ترجمه مقاله Exact analysis of performance models by the Method of Moments

Performance evaluation of distributed systems and service-oriented architectures is often based on stochastic models, such as closed queueing networks which are commonly solved by the Mean Value Analysis (MVA) algorithm. However, the MVA is unable to solve models with hundreds or thousands of users accessing services of multiple classes, a configuration that is often useful to predict the performance of real-world applications. This paper introduces the Method of Moments (MoM), the first exact algorithm for solving closed queueing networks with large population sizes.

Compared to the MVA algorithm, which is based on a recursive evaluation of mean queue-lengths, MoM defines a recursion on higher-order moments of queue-lengths that is solved at each step by a linear system of equations. This approach dramatically decreases the costs of an exact analysis compared to the MVA approach. We prove that MoM requires log-quadratic time and log-linear space in the total population size, whereas MVA complexity expressions grow combinatorially as the product of class populations. This extends the feasibility of exact methods to a much larger family of multiclass performance models than those that can be solved by the MVA algorithm

ارزیابی عملکرد سیستم های توزیعی و معماری سرویس گرا اغلب مبنی بر مدل های اتفاقی است، مانند بستن شبکه­های صف­بندی شده که عموماً توسط الگوریتم آنالیز مقدار میانگین MVA حل شده است. علی رغم اینکه، MVA قادر به حل مدل­هایی با صدها یا هزاران کاربر دسترسی به خدمات از کلاس های چندگانه نیست، یک پیکر بندی اغلب مفیدی است که کارائی کاربردهای دنیای واقعی را پیش بینی می­کند. این مقاله روشی­های لحظه­ای( MOM ) اولین الگوریتم دقیق شبکه­های صف­بندی شده با اندازه­های وسیع را معرفی می­کند.

در مقایسه با الگوریتم MVA ، که مبنی بر یک ارزیابی بازگشتی(مکرر) از متوسط طول صف است، MOM بازگشت در لحظات مرتبه بالا را تعریف می­کند که در هر مرحله توسط یک سیستم معادلات خطی حل می­شود. این روش به طور چشمگیری هزینه­های تجزیه و تحلیل دقیق را نسبت به روش MVA کاهش می­دهد. ما ثابت می­کنیم که MOM به ورود درجه دو و ورود خطی در فضای اندازه کل نیاز دارد، در حالیکه پیچیدگی MVA به عنوان محصولی از تعداد(جمعیت) کلاس است. این روش امکان متدهای دقیق را به خانواده­ی خیلی بزرگتری از مدل عملکرد چندکلاسه گسترش می­دهد وقیکه آنها می­توانند به وسیله الگوریتم MVA حل شوند.

دانلود اصل مقاله: رایگان

دانلود ترجمه

همچنین ببینید

بیشاپور

شهر تاریخی بیشاپور در120 کیلومتری جنوب شیراز و در 23 کیلومتری شمال غرب شهرستان کازرون …

دیدگاهتان را بنویسید