Publicado el 25 de Agosto del 2017
824 visualizaciones desde el 25 de Agosto del 2017
460,0 KB
38 paginas
Creado hace 14a (11/12/2009)
Universidad Nacional del Nordeste
Facultad de Ciencias Exactas y Naturales y
Agrimensura
Monografía de Adscripción
Asignatura: Sistemas Operativos
Desarrollo de Applets Para
la Simulación de
Algoritmos de
Administración del Sistema
Operativo
APELLIDO Y NOMBRE: Rodríguez Nelson Fabián
L.U: 32945
PROF. DIRECTOR: David Luis La Red Martínez
LICENCIATURA EN SISTEMAS DE INFORMACIÓN
Corrientes - Argentina
2009
Análisis del Rendimiento de un Subsistema de
Disco de Una Petición a la Vez
Introducción
Este trabajo práctico de Adscripción consiste en la investigación, análisis y desarrollo de
los diferentes casos de estudio propuestos en el SistOper, se han desarrollados applets
utilizando el lenguaje Java y como IDE a NetBeans, una poderosa herramienta para el
desarrollo de aplicaciones orientadas a objetos y el desarrollo de applets para su utilización
en Internet.
Los casos de estudio desarrollados fueron: Análisis del Rendimiento de un Subsistema de
Disco de Una Petición a la Vez,, Análisis del Rendimiento de un Subsistema de Disco de
Varias Peticiones a la Vez; este informe consta de un marco teórico de cada caso de
estudio, el código desarrollado y cada una de las ventanas de los applets.
Objetivo del Caso de Estudio
El objetivo del presente caso consistió en la realización de un programa en JAVA que
implementara el algoritmo de análisis de rendimiento para el caso señalado.
Asimismo también se estableció como objetivo del caso la inclusión en el programa de la
posibilidad de generar información detallada respecto de los cálculos efectuados con las
distintas simulaciones y un análisis estadístico de los resultados logrados, como así también
un gráfico ilustrativo de los mismos.
Descripción del problema planteado
Si existe una población de clientes que demandan cierto servicio prestado por servidores:
Algunos clientes ingresaran a la red de colas y esperaran que un servidor quede
disponible.
Algunas colas son:
Ilimitadas: pueden crecer tanto como sea necesario para contener a los clientes que
esperan.
Limitadas: solo pueden contener un número fijo de clientes en espera y quizás hasta
ninguno.
Se deben tener en cuenta variables aleatorias que pueden ser descritas por distribuciones
probabilísticas.
La variable aleatoria “q” representa el tiempo que emplea un cliente esperando en la cola a
ser servido.
La variable aleatoria “s” representa la cantidad de tiempo que emplea un cliente en ser
servido.
La variable aleatoria “w” representa el tiempo total que emplea un cliente en el sistema de
colas: “w = q + s”.
Fuente.
Los clientes son proporcionados a un sistema de colas desde una fuente que puede ser
infinita o finita.
Con una fuente infinita la cola de servicio puede llegar a ser arbitrariamente grande.
Para una fuente finita la cola de servicio es limitada.
Una fuente finita pero muy grande suele considerar como infinita.
Llegadas.
Supondremos que los clientes llegan a un sistema de colas
En los tiempos:
t0 < t1 < t2< ... < tn.
Los clientes llegan de uno en uno y nunca hay una colisión.
Las variables aleatorias “ τκτκτκτκ”” miden los tiempos entre las llegadas sucesivas (arbitrario) y
se denominan tiempos entre
Llegadas:
Son variables aleatorias independientes y están
Idénticamente distribuidas.
ττττκκκκ = tk - tk-1 (k (k ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ 1). 1).
Llegadas de poisson.
Las llegadas pueden seguir distintos patrones arbitrarios
Pero suele suponerse que forman un proceso de llegadas de poisson:
Los tiempos entre llegadas están distribuidos exponencialmente:
P( τ ≤ τ ≤ τ ≤ τ ≤ tt) = 1- e-λλλλt t
La probabilidad de que lleguen exactamente n clientes en cualquier intervalo de
longitud t es:
[e -λλλλt t (λ λ λ λ λλλλt) t) n ] / n! (n = 0, 1, 2, ...).
λ λ λ λ es una tasa promedio de llegadas constante expresada en “clientes por unidad de
tiempo”.
El número de llegadas por unidad de tiempo se dice que tiene distribución de
poisson con una media λ.λ.λ.λ.
Tiempos de servicio.
Se supone que los tiempos de servicio son aleatorios.
“s k ” es el tiempo de servicio que el k-esimo cliente requiere del
Sistema.
Un tiempo de servicio arbitrario se designa por “s”.
La distribución de los tiempos de servicio es:
Ws (t) = p (s ≤≤≤≤ t).
Para un servicio aleatorio con una tasa promedio de servicio “ µµµµ ”:
Ws (t) = p(s ≤ ≤ ≤ ≤ t) = 1-e-µµµµ t (t ≥ ≥ ≥ ≥ 0).
Capacidad de la cola.
Las colas deben tener:
Capacidad infinita:
o Cada cliente que llegue puede entrar en el sistema de colas y esperar,
independientemente de cuantos clientes hay en espera.
Capacidad cero (o sistemas de pérdidas):
o Los clientes que llegan cuando la instalación de servicio está ocupada no
podrán ser admitidos el sistema.
Capacidad positiva:
o Los clientes que llegan solo esperan si hay lugar en la cola.
Numero de servidores en el sistema.
Los sistemas de colas se pueden categorizar según el número de
Servidores en:
Sistemas de un solo servidor:
o Tienen un solo servidor y nada mas pueden darle servicio a un solo cliente a
la vez.
