Avaliao de Desempenho

Teoria de Fila

Teoria de Filas
Representao

Teoria de Filas
Notao de Kendall
Representao para os sistemas de filas

A / S / m / B / K / SD
A: Distribuio do Tempo entre chegadas;
S: Distribuio do Tempo de Servio;
Distribuies mais comuns so:
M(exponencial), Ek (Erlang), Hk (Hiperexponencial),
D(Determinstica), G (Geral), GI (Distribuio genrica
com tempo entre chegadas independente)

Teoria de Filas
Notao de Kendall

A / S / m / B / K / SD
m: Nmero de Servidores;
B: Capacidade do Sistema
Inclui os clientes em servio e aqueles aguardando pelo
servio
Se no for explicitado considerada infinita;

K: Tamanho da Populao
Se no for explicitado considerada infinita;

Teoria de Filas
Notao de Kendall

A / S / m / B / K / SD
SD: Disciplina de Servio
Comuns:
FIFO,
LCFS, ...
Se no for explicitado considerada FIFO;

Teoria de Filas
Disciplinas de atendimento

Teoria de Filas
Notao de Kendall
Exemplo
Descreva o seguinte sistema de fila:
M/M/3/20/1500/FCFS

Teoria de Filas
Notao de Kendall
Soluo
M/M/3/20/1500/FCFS
1. O tempo entre chegadas sucessivas exponencialmente
distribudo (chegada poissoniana)
2. Os tempos de servio so exponencialmente distribudos
3. Existem trs servidores
4. A fila tem capacidade de armazenamento de 20 clientes;
3 em servio e 17 em espera
5. H um total de 1500 clientes a serem servidos
6. A disciplina de servio diz que o primeiro a chegar ser o
primeiro a ser atendido.

Teoria de Filas
Notao 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 mdia de chegada dada por:
=1/E[];
o tempo entre duas chegadas sucessivas.
A taxa mdia de partida dada por:
=1/E[s].
s o tempo de servio.

Teoria de Filas
Regras Gerais
Variveis aleatrias
ns o nmero de clientes em servio;
nq o nmero de clientes esperando por servio;
n o nmero mdio de clientes no sistema,
Tambm chamado de comprimento da fila.
Inclui os clientes em servio e aqueles que esto
esperando por servio;
n=ns +nq E[n]= E[ns]+E[nq]

Teoria de Filas
Regras Gerais
Variveis aleatrias
s o tempo de servio;
w o tempo de espera por servio;
r o tempo de resposta ou tempo no sistema.
Inclui tempo de espera por servio e o tempo de servio;
r=s+w E[r]= E[w] + E[s]
Condio de estabilidade
A taxa mdia de chegada dos clientes deve ser menor
que a taxa com a qual o sistema os processa ou <m.

Teoria de Filas
Regras Gerais
Lei de Little
Lei de Little ou frmula de Little diz:
Nmero mdio de clientes no sistema = taxa de
chegada X tempo mdio de resposta
E[n]=E[t]
Se aplica a qualquer parte do sistema. Assim:
E[nq]=E[w]
# mdio de clientes na fila = taxa de
chegada X tempo mdio de espera

Teoria de Filas
Tipos de processo estocsticos
Processo de estado discreto e estado contnuo
Nmero de processos da fila do escalonador (estado
discreto)
O tempo de espera por servio (estado contnuo)
Um processo estocstico a estado discreto chamado
de cadeia

Teoria de Filas
Tipos de processo estocsticos
Processo de Markov (PM)
Os estados futuros dependem apenas do presente do
processo.
Propriedade da ausncia de memria
Processo de Nascimento e Morte
So casos particulares de PM onde as transies
ocorrem apenas entre estados adjacentes

Teoria de Filas
Tipos de processo estocsticos
Processo de Poisson
Se os tempos entre as chegadas so variveis
aleatrias Independentes e Identicamente Distribudas
(IID) - (exponencialmente)
Ento, o nmero de chegadas no intervalo (t, t+x)
segue uma distribuio de Poisson
Seu uso comum em teoria de filas devido a
propriedade da ausncia de memria associada a
distribuio exponencial nos tempos entre chegadas

Teoria de Filas
Tipos de processo estocsticos
Processo de Poisson
Propriedades
A soma de k fluxos poissonianos com taxas mdias
i resultam em um processo de Poisson com taxa
mdia de :

1
k

= i

i=1

Teoria de Filas
Tipos de processo estocsticos
Processo de Poisson
Propriedades
Se um processo de Poisson dividido em k fluxos,
de modo que a probabilidade de um cliente ir para o
i-simo subfluxo dada por pi, ento cada subfluxo
tambm um processo poissoniano com taxa mdia
pi
p
1

p1

pi =1

p2
pk

p2
pk

Teoria de Filas
Tipos de processo estocsticos
Processo de Poisson
Propriedades
A taxa mdia de partida de uma fila M/M/1 com taxa
mdia de chegada , so poissonianas com a
mesma taxa mdia.

