Baixe o app para aproveitar ainda mais
Prévia do material em texto
Avaliação de Desempenho Teoria de Fila Teoria de Filas Representação Teoria de Filas Notação de Kendall Representação para os sistemas de filas A / S / m / B / K / SD A: Distribuição do Tempo entre chegadas; S: Distribuição do Tempo de Serviço; Distribuições mais comuns são: M(exponencial), Ek (Erlang), Hk (Hiperexponencial), D(Determinística), G (Geral), GI (Distribuição genérica com tempo entre chegadas independente) Teoria de Filas Notação de Kendall A / S / m / B / K / SD m: Número de Servidores; B: Capacidade do Sistema Inclui os clientes em serviço e aqueles aguardando pelo serviço Se não for explicitado é considerada infinita; K: Tamanho da População Se não for explicitado é considerada infinita; Teoria de Filas Notação de Kendall A / S / m / B / K / SD SD: Disciplina de Serviço Comuns: FIFO, LCFS, ... Se não for explicitado é considerada FIFO; Teoria de Filas Disciplinas de atendimento Teoria de Filas Notação de Kendall Exemplo Descreva o seguinte sistema de fila: M/M/3/20/1500/FCFS Teoria de Filas Notação de Kendall Solução M/M/3/20/1500/FCFS 1.O tempo entre chegadas sucessivas é exponencialmente distribuído (chegada poissoniana) 2.Os tempos de serviço são exponencialmente distribuídos 3.Existem três servidores 4.A fila tem capacidade de armazenamento de 20 clientes; 3 em serviço e 17 em espera 5.Há um total de 1500 clientes a serem servidos 6.A disciplina de serviço diz que o primeiro a chegar será o primeiro a ser atendido. Teoria de Filas Notação de Kendall Exemplo Descreva o seguinte sistema de fila: D/M/10/50 M/Ek /5/15/270 M/G/∞ Teoria de Filas Regras Gerais Taxas A taxa média de chegada é dada por: λ=1/E[τ]; τ é o tempo entre duas chegadas sucessivas. A taxa média de partida é dada por: μ=1/E[s]. s é o tempo de serviço. Teoria de Filas Regras Gerais Variáveis aleatórias ns é o número de clientes em serviço; nq é o número de clientes esperando por serviço; n é o número médio de clientes no sistema, Também chamado de comprimento da fila. Inclui os clientes em serviço e aqueles que estão esperando por serviço; n=ns +nq E[n]= E[n⇒ s]+E[nq] Teoria de Filas Regras Gerais Variáveis aleatórias s é o tempo de serviço; w é o tempo de espera por serviço; r é o tempo de resposta ou tempo no sistema. Inclui tempo de espera por serviço e o tempo de serviço; r=s+w E[r]= E[w] + E[s]⇒ Condição de estabilidade A taxa média de chegada dos clientes deve ser menor que a taxa com a qual o sistema os processa ou λ<mμ. Teoria de Filas Regras Gerais Lei de Little Lei de Little ou fórmula de Little diz: Número médio de clientes no sistema = taxa de chegada X tempo médio de resposta E[n]=λE[t] Se aplica a qualquer parte do sistema. Assim: E[nq]=λE[w] # médio de clientes na fila = taxa de chegada X tempo médio de espera Teoria de Filas Tipos de processo estocásticos Processo de estado discreto e estado contínuo Número de processos da fila do escalonador (estado discreto) O tempo de espera por serviço (estado contínuo) Um processo estocástico a estado discreto é chamado de cadeia Teoria