralelnega proženja akcij ni; v enem diskr.čas.koraku se lahko sproži samo ena! - če je v času t omogočenih več akcij, se nedeterministično izbere le ena in se izvede Varnost P.M. Pogoj je varen, če se v času simulacije št. žetonov v njem ne povzpne nad 1. P.M. je varna, če so v njej varni vsi pogoji. Omejenost P.M. Pogoj p i v PM z začetno označitvijo O je k-omejen, če za vse dosegljive označitve velja o'(p i ) k oz. Pogoj vpm z začetno označitvijo je k-omejen, če se št. žetonov med simulacijo v njem ne povzpne nad k, ga pa doseže. P.M. je k-omejena, če je k enak pogoju, ki ima največji k. Konzervativnost P.M. V P.M. skušamo zadrževati enako št. žetonov. P.M. je striktno konzervativna, če za vsako označitev, velja, da ima enako št. žetonov kot v začetni označitvi. >razlika med strežno enoto in strežno mrežo Strezna enota: - ponuja en tip strežbe - vrši jo lahko več strežnikov - čakalna vrsta je le ena Strežna mreža: - poljubna kombinacija/vezava strežnih enot >opisat strežno enoto lambda, ni, ena vrsta,...več strežnikov vzporednih >M/M/1

λ μ FIFO vrsta 1 strežnik => 1 vrsta poissonov proces prihajanja zahtev exponentna porazdelitev strežnih časov ( x ) velja: statičen v času λ k = λ, μ k = μ strežnik lahko obdeluje le 1 zahtevo strežnik je pripravljen na takojšni sprejem zahteve, če je prazen > omahljiv M/M/1 -omahljiv M/M/1 je tisti pri katerem se intenzivnost prihajanja zahtev spreminja od št.zahtev v sistemu >M/M/1/ S λ λ' (S-1) μ λ*p b (verjetnost zasedenosti sistema P b =P s ) λ' λ S -> 1 streznik S-1 mest v vrsti - ko je v sistemu S zahtev začne sistem zahteve odklanjati(»izguba!«) >M/M/m - imamo paralelno vezanih m, funkcionalno ekvivalentnih strežnikov - vsaka zahteva obdela natanko en strežnik - SHEMA ROJEVANJA IN SMRTI S > Round Robin model - zgod. Model - procesiranje zahtev v časovnih rezinah(dodeljevanje časovnih rezin TIME SHARING) λ - značilnost strežbe : zahteva dobi le t-procesnih rezin - n je povprečno št.zahtev (n-1)t čakalni čas zahteve KENDALOVA NOTACIJA notacija A/B/m/M/K/S

A... porazdelitev intenzivnosti prihajanja B... porazdelitev intenzivnosti strežbe D diskretna M exponentna (default) G verjetnostna D diskretna M exponentna (default) G verjetnostna m... št. strežnikov M... velikost populacije zahtev(default = ) K... kapaciteta strežnega sistema: max. št. zahtev, ki se lahko zadržuje v sistemu n K=m+ i = 1 dolžina vrste S... strategija jemanja iz vrste(dolžina vrste -> default = ) FIFO,LIFO(sklad),RND,Prioriteno,TIME SHARING(dodeljevanje časovnih rezin) >implicitno, eksplicitno, kaj je kaj Npr. Zasedanje resursov: Implicitno ( Poštena do vseh ) D1 D3 D2 G D1 D2 D3 F R1 R1 R1 STRATEGIJA ODELJEVANJA Eksplicitno ( Favorizira prvoprispele ) R1 >littleov teorem N=λ*T

Generate-generator zahtev A GENERATE activity generates the arrival of entities into the model. Arrivals may be random, deterministic or conditional. An example of a GENERATE activity is the arrival of patients in a clinic. A GENERATE activity may have values for arrival time, quantity, frequency and occurrences. Dispose A DISPOSE activity disposes of the entities when they are finished with processing. A DISPOSE activity can be used for collecting customized statistics for throughput or throughput time. Delay A DELAY activity defines value added or non value added activity times. It is one of the most commonly used activities in SIMPROCESS. A DELAY activity with resource constraints provides queue statistics that can be used for analyzing wait times. Assemble An ASSEMBLE activity assembles multiple entities coming from multiple sources to create a single entity. For example, the development of a business proposal may contain three documents that are merged using an assembly activity. Branch Vejišče poti(narezen) Izbira poti se vrši glede na: verjetnost ali prioritete ali tip entitete ali vrednost atributa entitete A BRANCH activity allows for defining alternative routings for flow objects. Branching may be based on a probability or a condition. For example, the outcome of an inspection process may bemodeled using probabilistic branching. Merge Velišče poti(skupaj) A MERGE activity provides a mechanism for merging a number of connectors into a single connector. Batch Lepljenje entitet(začasno) Lepljenje odvisno od: -št.entitet -vredn. atributov entitet A BATCH activity combines a given quantity of entities into a single batch. An example of a batching activity is the accumulation of mail for delivery. Unbatch razcepljanje entitet(začasno) An UNBATCH activity splits a previously batched entity into individual entities. For example, unloading of a truck that results in multiple loads may be modeled with an unbatch activity.

Split rezceplja zahteve (trajno) A SPLIT activity takes an incoming entity and creates clones of that entity as well as providing an output of the original entity. For example, clones of a purchase order may be created with a SPLIT activity and sent to accounts payable and shipping. Join Lepi zahteve (trajno) A JOIN activity takes the clones and original entity that were split up, and matches them to produce the original one. For example, a JOIN activity may be used for matching the paperwork with the shipment. Transform Preslika entitetni tip v drugega A TRANSFORM activity converts an incoming entity into another entity. For example, a prospective buyer is transformed into a customer when an order is placed. This activity can be modeled using the transformation construct. Copy A COPY activity makes multiple copies of the original entity. For example, if a document is being edited in a groupware software that results in multiple copies of a file, this activity may be modeled using a COPY activity. Gate - vrata A GATE activity holds entities in a queue, until a signal is received. For example, a GATE activity would be used to model orders held in inventory until a signal is received from the distributor to fulfill the demand. Assign priredi (+,-,/,*) An ASSIGN activity provides a mechanism for defining or changing attributes values. Synchronize sinhronizira vhode več entitet in jih prenaša na izhodno stran A SYNCHRONIZE activity takes inputs that arrive at different times and outputs them in a synchronized fashion. For example, passengers and their baggage must be synchronized at a terminal. Replenish Resource This activity allows for replenishment of consumable resources. Get Resource This activity provides a mechanism for capturing resources that may be used for a number of downstream activities. Free Resource This activity provides a mechanism for releasing resources that were captured by a GET RESOURCE activity.