О среднемаксимальных значениях очeредей в системах массового обслуживания

Автор: Лихтциндер Б.Я., Поликанова А.А.

Журнал: Инфокоммуникационные технологии @ikt-psuti

Рубрика: Технологии телекоммуникаций

Статья в выпуске: 3 т.20, 2022 года.

Бесплатный доступ

В классической теории систем массового обслуживания основополагающим является предположение о взаимной независимости событий, поэтому мы предлагаем рассмотреть основные принципы интервального метода анализа трафика, позволяющего заменить анализ интервалов времени между соседними заявками и интервалов времени обработки заявок, анализом одной случайной величины - числом заявок, поступающих в течение последовательных интервалов времени обработки каждой из заявок. Вводятся понятия среднемаксимальных значений очередей и предельных максимальных значений. Показано, что предельное максимальное значение очереди будет наибольшим из возможных максимальных значений при заданном суммарном значении заявок в очередях в течение одного цикла обслуживания. Среднемаксимальная оценка является средним из предельно максимальных значений очередей. Для определения характеристик трафика мы применяем известный алгоритм «Leaky_bucket». В предложенной модели трафика за основу берутся суммарные числа заявок в течение циклов их обработки. Экспериментальное моделирование предложенного метода показало, что дисперсия и корреляционные свойства указанной случайной величины при заданной загрузке полностью характеризуют средний размер очереди в системах массового обслуживания.

Еще

Смо, интервал времени обработки заявок, интервал времени между соседними заявками, размер очереди, цикл обслуживания

Короткий адрес: https://sciup.org/140299338

IDR: 140299338   |   DOI: 10.18469/ikt.2022.20.3.05

Текст научной статьи О среднемаксимальных значениях очeредей в системах массового обслуживания

Методы и результаты анализа телетрафика применяются для оптимального распределения телекоммуникационного ресурса, выделенного для оказания услуг абонентам связи. Эти методы в основном базируются на теории систем массового обслуживания (СМО) и до настоящего времени не утратили своего ведущего положения.

В классической теории СМО основополагающим является предположение о взаимной независимости событий. Переход на новые технологии связи, основанные на принципах пакетной коммутации, существенно изменил свойства телекоммуникационного трафика.

Особенные изменения свойств произошли в трафике мультисервисных сетей доступа. Это привело к существенным ошибкам при его анализе традиционными методами СМО, не учитывающими пачечный характер трафика. Имеется множество публикаций, учитывающих свойства мультисервисного трафика. Результаты исследований, отраженные в этих публикациях, свидетельствуют о том, что подход к анализу трафика с использованием моделей СМО не утратил своего значения и после соответствующей интерпретации характеристик может использоваться для расчета ряда показателей современных сетей

Рисунок 1. Временные диаграммы образования очередей связи. Еще Л. Клейнроком [1] показано, что длина очереди одноканальной СМО в общем случае определяется случайной величиной m – числом поступивших заявок, приходящихся на одну обработанную заявку. Разрабатываемый нами интервальный метод [2] позволяет заменить анализ интервалов времени между соседними заявками и интервалов времени обработки заявок, анализом одной случайной величины – числом заявок, поступающих в течение последовательных интервалов времени обработки каждой из них. Показано, что дисперсия и корреляционные свойства указанной случайной величины при заданной загрузке полностью характеризуют средний размер очереди в СМО.

Процесс обработки состоит из последовательности чередующихся периодов занятости обслуживающего канала (канал обрабатывает заявки) и периодов простоя, в течение которых заявки в обслуживающем канале отсутствуют.

Циклы обслуживания

На рисунке 1 показаны заявки, поступающие в СМО, и заявки, покидающие СМО (расположены ниже оси времени). Ni и Mi соответственно – числа заявок, поступивших и покидающих СМО с начала отсчета. Заявки покидают СМО в моменты времени t 1 , 1 2 , 1 3 , .... На рисунке 1, а показаны графики изменения чисел заявок W i , находящихся в СМО. Здесь же представлены интервалы θ i между соседними заявками, покидающими СМО. На каждом из интервалов может поступить одна или несколько заявок (например, на интервале θ 1 поступило 3 заявки). Может не поступить и ни одной заявки (например, на интервалах 6 2 и 6 3 ). На рисунке 1, в c показаны циклы работы Tk и периоды занятости Tka системы.

Процесс обработки заявок носит циклический характер. После каждого периода занятости следует период простоя системы, в течение которого заявки в системе отсутствуют. В одноканальной СМО в течение каждого периода занятости всегда присутствует одна заявка на обработке. Остальные заявки находятся в очереди Qi, график которой представлен на рисунке 1, г. На каждом из интервалов времени, соответствующем периодам занятости, число заявок в системе всегда превышает на одну заявку число заявок в очереди, поскольку эта заявка находится на обработке. Если система находится в режиме простоя, то заявок в ней нет, и очередь также отсутствует. Будем считать циклом промежуток времени между двумя заявками, покидающими СМО и опустошающими ее. Очередной цикл начинается с начала ин- тервала простоя и заканчивается началом следующего интервала простоя, как это показано на рисунке 1.

