Исследование задержки в системе G/G/1
Автор: Тарасов Вениамин Николаевич, Карташевский Игорь Вячеславович, Липилина Людмила Владимировна
Журнал: Инфокоммуникационные технологии @ikt-psuti
Рубрика: Технологии компьютерных систем и сетей
Статья в выпуске: 2 т.13, 2015 года.
Бесплатный доступ
В статье представлены результаты исследования задержки для системы массового обслуживания (СМО) Н2/Н2/1 типа G/G/1 для широкого диапазона изменения параметров трафика. Известно, что распределенная по гиперэкспоненциальному закону Н2 случайная величина имеет коэффициент вариации больше единицы. Поэтому гиперэкспоненциальный закон распределения может быть использован для аппроксимации распределения с тяжелыми хвостами. Учитывая тот факт, что распределение Н2 является трехпараметрическим, в статье приведен механизм аппроксимации произвольных законов распределений с тяжелым хвостом гиперэкспоненциальным распределением. Это может быть выполнено как на уровне двух первых моментов, так и на уровне трех первых моментов. Система Н2/Н2/1 типа G/G/1 имеет то преимущество перед другими системами с входными распределениями с тяжелым хвостом, что для нее можно получить точное решение в аналитическом виде.
Системы массового обслуживания, среднее время ожидания в очереди, задержки, преобразование лапласа
Короткий адрес: https://sciup.org/140191756
IDR: 140191756 | DOI: 10.18469/ikt.2015.13.2.07
Текст научной статьи Исследование задержки в системе G/G/1
Как известно из теории СМО [1], среднее время ожидания требований в очереди является составной частью задержки в сетях пакетной передачи данных. В классической СМО M/M/1 оно выражается равенством (здесь и далее используется классическое трехпозиционное обозначение Кендалла):
для системы M/G/1:
W =
с коэффициентами вариаций интервалов поступления и обслуживания квадратичной зависимостью, так как дисперсия случайной величины и коэффициент вариации связаны соотношением . Таким образом, среднее время ожидания в очереди в системе с входными распределениями, имеющими коэффициенты вариаций интервалов между требованиями входного потока и времени обслуживания меньше, чем в системе M/M/1, и меньше, чем в системе M/G/1 при , и меньше, чем в системе G/G/1 при условии , при оди наковой нагрузке:
^ |(с,<4
<1)< W | (с, = 1,^, =1)< ^
Наконец, для системы G/G/1 это время равно
(СЛ = t с„
>1)<^ | (с, > 1, с/( > 1) .
W
D.+D^+a-pf/r f-
1(\-р)/Х
Неравенства (4) также отражают непреложные факты из теории СМО.
В этих формулах использованы следующие обозначения: – коэффициент загрузки системы
– интенсивность входног о потока, – интенсивность обслуживания;
– второй начальный момент времени обслуживания; – соответственно, дисперсии интервалов поступления и времени обслуживания, – соответственно, среднее значение и второй начальный момент периода простоя.
Второе слагаемое в правой части (3) остается неизвестным, и вполне возможно, что оно может содержать моменты интервалов поступления и времени обслуживания более высокого порядка, чем первые два. Поэтому при анализе СМО G/G/1 (с произвольными законами поступления и обслуживания требований в системе) необходимо учитывать не только первые два момента случайных интервалов времен поступления и обслуживания, но и моменты более высокого порядка. И наконец, (1)-(3) убедительно демонстрируют зависимость основной характеристики СМО – среднего времени ожидания требований в очереди от вида входных распределений. Равенства (1)-(3) также можно интерпретировать как эволюцию СМО.
Анализ (3) показывает, что величина среднего времени ожидания требований в очереди связана
Постановка и решение задачи
В статье ставится задача исследования времени ожидания (3) для СМО G/G/1 на примере системы Н2/Н2/1, а также построения механизма аппроксимации произвольных законов распределений (G) с тяжелыми хвостами гиперэкспоненциальным распределением.
В настоящее время не существует аналитических методов для точного определения характеристик СМО G/G/1 или G/G/m, и как следствие, это отражается на степени адекватности стохастических сетевых моделей реальным компьютерным и телекоммуникационным сетям и на качестве принимаемых проектных решений.
В связи с тем, что система Н2/Н2/1 принадлежит классу систем G/G/1, ее точный анализ представляет собой актуальную задачу. При этом СМО с гиперэкспоненциальными входными распределениями в отличие от систем с распределениями с тяжелыми хвостами позволяет получить решение задачи в аналитическом виде. Тот факт, что такие распределения имеют место на практике, подтвержден в работе [2], где приведены результаты анализа интервалов между пакетами входящего трафика на сервер вуза.