Recurso

Teoria de Filas
Tipos de processo estocsticos
Processo de Poisson
Propriedades

A taxa mdia de partida de uma fila M/M/m com taxa

mdia de chegada , so poissonianas com taxa a
mesma taxa mdia desde que condio de
estabilidade seja obedecida
1

<m

Teoria de Filas
Tipos de processo estocsticos
Relao entre os Processos estocsticos
Processo de Markov
Processo de Nasc. e Morte
Processo de Poisson

Processos
Estocsticos

Teoria de Filas
Processo de Nascimento e Morte
Caso especial de um Processo de Markov;
As transies somente ocorrem entre os estados
adjacentes;
Nascimento:
A chegada de um cliente aumenta a populao do
sistema;
Morte:
A partida de um cliente diminui a populao do sistema.

Teoria de Filas
Processo de Nascimento e Morte
Estado:
0
0

1
1

N-2
2

N-2

N-1
N-1

N-1

N
N

N+1

N+1

Equilbrio Fluxo de entrada = Fluxo de sada

Teoria de Filas
Processo de Nascimento e Morte
Estados

Fluxo de entrada = Fluxo de sada

1 p1 = 0 p0

0 p0 + 2 p2 = (1 + 1)p1

1 p1 + 3 p3 = (2 + 2)p2

...................

N-1

N-2 pN-2 + N pN = (N-1 + N-1)pN-1

N-1 pN-1 + N+1 pN+1 = (N + N)pN

..

..................

Teoria de Filas
Processo de Nascimento e Morte
Estados:

0:
1:

p1=( 0 /1) p0
p2=( 1 / 2) p1 +(1 p1 0 p 0)/ 2
=( 1 / 2) p1 +(1 p1 1 p1 )/ 2
=( 1 / 2) p1
=( 1 0 / 2 1) P 0

Teoria de Filas
Processo de Nascimento e Morte
Estado n-1:

n1:

pn =( n1 / n ) pn1 +( n1 p n1 n2 pn2)/ n
=( n1 / n) pn1 +( n1 p n1 + n1 pn1 )/n
=( n1 / n) pn1
=( n1 n2 0 /n n1 1 ) P n1

N simo estado :

pn+1=( n /n+1 ) pn +( n pn n1 pn1 )/n+1

=( n /n+1 ) p n
=( n n1 0 / n+1 n 1 ) P 0

Teoria de Filas
Processo de Nascimento e Morte
Geral:
n1

i
p n= p 0 , n=1,2,...
i+1
i=0

Teoria de Filas
Processo de Nascimento e Morte

n=0

pn=1

p0=

1
n1

i
1+
i+1

n=1 i=0

Condio de estabilidade 0<p01

Implica que i/i+1<1;
Para que exista o equilbrio, a taxa mdia com o
qual os clientes chegam, deve ser menor que
aquela com a qual o sistema os processa;
Caso contrrio, o sistema instvel.

Teoria de Filas
Fila M/M/1
Notao de Kendall
A=M O tempo entre chegadas sucessivas
exponencialmente distribudo;
S=M Os tempos de servio so
exponencialmente distribudos;
m=1 Um servidor
B Fila infinita;
K Populao infinita;
SD FIFO.

Teoria de Filas
Fila M/M/1
Diagrama de transio de estados

n= , n=0,1,2,. ..

n = , n=0,1,2,...

n+1

Teoria de Filas
Fila M/M/1
Soluo dada pela aplicao do Processo de
Nascimento e Morte
n1

n1

i
=p
p n = p0 = p 0
0
i+1
i=0

pn=

( )

i=0

1
n1

1+
n=1 i=0

1
n+1

( )

1+
n=1

( )

n0
A srie somente
converge se <1,
onde = /

Teoria de Filas
Fila M/M/1
Assim, as probabilidades do estado de equilbrio so
dadas por:

p 0=

1+
1

=1 =1

p n =(1)

chamado intensidade de trfego

Teoria de Filas
Fila M/M/1
Nmero mdio de clientes no sistema

n=0

n=0

E[n]= np n = n(1) p

n=0

n=0

=(1) np n=(1) np
(1)

=
=
2
(1) (1)

n1

Teoria de Filas
Fila M/M/1
Pela lei de Little, E [n]= E [t ]
pode-se computar
o tempo de resposta...