Рассмотрим цикл Zk с длительностью цикла Tk и периодом занятости Tka . Следует отметить, что очередь на последнем интервале периода занятости (активной части цикла) всегда отсутствует. Однако отсутствие очереди на активном интервале цикла еще не свидетельствует, о том, что этот интервал последний. Для стационарного потока заявок mt ( т ) с конечным математическим ожиданием mz ( т ) и дисперсией D m ( т ) нами были получены [3] формулы

_______              1               js + 1 - js

Q = lim 17 I I ( N s - j )( m. + j - 1). (1) s

N ^ N Z s c [ 1 , N ] j = 0

Здесь N - общее число заявок, Nk = jk + 1 -- jk + 1 - число заявок в цикле, jk - номер первой заявки цикла Zk , а j - порядковый номер заявки, считая от начала цикла.

Z

Z k ^ [ 1 , N ]

означает суммирование по всем циклам. Из первой формулы непосредственно следует, что с увеличением числа j , т. е. удалением поступающих заявок от начала цикла, их вклад в среднее значение очереди уменьшается. Внутренняя сумма в (1) представляет общее число заявок Sk , находившихся в очереди в течение цикла ZS , и соответствует площади фигуры очередей, представленной на рисунке 1, г для интервала времени Tk

N k - 1

S k = Z ( N k - j )( mk + j - 1).         (2)

j = 0

Предельного размера площадь Sk lim в течение цикла Zk достигает в случае, когда все Nk заявок сосредоточены в начале активной части цикла, на первом интервале обработки, как это показано на рисунке 2:

S k lim = 2 N k ( N k - 1).             (3)

Предельное максимальное значение очереди

2 S Q k lim =        = N k - 1.

Nk

Если заявки распределены равномерно по одной заявке на каждый интервал обработки, то очереди отсутствуют и Sk = 0.

Предельное максимальное значение очереди будет наибольшим из возможных максимальных значений при заданной площади Sk . Принимая указанную модель, мы можем определить макси-

Рисунок 2. Одновременное поступление N k заявок

мальное значение очереди в течение цикла по измеренному значению Sk .

Q k lim

- 1 + V1 + 8 S k

Очевидно, что

N s = Q k lim

+ 1 =

1 + Л+8 Sk

При достаточно большом значении Sk мы приходим к результату Q k lim = ^2 Sk , приведенному в [4].

Например, показанные на рисунке 1 все заявки цикла находятся на первом интервале Zk этого цикла. Следовательно, Sk lim = 6. Предельного размера очередь в течение цикла также достигает в случае, когда все Nk заявок сосредоточены в начале цикла, на первом интервале обработки:

- k lim

2 S k max N k

= N s - 1 = 3.

Максимально возможное среднее значение очереди

Qk = — = 1,5.

k N k

Если не все заявки сосредоточены в начальном интервале, то максимальное значение очереди уже будет меньше предельного, как это показано на рисунке 3. Так же, как и на рисунке 2, в начальный момент поступает пачка пакетов n 1 k . Вторая пачка пакетов n 2 k поступает со сдвигом на a Nk интервалов. Сумма пакетов обеих пачек равна рассмотренной на рисунке 1 пачке:

Ns = n 1 s + n 2 s .

Из рисунка 3 следует, что максимальное значение очереди окажется меньше, чем предельное максимальное значение на величину a Nk . Таким образом, модель, предусматривающая сосредо-

Рисунок 3. Образование очереди двумя пачками пакетов

точение всех пачек заявок (пакетов) в одном, начальном интервале времени приводит к наибольшему из возможных – предельно максимальному значению очереди в данном цикле обслуживания.

Рисунок 3 хорошо иллюстрирует частный случай формулы (1).

Усредняя по циклам, получим среднее значение площади:

K

  • s .    = 7 S s. .

K к = 1

Среднее число заявок, поступивших в течение циклов:

K

N . = 7 S N . .

K к = 1

Среднее из предельно максимальных значений определяется по формуле:

KK

Q kl. m = -S Q .li m = ~ S ( - 1 + Vi + 8 s . ), K к = 1          2 K к = 1

где K – число циклов в рассматриваемой выборке.

При достаточно больших значениях Sk можно пользоваться упрощенной формулой:

KK

Q .li m = - S Q ki m = V S M = ^.

K к = 1          K к - 1

При определении Q.h.m необходимо определение значений Q.um по квадратному корню из среднего значения цикла, что требует значитель- ных вычислительных затрат, поскольку на каждом цикле необходимо вычисление квадратного корня. Мы предлагаем ввести другую оценку среднемаксимальных значений очередей:

QL = Ж .