В [3] авторами найдено преобразование Лапласа для функции плотности времени ожидания для системы Н2/Н2/1:
Ж*^ = ^(^PlX^Pl)
//^(s + sj^ + sj где Si и s2 – отрицательные вещественные части корней кубического уравнения
S3 -C2S2 -C^-Cg = 0. (6)
c0 - аД — ахЪй — a0 {px + Д2) + 60 (A + Л2),
Cj = -axbx -a0 -b0 + (Xx + Я2 )(//j + //2), а параметры: a0 = XxX^\ ax = pXx +(1 — p)X2;
А =//1Д2; bx =qpx +(\-q^p2-
Величины Pi ^1 7 ^2 ’ q ■> M\ ■> Pl являются параметрами гиперэкспоненциальных распределений с функциями плотностей
a(t)= pXxe”z'* +(1- p)X2e~^J; (7)
b^ = qpAe~Mx* + (1 - q^p2e"M- (8)
соответственно для системы Н2/Н2/1.
Среднее время ожидания в очереди равно значению производной от функции преобразования Лапласа (5) со знаком минус в точке s = 0. Окончательно среднее время ожидания в очереди для СМО Н2/Н2/1:

Si s2 px p2
Выражение (5) на основе свойств преобразования Лапласа, позволяет также определить моменты высших порядков для времени ожидания. Например, начальный момент 2-го порядка времени ожидания равен значению второй производной от преобразования (5) в точке s = 0 , и он будет иметь вид:
—2 = d^4&l = 2 2(s1+s2)
ds" P\Pi sxs2 pxp2s1xs2
x[s,s2(//i +//2)-//1//2(s] +s2)].
В свою очередь, начальный момент 2-го порядка позволяет определить дисперсию времени ожидания. Учитывая определение джиттера в телекоммуникациях как разброс времени ожидания от его среднего значения [4], тем самым получим возможность определения джиттера через дисперсию. Это является важным результатом для анализа трафика, чувствительного к задержкам.
Для практического применения результатов (9) и (10) необходимо определить входящие в них параметры. Определение этих неизвестных параметров рассматривается ниже.
Аппроксимация законов распределений на уровне двух первых моментов
Воспользуемся свойством преобразования Лапласа воспроизведения моментов и запишем начальные моменты до второго порядка для распределения (7):


Рассматривая равенства (11) и (12) как уравнения метода моментов, найдем неизвестные параметры распределения (7) ^l 5 ^2 > P . Для этого запишем связующее условие в виде выражения для квадрата коэффициента вариации

Заметим, что система уравнений (11) и (12) с тремя неизвестными является недоопределенной. Исходя из вида уравнения (10) положим
2, =1р!тх,Хг ^Ку-ру/т^ (14)
и потребуем выполнения условия (12). Подставив выражения (10)-(11) и (13) в (12) и решив квадратное уравнение относительно параметра p , пол учим для него два значения:
1 \ с, + 1
При этом можно воспользоваться любым из них [5].
Аналогично поступим с распределением (8). Следовательно, в [4] приведено частное решение недоопределенной системы уравнений (11)-(12), полученное методом подбора. Таким образом, гиперэкспоненциальный закон распределения может определяться полностью двумя первыми моментами и перекрывать весь диапазон изменения коэффициента вариации от 1 до ОО [5].
Рассмотрим пример. Пусть коэффициент загрузки СМО Р = ^, /^ =0,9; где Т X И 1 ц – средние значения интервалов между поступлениями и времени обслуживания. Рассмотрим случай нормированного обслуживания Тм=ц"х = \. Тогда средний интервал между поступлениями тл =10/9. Пусть коэффициенты вариаций случайных величин - интервалов между поступлениями и времени обслуживания СЛ С ц ^ . Аппроксимация на уровне двух первых моментов дает: р « 0,887 ; Я, » 1,597 ; Л ~ 0,203 ; q ~ 0,887 ; //, « 1,775 ; ц, « 0,225 . Таким образом, неизвестные параметры распределений (7) и (8) однозначно определены. Теперь воспользуемся результатом (8) для системы Н2/ Н2/1, приведенным выше. Коэффициенты кубического уравнения (6) в этом примере равны: с0 « 0,014 ; сх ~ 0,572; с2 - -0,20 . Найдем корни кубического уравнения (8) с помощью пакета Mathcad: -5, «-0,852; -s2 «-0,025; л3 « 0,677 . Тогда среднее время ожидания равно W « 36,20 .
