Modellrechner für mehrere Server

Mehr über die Modell mit mehreren Servern Damit Sie besser verstehen, was dieser Taschenrechner Ihnen bietet. Das Multiple-Server-Modell (oder normalerweise als M / M / s-Serverdisziplin bezeichnet) tritt bei der Einstellung einer Warteschlange auf, in der sich ein oder mehrere Server befinden. Die Kunden sollen zu einer zufälligen Rate gelangen, die als Poisson angegeben wird Verteilung für einen bestimmten Zeitraum (oder die Zwischenankunftszeiten sind exponentiell verteilt) und die Servicezeiten sind exponentiell verteilt. Die Hauptparameter einer Warteschlange sind:

\[ \text{Probability of no units in the system } = P_0 = \displaystyle \frac{1}{\displaystyle \sum_{n=0}^{s-1} \frac{1}{n!} \left(\frac{\lambda}{\mu}\right) + \frac{1}{s!} \left(\frac{\lambda}{\mu}\right)^s \frac{s\mu}{s\mu - \lambda}} \] \[ \text{Average Number of Units in the System } = L_s = \frac{\lambda \mu (\lambda/\mu)^s}{(s-1)!(s\mu - \lambda)^2} P_0 + \frac{\lambda}{\mu}\] \[ \text{Average Number of Units in the Queue } = L_q = L_s - \frac{\lambda}{\mu}\] \[ \text{Average Time a unit spend in the System } = W_s = \frac{ \mu (\lambda/\mu)^s}{(s-1)!(s\mu - \lambda)^2} P_0 + \frac{1}{\mu} \] \[ \text{Average Time a unit spend in the Queue } = W_q = W_s - \frac{1}{\mu}\] \[ \text{Utilization Factor } = \rho = \frac{\lambda}{\mu}\]

Ein anderes gängiges Warteschlangenmodell ist das Einzelservermodell , M / M / 1, und wenn wir unterschiedliche Annahmen über die Anzahl der Leitungen, Server und Kanäle treffen, können wir zu ziemlich komplexen Warteschlangenmodellen gelangen.