[n]

E [t ]=E
=
(1)
1

=
=
(1) (1)

Teoria de Filas
Fila M/M/m
Notao de Kendall
A=M O tempo entre chegadas sucessivas
exponencialmente distribudo;
S=M Os tempos de servio so
exponencialmente distribudos;
m=m m servidores.

Teoria de Filas
Fila M/M/m
Diagrama de transio de estados

m-2

m-1

(m-1)

n= , n=0,1,2,. ..

m+1

n
,
n<m
n=
m , nm

Nota: A taxa de chegada se mantm constante, mas a taxa de servio

depende do nmero de requisies que esto no sistema.

Teoria de Filas
Fila M/M/m
Aplicando a soluo do processo de Nascimento e
morte, tem-se as seguintes probabilidades

(m)
p0
, n<m
n!
p n=
m n
m
p0
, nm
m!
Onde,

pn=1
n=0

Teoria de Filas
Fila M/M/m
A probabilidade de no existir nenhuma requisio no
sistema calculada por:

p 0= m1

n=0

1
n

(m)
(m )
+
n!
m!

)( )
1
1

OU

m1

(m)
(m)
p 0=
+
m!
n=0 n !

)( )]
1
1

Teoria de Filas
Fila M/M/m
Dentre as medidas de desempenho est a frmula de
Erlang C, empregada na modelagem de sistemas de
espera.
Probabilidade de ter fila.

(m)
P [ fila]= p0
m!

)( )
1
1

Teoria de Filas
Fila M/M/m
Onde = /m chamado intensidade de trfego;
Novamente, a condio de existncia de equilbrio
<1 ou <m;
Para que fila M/M/m seja estvel, a taxa mdia com a
qual os clientes chegam deve ser menor que aquela
com que os m servidores podem process-los;
Caso contrrio, o sistema instvel.

Teoria de Filas
Fila M/M/m/B
Notao de Kendall
A=M O tempo entre chegadas sucessivas
exponencialmente distribudo;
S=M Os tempos de servio so exponencialmente
distribudos;
m=m m servidores;
B capacidade finita.

Teoria de Filas
Fila M/M/m/B
A fila M/M/m/B similar a fila M/M/m exceto que o
tamanho do buffer B finito;
Depois que o buffer B encher todas as chegadas
sero perdidas;
B m, caso contrrio os servidores no sero capaz
de operar devido a falta de buffer e;
O sistema ir operar efetivamente como fila
M/M/B/B.

Teoria de Filas
Fila M/M/m/B
Diagrama de transio de estados

m-1

O sistema pode ser modelado com o processo de nascimento e

morte usando as seguintes taxas de chegada e servio.

n= , n=0,1,2,. .. , B1

n= n , n=1,2,. .. , m1
m , n=m , m+1,. .. , B

Teoria de Filas
Fila M/M/m/B
Aplicando a soluo do processo de Nascimento e
morte, tem-se

(m)
p0
, 0<n<m
n!
pn=
m n
m
p0
, mnB
m!

m1

p 0= 1+
n=0

Bm+1

(m)
(1
)(m)
+
n!
m !(1)

)]

Teoria de Filas
Fila M/M/m/B
Nmero mdio de clientes no sistema e na fila de
espera
B

E[n]= np n
n=1

E[nq ]=

n=m+1

(nm) p n

Teoria de Filas
Fila M/M/m/B
Taxa de chegada efetiva
Todas as chegadas que ocorrem quando n=B so
perdidas;
Assim, a taxa de clientes que de fato entram no
sistema chamada de taxa de chegada efetiva.
B1

B1

n=0

n=0

'= p n= p n
'= (1P B )

Teoria de Filas
Fila M/M/m/B
Taxa de chegada efetiva
A diferena entre

'= P B
representa a taxa de clientes perdidos

Teoria de Filas
Fila M/M/m/B
Tempo mdio de resposta, pode ser computado
usando a lei de Little.

E [n]
E [n]
E [r ]=
=
'
(1P B )
Tempo mdio de espera

E [nq ]
E [n q ]
E [w ]=
=
'
(1P B )

Obs: Note que a lei de Little

pode agora ser usado pois a
taxa de chegada corrigida
para incorporar somente os
clientes aceitos no sistema

Teoria de Filas
Fila M/M/m/B
Quando B=m a capacidade do sistema so os
prprios servidores.
Tem-se nesse caso a frmula de Erlang B.
Que expressa a probabilidade de um cliente
chegar e ser bloqueado.
m

(m)
(m) /m !
P [bloqueio ]= p m =
p0= m
j
m!
(m)
j!
j=0

Teoria de Filas
Exerccio
Medidas mostram que em um gateway de rede,
os pacotes chegam com uma taxa mdia de
125 pps (pacotes por segundo), e o gateway
gasta 2 milisegundos para process-los. Use o
modelo M/M/1 e analise o gateway. Qual a
probabilidade de ocorrer um transbordo no
buffer se o gateway tem 13 buffers? Quantos
buffers so necessrios para manter a perda
de pacote abaixo de 1 pacote por milho.