Аппроксимация на уровне трех моментов
Учитывая тот факт, что распределение Н2 является трехпараметрическим, аппроксимацию можно выполнить и на уровне трех первых моментов, что позволит сравнить полученные результаты. С точки зрения теории вероятностей три момента полнее характеризуют случайную величину, поэтому такая аппроксимация будет точнее. Для этого запишем выражения для моментов 3-го порядка, полученные через преобразование Лапласа:
-
- для интервалов входного потока:
тт.бр бО-^ + цЗ ’
-
- для времени обслуживания:
2? _ бу 6(1- д)
Т и 3 + 3 ■
Цх ^2
.
Рассмотрим еще один пример: в рассмотренный выше расчет введем в качестве третьего момента коэффициент асимметрии и для определенности положим ^s л ^S д ^ . Как известно, для пуассоновского потока параметр As = 2. При тех же значениях входных параметров СМО начальные моменты 2-го и 3-го порядков для обоих распределений с оо тветственно будут равны: г; = 5 - (Ю/9)2; т\ = 45 - (10/9)3; ^=5;^=45.
При таких исходных данных для определения неизвестных параметров входных распределений
-
(7) и (8): (2], Я2, р\ (рх ’ Аз ’ чХ запишем следующие системы уравнений на основе известного метода моментов:
Л+(Ы = 10/9
Хх Я7
2^2(1-77^5 (1()/9)2 (15)
^£+6(1-а) = 45.(10/9)з
. 21 Я32
решив которые, найдем искомые параметры. Решение системы (15) в пакете Mathcad после округления дает следующие результаты: р « 0,739, Я, « 3,306, Я2 « 0,294.
д ! О-^) ^!;
Ai Аз ’ 2у 2(1-у)_ — + 2 - з,
Ai Аз бу б(1-у)
3 3
1^1 д2
Решение системы (16): у « 0,739; цх «3,673; //2 «0,327. Тогда коэффициенты кубического уравнения (6) будут равны: с0 « 0,130 ; сх « 5,172 ; сг « -0,40 , и его решение дает следующие корни: -5! «-2,471 , - $2 « -0,025, 53 « 2,096. Воспользуемся результатом (9 ) и определим среднее время ожидания: W «37,051 . Относительная погрешность в сравнении с результатом аппроксимации на уровне двух моментов составляет 2,35%. При тех же условиях, но при коэффициентах асимметрии aS2 = ASm = 10, получим среднее время ожидания W «34,537 .
Относительная погрешность при этом составляет 4,8%. Таким образом, учет моментов третьего порядка интервалов поступления и обслуживания показывает зависимость конечного результата (3) от моментов высших порядков. С точки зрения практического применения результатов СМО Н2/Н2/1, все же аппроксимация закона распределения на уровне двух первых моментов удобнее. Кроме этого, область допустимых значений относительно моментов 2-го и 3-го порядков для систем (15) и (16) при аппроксимации с использованием трех первых моментов может оказаться достаточно ограниченной.
Результаты проведенных вычислительных экспериментов и их анализ
С использованием выражений (9) и (10) проведены вычислительные эксперименты над временем ожидания (3).При этом использован достаточно широкий диапазон изменения параметров трафика, а именно: загрузки системы р от 0,1 до 0,9, а коэффициентов вариаций интервалов поступления и времени обслуживания с^см от 2 до 10. Это касается входных параметров. Выходными характеристиками являются: среднее время ожидания W, определенное по выражению (9) на уровне двух первых моментов интервалов поступления и обслуживания, дисперсия времени ожидания, определенное через (9) и (10), и в то рое слагаемое в правой части выражения (3) /2 /(27) . Результаты экспериментов сведены в таблицу 1.
