Analyse von Warteschlangennetzen

Analyse von Warteschlangennetzen für Rechnersysteme mit Unsicherheiten und Variabilitäten in der Arbeitslast


Konventionelle Evaluierungstechniken für Netzwerke von Warteschlangen, wie zum Beispiel der "Mean Value Analysis" (MVA) Algorithmus, erwarten reelle Zahlen als Eingangsparameter und produzieren punktuelle Leistungsmaße als Ergebnis. Allerdings ist zum Modellierungszeitpunkt oft nicht jeder Modellparameter exakt bekannt. Weiters unterliegen die Eingangsparameter auch häufig Schwankungen.

In den durchgeführten Forschungsarbeiten wurden Warteschlangennetzwerkmodelle von Systemen, die Unsicherheiten und Variabilitäten in der Arbeitslast aufweisen, durch Listen von Vektoren intervallwertiger Parameter charakterisiert, wobei jedem Listeneintrag eine Auftrittswahrscheinlichkeit zugeordnet ist. Quellen für solche Parameterlisten können etwa Parameterhistogramme, Cluster-Techniken oder die Approximation von Parameterverteilungen sein. Existierende Analysetechniken müssen für diese alternative Parameterdarstellung adaptiert werden. Dazu werden die anzupassenden Techniken vorerst auf intervallwertige Eingangsparameter adaptiert, wodurch aus der vorgeschlagenen Arbeitslastcharakterisierung als Zwischenergebnisse Listen von Intervallen mit zugeordneten Wahrscheinlichkeiten produziert werden. Um eine bessere Übersicht zu gewährleisten, werden diese Zwischenergebnislisten dann in eine besser interpretierbare Form aggregiert. Neben der Anpassung des exakten MVA Lösungsverfahrens wurde auch die Adaptierung von Leistungsschranken, sowie von Engpaß- und Modifikationsanalysetechniken an die vorgeschlagene Arbeitslastcharakterisierung untersucht.

Für weitere Information: J. Lüthi

Download > Forschung und Lehre Prof. Lehmann

Forschung und Lehre Prof. Lehmann