de Filas Tipos de processo estocásticos Processo de Markov (PM) Os estados futuros dependem apenas do presente do processo. Propriedade da ausência de memória Processo de Nascimento e Morte São casos particulares de PM onde as transições ocorrem apenas entre estados adjacentes Teoria de Filas Tipos de processo estocásticos Processo de Poisson Se os tempos entre as chegadas são variáveis aleatórias Independentes e Identicamente Distribuídas (IID) - (exponencialmente) Então, o número de chegadas no intervalo (t, t+x) segue uma distribuição de Poisson Seu uso é comum em teoria de filas devido a propriedade da ausência de memória associada a distribuição exponencial nos tempos entre chegadas Teoria de Filas Tipos de processo estocásticos Processo de Poisson Propriedades A soma de k fluxos poissonianos com taxas médias λi resultam em um processo de Poisson com taxa média de λ: λ λ1 λ2 λk λ=∑ i=1 k λ i Teoria de Filas Tipos de processo estocásticos Processo de Poisson Propriedades Se um processo de Poisson é dividido em k fluxos, de modo que a probabilidade de um cliente ir para o i-ésimo subfluxo é dada por pi, então cada subfluxo também é um processo poissoniano com taxa média piλ λ p1λ p2λ pk λ p1 p2 pk ∑ pi=1 Teoria de Filas Tipos de processo estocásticos Processo de Poisson Propriedades A taxa média de partida de uma fila M/M/1 com taxa média de chegada λ, são poissonianas com a mesma taxa média. Recursoλ λ Teoria de Filas Tipos de processo estocásticos Processo de Poisson Propriedades A taxa média de partida de uma fila M/M/m com taxa média de chegada λ, são poissonianas com a mesma taxa média desde que condição de estabilidade seja obedecida 1 m λ<mμλ λ Teoria de Filas Tipos de processo estocásticos Relação entre os Processos estocásticos Processo de Markov Processo de Nasc. e Morte Processo de Poisson Processos Estocásticos Teoria de Filas Processo de Nascimento e Morte Caso especial de um Processo de Markov; As transições somente ocorrem entre os estados adjacentes; Nascimento: A chegada de um cliente aumenta a população do sistema; Morte: A partida de um cliente diminui a população do sistema. Teoria de Filas Processo de Nascimento e Morte 0 1 2 N-2 N-1 N N+1 λ0 λ1 λN-2 λN-1 λN μ1 μ2 μN-1 μN μN+1 Estado: Equilíbrio → Fluxo de entrada = Fluxo de saída Teoria de Filas Processo de Nascimento e Morte Estados Fluxo de entrada = Fluxo de saída 0 μ1 p1 = λ0 p0 1 λ0 p0 + μ2 p2 = (λ1 + μ1)p1 2 λ1 p1 + μ3 p3 = (λ2 + μ2)p2 …. ................... N-1 λN-2 pN-2 + μN pN = (λN-1 + μN-1)pN-1 N λN-1 pN-1 + μN+1 pN+1 = (λN + μN)pN ….. .................. Teoria de Filas Processo de Nascimento e Morte Estados: p1=(λ0/μ1) p0 p2=(λ1/μ2) p1+(μ1 p1−λ0 p0)/μ2 =(λ1/μ2) p1+(μ1 p1−μ1 p1)/μ2 =(λ1/μ2) p1 =(λ1λ0 /μ2μ1)P0 0: 1: Teoria de Filas Processo de Nascimento e Morte Estado n-1: pn=(λn−1/μn) pn−1+(μn−1 pn−1−λn−2 pn−2)/μn =(λn−1/μn) pn−1+(μn−1 pn−1+μn−1 pn−1)/μn =(λn−1/μn) pn−1 =(λn−1λn−2…λ0/μnμn−1…μ1)Pn−1 n−1: pn+1=(λn/μn+1) pn+(μn pn−λn−1 pn−1)/μn+1 =(λn/μn+1) pn =(λnλn−1…λ0 /μn+1μn…μ1)P0 N−ésimo estado : Teoria de Filas Processo de Nascimento e Morte