Teoria de Filas
Soluo
Taxa mdia de chegada
=125 pps
Tempo mdio de servio
=1/0.002 = 500 pps
Utilizao do gateway
U== / =0.25
Probabilidade de n pacotes no gateway
pn= (1 - )n pn = 0.75(0.25)n

Teoria de Filas
Soluo
Nmero mdio de pacotes no gateway
E[n]=/(1- )E[n]=0.25/0.75E[n]=0.33
Tempo mdio de resposta do gateway
E[r] = (1/)/(1- )=(1/500)/(1-0.25)
E[r] = 0.00266 segundos
E[r] = 2.66 milisegundos

Teoria de Filas
Soluo
Probabilidade de transbordo do buffer
P(ter mais que 13 pacotes no gateway)= n=13
1.49x10-8 15 pacotes por bilho de pacotes
Para a prob. de perda ser menor que 10 -6, temse:
n 10-6 ou n>log(10-6)/log(0.25)=9.96
Assim, para a manter a probabilidade de perda
abaixo de 10-6 so necessrios 10 buffers

Teoria de Filas
Exemplo
Os estudantes chegam em um centro de
computao de uma universidade de forma
poissoniana com uma taxa mdia de 10 por
hora. Cada estudante gasta na mdia 20
minutos em cada terminal, sendo esse tempo
distribudo
exponencialmente.
O
centro
atualmente conta com 5 terminais. Alguns
estudantes tem reclamado que os tempos de
espera esto muito longos. Analise tal sistema
usando o modelo de fila adequado.

Teoria de Filas
Soluo
O centro uma fila M/M/5 com taxa mdia de
chegada 1/6 minutos e taxa mdia de servio de
1/20 minutos
A intensidade de trfego
=/m 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
Soluo
A probabilidade de todos os terminais estarem
ocupados
= p 0 (m)m/m!(1- )
= 0.0318x(5x0.67)5/5!(1-0.67)=0.33;
Utilizao mdia do terminal
=0.67;
Nmero mdio de estudantes no centro
E[n]=m+/(1-)=0.67x0.33/(1-0.67)=4.0

Teoria de Filas
Soluo
O nmero mdio de estudantes esperando na
fila
E[nq]=/(1-)=(0.67x0.33)/(1-0.67)=0.65
O nmero mdio de estudantes
terminal
E[ns]=E[n]-E[nq]=4-0.65=3.35

usando

Teoria de Filas
Soluo
A mdia e a varincia do tempo gasto no centro de
servio:
E[r]=1/[1+ /m(1- )]=
E[r]= 1/0.05[1+ 0.33/5(1-0.67)]=24
Var[r]=1/2 [1+ (2- )/m2 (1- ) 2 ]=
Var[r]= 1/0.052 [1+ 0.33(2- 0.33)/52 (1-0.67)2]
Var[r]=479
Cada estudante gasta, na mdia, 24 minutos no
centro. Desses 20 minutos so em servio, e 4
so esperando por servio;

Teoria de Filas
Soluo
O 90-percentil do tempo de espera de:
Max{0, E[w]/x ln(10)}
Max{0, 4/0.33ln(10 x0.33)}=14 minutos;
Assim, 10% dos estudantes tem de esperar
mais que 14 minutos.

Teoria de Filas
Exemplo
Os estudantes gostariam de limitar seus
tempos de espera em, na mdia, dois minutos
e no mais que cinco minutos em 90% dos
casos. Isso possvel? Se positivo, ento
quantos terminais devem so requeridos?

Soluo

Teoria de Filas

Anlise com 6 terminais

=0.167 e =0.05
Intensidade de trfego
= 0.167/(6 x0.05)=0.556
Probabilidade de todos terminais estarem ociosos
p0 =0.00346
Probabilidade de todos terminais estarem ocupados
=0.15
Tempo mdio de espera
E[w]=1.1 minutos
90-percentil do tempo de espera
Max{0, E[w]/ x ln(10)}
Max{0, 1.1/0.15 ln(10 x 0.15)} = max{0,3}=3 minutos
Assim, com apenas com um terminal a mais possvel
satisfazer o perfil de atendimento demandado pelos estudantes

Teoria de Filas
Notas do captulo
Ler:
Captulo 30 e 31 do Raj Jain (exceto a seo
3.5)

Bibliografia
Raj Jain. The art of Computer Systems
Performance
Analysis:
technique
for
experimental design, measurement, simulation,
and modeling, Wiley, 1991.