Системы c одним устройством обслуживания

Рассмотрим одноканальную (c одним устройством обслужива­ния) CMO, показанную на рис. 1.2.

Рис. 1.2

Если обозначить среднее время пребывания требований в очере­ди w и рассматривать CMO как очередь q, то, используя формулу Литтла, можно найти среднее количество требований в очереди:

Если обозначить среднее время обслуживания в устройстве и рассматривать CMO как устройство S, то, используя формулу Литтла можно найти среднее количество требований в устройстве:

Всегда имеет место уравнение T = w + , где Т – среднее время пребывания требований в CMO c одним устройством обслуживания.

Коэффициент загрузки p определяет, какую часть времени уст­ройство было занято на протяжении всего времени наблюдения за CMO.

Для обозначения CMO используются три параметра для первых трех параметров: X/Y/Z, где Х – распределение времени поступления; Y – распределение времени обслуживания; Z – число обслуживаю­щих устройств.

В теории CMO некоторые аналитические решения были получе­ны для систем вида D/D/1, М/М/1 и M/G/1. Для других значений пара­метров систем обслуживания аналитические решения не были получены, то есть эта проблема мотивирует использование моделирования.

Самая известная модель – это так называемая CMO типа М/М/1, где M – марковские процессы распределения времени поступления и обслуживания c одним устройством. Например, в системе М/М/1 время между двумя поступлениями в систему требований и время об­служивания имеют экспоненциальные распределения. Такая CMO иногда используется как модель для одного процессора компьютер­ной системы или как стандартное устройство ввода-вывода (напри­мер, магнитный диск). Система D/D/1 – детерминированная система, тогда как D/M/1 – смешанная. Если о системе мало известно, это обо­значается как G/G/m, то есть система c произвольными распределе­ниями и т устройствами.

Изучая любую систему, важно оценить характер ее рабочей на­грузки (например, при моделировании компьютерной системы важно знать: когда новые программы (задачи) поступают в систему; сколько времени нужно процессору для выполнения любой из них; как часто программа обращается к устройству ввода-вывода). Этот процесс можно отобразить графиком работы системы (графический метод моделирования), на котором показаны входы задач в систему, ресур­сы к которым они обращаются, как долго задачи их используют и т.д.

Если описанный сценарий зафиксирован соответствующим гра­фиком и часто возникает в моделируемой системе, то тогда он цели­ком отвечает выборке, которая получена методом измерений при на­блюдении за работой компьютера. Тем не менее, моделирование при использовании такого описания рабочей нагрузки только воссоздает результаты работы этого специфического сценария. Этого недоста­точно для выполнения системой других сценариев. Даже незначи­тельное несоответствие заданному сценарию может привести к дра­матическим последствиям работы компьютера.

Часто рабочая нагрузка на систему определяется одним или не­сколькими распределениями вероятностей в отличие от заданных сценариев. Например, можно бросать монету каждые 15 мин на про­тяжении операции исследования системы, и если монета падает лице­вой стороной, то новая задача поступает в систему в этот момент времени. Если монета падает обрятной стороной, то никакая задача не поступает в систему. Это пример метода розыгрыша случайной величины (метод Монте-Карло), который используется для модели­рования вероятностных систем.

В компьютерном моделировании «бросание монеты» можно ге­нерировать методом случайных чисел. Если выявлены статистиче­ские закономерности и используются соответствующие распределе­ния вероятностей для определения рабочей нагрузки на систему, А также применяются соответствующие статистические методы анали­за результатов моделирования, то полученные результаты относятся к более широкому диапазону рабочих нагрузок, чем подход c исполь­зованием определенного сценария.

Введем коэффициент вариации C как отношение стандартного отклонения к среднему:

где – среднеквадратичное отклонение для .

Для экспоненциального закона распределения C= 1, поскольку и для этого закона равняется λ. Для регулярного детерминиро­ванного закона распределения C = 0 ( =0).

Для системы G/G/1 среднее количество требований определяет­ся как

Используя результат Хинчина-Полячека, можно получить сред­нее время пребывания в одноканальной CMO по формуле

Основной результат (1.7) состоит в том, что среднее время пре­бывания требования в системе зависит только от математического ожидания и стандартного отклонения времени обслуживания. Таким образом, время ожидания определяется как

Обычно интересуются нормированным временем ожидания:

Для системы M/M/1

для системы M/D/1

Таким образом, система c регулярным обслуживанием характе­ризуется средним временем ожидания вдвое меньшим, чем система c показательным обслуживанием. Это закономерно, поскольку время пребывания в системе и количество требований в ней пропорцио­нальны дисперсии времени обслуживания.