Geral: pn=p0∏ i=0 n−1 λi μi+1 , n=1,2,. .. Teoria de Filas Processo de Nascimento e Morte Condição de estabilidade →0<p0≤1 Implica que λi/μi+1<1; Para que exista o equilíbrio, a taxa média com o qual os clientes chegam, deve ser menor que aquela com a qual o sistema os processa; Caso contrário, o sistema é instável. p0= 1 1+∑ n=1 ∞ ∏ i=0 n−1 λ i μi+1 ∑ n=0 ∞ pn=1 Teoria de Filas Fila M/M/1 Notação de Kendall A=M → O tempo entre chegadas sucessivas é exponencialmente distribuído; S=M → Os tempos de serviço são exponencialmente distribuídos; m=1 → Um servidor B → Fila infinita; K → População infinita; SD → FIFO. Teoria de Filas Fila M/M/1 Diagrama de transição de estados 0 1 n n+1 λ λ λ μ μ μ μ λ λn=λ , n=0,1,2,. .. μn=μ , n=0,1,2,. .. Teoria de Filas Fila M/M/1 Solução é dada pela aplicação do Processo de Nascimento e Morte pn=p0∏ i=0 n−1 λ i μi+1=p0∏i=0 n−1 λ μ=p0 ( λμ ) n n⩾0 pn= 1 1+∑ n=1 ∞ ∏ i=0 n−1( λ1μn+1 ) = 1 1+∑ n=1 ∞ ( λμ ) n A série somente converge se ρ<1, onde ρ = λ/μ Teoria de Filas Fila M/M/1 Assim, as probabilidades do estado de equilíbrio são dadas por: p0= 1 1+ λ μ 1−λμ =1−λμ=1−ρ ρ é chamado intensidade de tráfego pn=(1−ρ)ρ n Teoria de Filas Fila M/M/1 Número médio de clientes no sistema E [n ]=∑ n=0 ∞ npn=∑ n=0 ∞ n(1−ρ) pn =(1−ρ)∑ n=0 ∞ npn=(1−ρ)ρ∑ n=0 ∞ npn−1 =ρ (1−ρ) (1−ρ)2 = ρ (1−ρ) Teoria de Filas Fila M/M/1 Pela lei de Little, …pode-se computar o tempo de resposta... E [t ]=E [n]λ = ρ λ(1−ρ) = λ λμ(1−ρ) = 1 μ(1−ρ) E [n]=λ E [t ] Teoria de Filas Fila M/M/m Notação de Kendall A=M → O tempo entre chegadas sucessivas é exponencialmente distribuído; S=M → Os tempos de serviço são exponencialmente distribuídos; m=m → m servidores. Teoria de Filas Fila M/M/m Diagrama de transição de estados 0 1 2 3 λ λ λ μ 2μ 3μ m-2 m-1 m m+1 λ λ λ (m-1)μ mμ mμ λn=λ ,n=0,1,2,. .. μn={nμ , n<mmμ , n⩾m Nota: A taxa de chegada se mantém constante, mas a taxa de serviço depende do número de requisições que estão no sistema. Teoria de Filas Fila M/M/m Aplicando a solução do processo de Nascimento e morte, tem-se as seguintes probabilidades Onde, pn={p0(mρ) n n! , n<m p0 mmρn m! , n⩾m ∑ n=0 ∞ pn=1 Teoria de Filas Fila M/M/m A probabilidade de não existir nenhuma requisição no sistema é calculada por: p0=[∑n=0 m−1 (mρ)n n! +((mρ) n m! )( 11−ρ )] −1 p0= 1 ∑ n=0 m−1 (mρ)n n! +( (mρ) n m! )( 11−ρ ) OU Teoria de Filas Fila M/M/m Dentre as medidas de desempenho está a fórmula de Erlang C, empregada na modelagem de sistemas de espera. Probabilidade de ter fila. P [ fila]=p0( (mρ) m m! )( 11−ρ ) Teoria de Filas Fila M/M/m Onde ρ = λ/mμ é chamado intensidade de tráfego; Novamente, a condição de existência de equilíbrio é ρ<1 ou λ<mμ; Para que fila M/M/m seja estável, a taxa média com a qual os clientes chegam deve ser menor que aquela com que os m servidores podem processá-los; Caso contrário, o sistema é instável. Teoria de Filas Fila M/M/m/B Notação de Kendall A=M → O tempo entre chegadas sucessivas é exponencialmente distribuído; S=M → Os tempos de serviço são exponencialmente distribuídos; m=m → m servidores; B → capacidade finita. Teoria de Filas