Анализ данных в таблице 1 подтверждает квадратичную зависимость времени ожидания (3) и (9) от коэффициентов вариаций интервалов поступления и времени обслуживания. Кроме того, время ожидания резко возрастает с ростом коэффициента загрузки р . Это говорит об адекватности полученного результата (9). Значения дисперсий времени ожидания /)„, позволяют находить разброс времени ожидания от его среднего значения (джиттер), например с использованием правила «трех сигма» Зег . И наконец, можно оценить поведение неизвестного второго слагаемого в выражении (3): оно также связано квадратичной зависимостью от коэффициентов вариаций интервалов поступления и времени обслуживания. Кроме этого, второе слагаемое убывает с ростом коэффициента загрузки р ■
Таблица 1. Результаты экспериментов
Входные параметры |
Выходные характеристики |
|||
р |
(сх,сА> |
W |
Dw |
/2 /(2/) |
0,1 |
(2,2) |
0,45 |
3,7 |
26,50 |
(4,4) |
1,78 |
59,9 |
92,50 |
|
(6,6) |
4,0 |
303,7 |
202,50 |
|
(8,8) |
7,11 |
960,2 |
356,49 |
|
(10,10) |
11,11 |
2345 |
558,49 |
0,3 |
(2,2) |
1,72 |
16,5 |
9,82 |
(4,4) |
6,88 |
265,4 |
35,81 |
|
(6,6) |
15,46 |
1346 |
79,14 |
|
(8,8) |
27,46 |
4258 |
139,80 |
|
(10,10) |
42,89 |
10400 |
233,23 |
|
0,5 |
(2,2) |
4,04 |
47,69 |
6,46 |
(4,4) |
16,13 |
765,5 |
24,37 |
|
(6,6) |
36,16 |
3882 |
54,34 |
|
(8,8) |
64,18 |
12276 |
96,32 |
|
(10,10) |
100,19 |
29981 |
186,32 |
|
0,7 |
(2,2) |
9,44 |
161,3 |
4,96 |
(4,4) |
37,72 |
2585 |
19,26 |
|
(6,6) |
84,53 |
13094 |
43,39 |
|
(8,8) |
149,95 |
41396 |
77,31 |
|
(10,10) |
233,99 |
101086 |
120,98 |
|
0,9 |
(2,2) |
36,20 |
1583 |
4,08 |
(4,4) |
144,83 |
25340 |
16,11 |
|
(6,6) |
325,40 |
128294 |
36,66 |
|
(8,8) |
577.86 |
405483 |
65.75 |
|
(10,10) |
902.23 |
989966 |
103.38 |
Перейдем теперь к исследованию зависимости результатов (3) и (9) от моментов высших порядков. С учетом результатов п. 3 о зависимости конечного результата времени ожидания (3) для системы G/G/1 от моментов высших порядков проведем расчеты по установлению степени такой зависимости. В связи с тем, что время ожидания в данном случае будет зависеть от многих параметров трафика, отображение расчетных данных в одной таблице практически неосуществимо. Поэтому эти данные ниже будут представлены в текстовом виде.
Для этого рассмотрим случаи малой нагрузки ( р = 0,1), средней нагрузки ( р = 0,5) и высокой нагрузки ( р = 0,9). Расчеты, проведенные по методике п. 3, дают следующие результаты.
Время ожидания при мало й нагруз ке р = 0,1, при коэффициентах вариаций(с^с,,)= 2 и изменении коэффициентов асимметрии (Л, Л) от 4 до 15 варьирует от 0,72 до 0,32. ПриЛ,СА)=4 и изменении еллл от 7 до 15 варьирует от 4,82 до 1,50. При (с^с^ = 6 и изменении (Ах, лэ от 10 до 15 варьирует от 13,48 до 4,98.
При средней нагрузке р = 0,5; А/,^) = 2 и изменении (Ах, Л) от 4 до 15 время ожидания варьирует от 4,85 до 3,02. При (сл,с^ = 4 и изменении (Ах, 4ц) от 7 до 15 варьирует от 21,79 до 14,33.
При высокой нагрузке р = 0,9; (сл, СА = 2 и изменении (Ал, А.) от 4 до 15 время ожидания варьирует от 37,05 до 32,87. При (сл,сА = 4 и изменении (4x,4ц) от 7 до 15 время ожидания варьирует от 150,36 до 141,68. При Ал,с^ = 6 и изменении (Ал ’ 4/; ) от 10 до 15 время ожидания варьирует от 339,65 до 330,62.
Анализ последних данных показывает, что с ростом коэффициентов асимметрий при одной и той же нагрузке время ожидания уменьшается. Таким образом, влияние моментов высшего порядка на время ожидания в системе G/G/1 нельзя считать несущественным и им нельзя пренебрегать.
Список литературы Исследование задержки в системе G/G/1
- Клейнрок Л. Теория массового обслуживания. М. Машиностроение, 1979. -432 с.
- Тарасов В.Н., Горелов Г.А., Ушаков Ю.А. Восстановление моментных характеристик распределения интервалов между пакетами входящего трафика//Инфокоммуникационные технологии. №2, 2014. -С.40-44.
- Тарасов В.Н., Карташевский И.В. Определение среднего времени ожидания требований в управляемой системе массового обслуживания Н2/Н2/1//Системы управления и информационные технологии. №3(57), 2014. -С. 92-96.
- RFC 3393 IP Packet Delay Variation Metric for IP Performance Metrics (IPPM)//https://tools.ietf.org/html/rfc3393 (26.02.2015).
- Вишневский В.М. Теоретические основы проектирования компьютерных сетей. М.: Техносфера, 2003. -512 с.