Sistemas de servidores múltiples:
o Tienen “c” servidores con idéntica capacidad y pueden dar servicio a “c”
clientes a la vez.
RESUMEN DEL PROCESO DE POISSON
Se define “p(k,t)” como la probabilidad de exactamente “k” llegadas en un intervalo de
tiempo de longitud “t”.
Un proceso es de poisson si y solo si:
Para intervalos apropiadamente pequeños ∆ ∆ ∆ ∆ ∆∆∆∆t: t:
P(k,t) = :
• λ∆λ∆λ∆λ∆ t para k = 1 ( λλλλ es la tasa promedio de llegadas).
• 1 - λ∆λ∆λ∆λ∆. T para k = 0.
• 0 para k > 1.
Cualesquiera eventos definidos para tener lugar en intervalos de tiempo no superpuestos
son mutuamente independientes.
Un proceso también es de poisson si los tiempos entre llegadas sucesivas (tiempos entre
llegadas de primer orden):
Son variables aleatorias exponenciales idénticamente distribuidas.
Si la variable aleatoria “k” indica el número de llegadas:
La probabilidad de, exactamente, “k” llegadas en un intervalo de longitud “t” es:
• P(k,t) = [(λ λ λ λ λλλλt) t) k e e -λ λ λ λ λλλλt t ] / k! t ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ 00; k = 0, 1, 2, ...
El valor esperado o valor medio de k es:
• E(k) = λ λ λ λ λλλλt. t.
La varianza de k es:
•
(σ(σ(σ(σκ κ κ κ ) ) ) ) 2 2 2 2 = λ= λ= λ= λt. t.
de poisson aleatorias independientes “x” e “y” tambi
también describen
La suma de dos variables de po
un proceso de poisson:
Los valores esperados son:
• E(y) = µµµµ2 = λλλλ2222 t.
• E(x) = µµµµ 1 = λλλλ1 1 1 1 t.
La probabilidad de “k” llegadas
egadas en el tiempo “t” es:
La suma de “n” procesos de p
una tasa de llegada:
s de poisson independientes resulta en un proceso de
eso de poisson con
Para un proceso de poisson c
son con una tasa de llegada “ λλλλ ” se puede form
formar un nuevo
proceso de poisson utilizando
ndo borradas aleatorias independientes:
Cada llegada al proceso
oceso original:
Se acepta al nuev
al nuevo proceso con probabilidad “p”.
Se rechaza con p
con probabilidad “1 - P”.
La tasa de llegada del n
del nuevo proceso derivado es “λ λ λ λ λ λ λ λ P”.
La generalización para la des
la descomposición de un proceso de poisson en “
en “n” procesos
derivados independientes, cada
, cada uno con una probabilidad asociada “pi” resulta:
sulta:
En un proceso de poisson:
La probabilidad de que no haya
o haya llegadas en un intervalo de longitud “t” es:
P(0,t) = [(λ λ λ λ λ λ λ λ
t) 0 e - λλλλ t ] / 0! = e -λλλλ t .
La probabilidad de una o más ll
más llegadas en un intervalo de longitud “t” es:
1 - P(0,t) = 1 - e
e - - λλλλ t .
La función de densidad de pr
(tiempo hasta la primera llegad
f t (t) = λλλλ e-λλλλt t (t (t ≥ ≥ ≥ ≥ ≥ ≥ ≥ ≥ 0). 0).
El valor esperado “t” es:
egada) es:
de probabilidad para el tiempo entre llegadas de p
de primer orden
E(t) = 1 / λ. λ. λ. λ. λ.λ.λ.λ.
La varianza es:
(σ(σ(σ(σt ))))2222 = 1 / λ
= 1 / λ2.
= 1 / λ
= 1 / λ
La función de densidad de pro
(tiempo hasta la r-esima llegad
gada) es:
de probabilidad para el tiempo entre llegadas de o
e orden r-esimo
ft(t) = λλλλr t r--1 e
e -λλλλt t ) / (r - - 1)! (t ≥ ≥ ≥ ≥ 0, r = 1, 2, ...)
El valor esperado “t” es:
E(t) = r /λ.λ.λ.λ.
La desviación estándar es:
(σ(σ(σ(σ t )))) 2222 ====r / λ/ λ/ λ/ λ2.
Las instalaciones de servicio pueden proporcionar tiempos de servicio exponenciales:
La probabilidad de que el tiempo de servicio sea menor o igual a “t” es:
P(S ≤ ≤ ≤ ≤ t) = 1-e - µµµµt t (t (t ≥ ≥ ≥ ≥ 0).
La tasa promedio de servicio es “ µµµµ.”.
El tiempo promedio de servicio es “1 / µµµµ”. ”.
La función de densidad de probabilidad para el tiempo de servicio “t” es:
ft(t) = µe -µt t (t (t ≥ 0).
La media del tiempo de servicio es:
E(s) = 1 / µ.µ.µ.µ.
La varianza es “1 / µµµµ2222 ”.
Un servidor que opera de esta manera se denomina servidor exponencial.
Descripción del algoritmo desarrollado
Se supone la siguiente situación:
Las peticiones de acceso a disco llegan como un proceso de poisson con una tasa promedio
de λ λ λ λ peticiones por minuto.
Si el disco está en uso, la petición se coloca en una cola primero en llegar, primero en ser
servido.
Cuando el disco queda disponible se sirve la primera petición de la cola.
El tiempo de ser
Comentarios de: Desarrollo de Applets Para la Simulación de Algoritmos de Administración del Sistema Operativo (0)
No hay comentarios