Fila M/M/m/B A fila M/M/m/B é similar a fila M/M/m exceto que o tamanho do buffer B é finito; Depois que o buffer B encher todas as chegadas serão perdidas; B ≥ m, caso contrário os servidores não serão capaz de operar devido a falta de buffer e; O sistema irá operar efetivamente como fila M/M/B/B. Teoria de Filas Fila M/M/m/B Diagrama de transição de estados O sistema pode ser modelado com o processo de nascimento e morte usando as seguintes taxas de chegada e serviço. λn=λ ,n=0,1,2,. .. ,B−1 μn={nμ , n=1,2,. .. ,m−1mμ , n=m,m+1,. .. , B 0 1 2 3 λ λ λ μ 2μ 3μ m-1 m B λ λ mμ mμ Teoria de Filas Fila M/M/m/B Aplicando a solução do processo de Nascimento e morte, tem-se pn={p0(mρ) n n! , 0<n<m p0 mmρn m! , m⩽n⩽B p0=[1+∑n=0 m−1 (mρ)n n! +( (1−ρ B−m+1)(mρ)m m!(1−ρ) )] −1 Teoria de Filas Fila M/M/m/B Número médio de clientes no sistema e na fila de espera E [n ]=∑ n=1 B npn E [nq ]= ∑ n=m+1 B (n−m) pn Teoria de Filas Fila M/M/m/B Taxa de chegada efetiva Todas as chegadas que ocorrem quando n=B são perdidas; Assim, a taxa de clientes que de fato entram no sistema é chamada de taxa de chegada efetiva. λ '=∑ n=0 B−1 λ pn=λ∑ n=0 B−1 pn λ '=λ(1−PB) Teoria de Filas Fila M/M/m/B Taxa de chegada efetiva A diferença entre … representa a taxa de clientes perdidos λ−λ '=λ PB Teoria de Filas Fila M/M/m/B Tempo médio de resposta, pode ser computado usando a lei de Little. Tempo médio de espera E [r ]= E [n] λ ' = E [n ] λ (1−PB) Obs: Note que a lei de Little pode agora ser usado pois a taxa de chegada é “corrigida” para incorporar somente os clientes aceitos no sistema E [w ]= E [nq] λ ' = E [nq] λ (1−PB) Teoria de Filas Fila M/M/m/B Quando B=m a capacidade do sistema são os próprios servidores. Tem-se nesse caso a fórmula de Erlang B. Que expressa a probabilidade de um cliente chegar e ser bloqueado. P [bloqueio ]=pm= (mρ)m m! p0= (mρ)m /m! ∑ j=0 m (mρ) j j ! Teoria de Filas Exercício Medidas mostram que em um gateway de rede, os pacotes chegam com uma taxa média de 125 pps (pacotes por segundo), e o gateway gasta 2 milisegundos para processá-los. Use o modelo M/M/1 e analise o gateway. Qual é a probabilidade de ocorrer um transbordo no buffer se o gateway tem 13 buffers? Quantos buffers são necessários para manter a perda de pacote abaixo de 1 pacote por milhão. Teoria de Filas Solução Taxa média de chegada λ=125 pps Tempo médio de serviço μ =1/0.002 = 500 pps Utilização do gateway U=ρ= λ/ μ=0.25 Probabilidade de n pacotes no gateway pn= (1 - ρ)ρn → pn = 0.75(0.25)n Teoria de Filas Solução Número médio de pacotes no gateway E[n]=ρ/(1- ρ)→E[n]=0.25/0.75→E[n]=0.33 Tempo médio de resposta do gateway E[r] = (1/μ)/(1- ρ)=(1/500)/(1-0.25) E[r] = 0.00266 segundos E[r] = 2.66 milisegundos Solução Probabilidade de transbordo do buffer P(ter mais que 13 pacotes no gateway)=ρn=ρ13 1.49x10-8 ≈15 pacotes por bilhão de pacotes Para a prob. de perda ser menor que 10-6, tem- se: ρn ≤ 10-6 ou n>log(10-6)/log(0.25)=9.96 Assim, para a manter a probabilidade de perda abaixo de 10-6 são necessários 10 buffers Teoria de Filas Exemplo Os estudantes chegam em um centro de computação