Такая оценка дает дополнительный запас Q*m > > Qlim, поскольку S^k всегда не меньше ^кЗк • Средние значения очередей определяются по формуле:

q . =

S k

^^^“ • N k

Следует обратить внимание, что Qk является условным средним значением, когда усреднение очереди производится только в течение периодов занятости и не учитывает периоды простоя [5]. Значения очередей Q . ( р ) и Q l * m ( р ) существенно зависят от коэффициента загрузки р системы. Поэтому зависимости S . ( р ) необходимо определять при различных значениях этого коэффициента.

Таким образом, вычисление зависимостей средних и среднемаксимальных значений производится по формулам:

Q * ( р ) =^Ж= 1Гтк Q-- ( р ) = N . ( р ) N ( р )

= V 2 sk ( р ) = 1 2 ^( 2 ) •

N к У K ( р )

Значения Q * m ( р ) зависят от Q . ( р ):

Q m ( р ) = V 2 Q . ( р ) ^ . ( р )

и возрастают пропорционально квадратному корню из средних значений очередей и чисел заявок в цикле.

Алгоритм

Полученные соотношения позволяют для определения характеристик трафика применить известный алгоритм «Leaky_bucket» [6; 7].

Задаются значение числа N – заявок в эксперименте - и интенсивность обслуживания ц. При каждом появлении заявки на входе в одноканальную СМО на суммирующий вход реверсивного счетчика поступают управляющие сигналы. На вычитающий вход указанного счетчика поступают сигналы от каждой заявки, покидающей СМО. Поскольку каждая заявка поступает в СМО не позже, чем она ее покинет, показания счетчика не могут быть отрицательными. Показания счетчика после момента появления сигналов от заявок, покидающих СМО, характеризуют значения очереди Qi(р') и поступают на накапливающий сумматор. Содержимое сумматора представляет число заявок, находившихся до данного момента в очереди. Ведется непрерывный подсчет чисел заявок, покинувших СМО до тех пор, когда это число достигнет заданного значения N.

Фиксируется время эксперимента T и определяется значение коэффициента загрузки

N

р =---•

µ T

В моменты появления сигналов от заявок, покидающих СМО, проверяется значения показаний счетчика и производится суммирование числа нулевых показаний счетчика (ведется подсчет числа циклов). В момент достижения числа заявок, покинувших СМО, значения N числа циклов достигнет значения K . Таким образом, определяются S ( р ), K ( р ) и N ( р ), по которым находятся значения Qk ( р ) и Q lmi ( р ).

Заключение

В предложенной модели трафика за основу берутся суммарные числа заявок в течение циклов их обработки. При постоянной интенсивности обслуживания заявок указанные числа характеризуют площади прямоугольных равнобедренных треугольников. Размеры катетов указанных треугольников характеризуют предельные значения размеров очередей в каждом цикле, а их среднее значение по всем циклам представляет среднемаксимальное значение. Предложенный алгоритм позволяет определить экспериментально как средние, так и среднемаксимальные значения очередей в пачечных потоках трафика мульти-сервисных сетей.

Список литературы О среднемаксимальных значениях очeредей в системах массового обслуживания

  • Клейнрок Л. Вычислительные системы с очередями. M.: Мир, 1979. Т. 2. 600 с.
  • Лихтциндер Б.Я. Трафик мультисервисных сетей доступа (интервальный анализ и проектирование). М.: Горячая линия - Телеком, 2018. 290 с.
  • Blatov I.A. Lihtsinder B.Ya. On estimate of queue lengths in QS with certain correlative correspondence // Journal of Physics: Conference Series. 2018. Vol. 1096. P. 1-8.
  • Блатов И.А., Лихтциндер Б.Я. О предельных значениях длин очередей в СМО с пачечными потоками // Инфокоммуникационные технологии. 2018. Т. 16, № 2. С. 181-187.
  • Лихтциндер Б.Я. Условное среднее значение очередей в системах массового обслуживания с пакетными потоками заявок // Инфокоммуникационные технологии. 2016. Т. 14, № 4. С. 379-384.
  • Алгоритм дырявого ведра. URL: http://salonvaskevich.ru/lokalka/marshrut55.html (дата обращения: 10.10.2022).
  • Дырявое ведро - Leaky bucket. URL: https://ru.qaz.wiki/wiki/Leaky_bucket (дата обращения: 01.10.2022).
  • Наумов В.А., Самуйлов К.Е., Яркин Н.В. Теория телетрафика мультисервисных сетей. М.: РУДН, 2007. 191 с.
  • Лихтциндер Б.Я. Интервальный метод анализа мультисервисного трафика сетей доступа // Электросвязь. 2015. № 12. С. 52-54.
  • Моисеев В.И., Лихтциндер Б.Я. Система конвейерного интервального анализа видеотрафика, версия 1.0. Свидетельство о регистрации электронного ресурса ОФЭРНиО от 12.12.2019 № 24372.
Еще
Статья научная