de uma universidade de forma poissoniana com uma taxa média de 10 por hora. Cada estudante gasta na média 20 minutos em cada terminal, sendo esse tempo distribuído exponencialmente. O centro atualmente conta com 5 terminais. Alguns estudantes tem reclamado que os tempos de espera estão muito longos. Analise tal sistema usando o modelo de fila adequado. Teoria de Filas Solução O centro é uma fila M/M/5 com taxa média de chegada 1/6 minutos e taxa média de serviço de 1/20 minutos A intensidade de tráfego ρ=λ/mμ → 0.167/(5x0.05) Probabilidade de todos os terminais estarem ociosos p0 =[1+(5X0.67)5/5!(1-0.67)+(5X0.67)1/1! +(5X0.67)2/2!+(5X0.67)3/3! (5X0.67)4/4!]-1 p0 = 0.0318; Teoria de Filas Solução A probabilidade de todos os terminais estarem ocupados ς = p 0 (mρ)m/m!(1- ρ) ς = 0.0318x(5x0.67)5/5!(1-0.67)=0.33; Utilização média do terminal ρ=0.67; Número médio de estudantes no centro E[n]=mρ+ρς/(1-ρ)=0.67x0.33/(1-0.67)=4.0 Teoria de Filas Solução O número médio de estudantes esperando na fila E[nq]=ςρ/(1-ρ)=(0.67x0.33)/(1-0.67)=0.65 O número médio de estudantes usando terminal E[ns]=E[n]-E[nq]=4-0.65=3.35 Teoria de Filas Solução A média e a variância do tempo gasto no centro de serviço: E[r]=1/μ[1+ ς/m(1- ρ)]= E[r]= 1/0.05[1+ 0.33/5(1-0.67)]=24 Var[r]=1/μ2 [1+ ς(2- ς)/m2 (1- ρ) 2 ]= Var[r]= 1/0.052 [1+ 0.33(2- 0.33)/52 (1-0.67)2] Var[r]=479 Cada estudante gasta, na média, 24 minutos no centro. Desses 20 minutos são em serviço, e 4 são esperando por serviço; Teoria de Filas Solução O 90-percentil do tempo de espera é de: Max{0, E[w]/ςx ln(10ς)} Max{0, 4/0.33ln(10 x0.33)}=14 minutos; Assim, 10% dos estudantes tem de esperar mais que 14 minutos. Teoria de FilasExemplo Os estudantes gostariam de limitar seus tempos de espera em, na média, dois minutos e não mais que cinco minutos em 90% dos casos. Isso é possível? Se positivo, então quantos terminais devem são requeridos? Teoria de Filas Solução Análise com 6 terminais λ=0.167 e μ=0.05 Intensidade de tráfego ρ = 0.167/(6 x0.05)=0.556 Probabilidade de todos terminais estarem ociosos p0 =0.00346 Probabilidade de todos terminais estarem ocupados ς =0.15 Tempo médio de espera E[w]=1.1 minutos 90-percentil do tempo de espera Max{0, E[w]/ ς x ln(10ς)} Max{0, 1.1/0.15 ln(10 x 0.15)} = max{0,3}=3 minutos Assim, com apenas com um terminal a mais é possível satisfazer o perfil de atendimento demandado pelos estudantes Teoria de Filas Notas do capítulo Ler: – Capítulo 30 e 31 do Raj Jain (exceto a seção 3.5) Teoria de Filas Raj Jain. The art of Computer Systems Performance Analysis: technique for experimental design, measurement, simulation, and modeling, Wiley, 1991. Bibliografia Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23 Slide 24 Slide 25 Slide 26 Slide 27 Slide 28 Slide 29 Slide 30 Slide 31 Slide 32 Slide 33 Slide 34 Slide 35 Slide 36 Slide 37 Slide 38 Slide 39 Slide 40 Slide 41 Slide 42 Slide 43 Slide 44 Slide 45 Slide 46 Slide 47 Slide 48 Slide 49 Slide 50 Slide 51 Slide 52 Slide 53 Slide 54 Slide 55 Slide 56 Slide 57 Slide 58 Slide 59 Slide 60 Slide 61 Slide 62 Slide 63
Compartilhar