Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INE2
MODELISATION ET
DIMENSIONNEMENT DES
RESEAUX TELECOMS
Ahmed EL KHADIMI
INTRODUCTION
Evaluation des Performances des Rseaux
Ahmed EL KHADIMI
Introduction
Complexit sans prcdent des rseaux :
Dveloppement des communications mobiles,
Croissance exponentielle dInternet et des trafics
de donnes,
Mise en uvre de nouveaux services multimdia
(avec GPRS, UMTS et 4G).
Nouvelles exigences :
Minimiser le cot face la concurrence,
Assurer la qualit de service (QoS),
Scuriser les infrastructures de communication.
3
Introduction
Matriser la complexit des rseaux :
Difficults conceptuelles de conception,
planification & gestion,
Dvelopper des algorithmes doptimisation de
rseaux pour leur conception, leur planification &
leur gestion
Intgrer ces algorithmes dans des outils daide la
dcision au service des oprateurs
Introduction
Classification des problmes :
Optimisation du routage (court terme),
Optimisation du dimensionnement (moyen
terme),
Optimisation de la topologie (long terme),
Couplage des diffrentes problmatiques.
Introduction
Optimisation du routage (court terme) :
Optimiser les capacits de rserve pour faire face
de nouvelles demandes ou des dsquilibrages
du trafic (vnements ponctuels, variations
saisonnires, dcalage horaire des zones, etc.)
Contraintes de QoS et de scurit,
Contraintes technologiques,
Introduction
Optimisation du dimensionnement (moyen
terme) :
Dimensionner les capacits des artres et des
nuds existants en fonction des prvisions de
trafic,
Contraintes de QoS, de scurisation, de budget.
Contraintes technologiques, capacits discrtes de
transmission
Problme coupl avec celui de routage,
Introduction
Optimisation de la topologie (long terme) :
En fonction des nuds existants dans un rseau
(points de prsence, nuds de transit) et de leur
volution prvue dans le temps (ouverture de
nouveaux points de prsence),
Dterminer le maillage de la topologie permettant
de minimiser les cots de construction et
dquipements,
Problme coupl avec ceux de routage et de
dimensionnement.
8
INTRODUCTION
Evaluation des Performances des Rseaux
Evaluation des performances des rseaux
Dveloppement des rseaux de tlcoms
Accroissement important de sa complexit
INTRODUCTION
Evaluation des Performances des Rseaux
On considre un rseau de tlcom comme systme servant le trafic entrant
Rseau
Trafic Entrant
Trafic Sortant
INTRODUCTION
Evaluation des Performances des Rseaux
Les modles rseaux doivent nous permettre de
rpondre trois grandes questions :
tant donns la demande (le trafic) et les ressources
disponibles, quelle est la qualit de service offerte aux
utilisateurs ?
tant donns la demande et une qualit de service cible,
comment dimensionner les ressources du systme ?
tant donns les ressources disponibles et une qualit de
service cible, quelle est la demande maximale ?
11
INTRODUCTION
Evaluation des Performances des Rseaux
tude des relations entre les trois facteurs cls : trafic, la
qualit de service et les ressources / Cot
Qualit de service
Ressources / Cots
Trafic
12
INTRODUCTION
Evaluation des Performances des Rseaux
De manire gnrale, les techniques dvaluation des
performances doivent nous permettre :
de prdire les performances (QoS, utilisation des ressources)
avant la construction ou lextension dun rseau
Dvaluer et comparer plusieurs scnario : modification des
quipements, configuration des protocoles de routage, etc
Danticiper le comportement du rseau suite une prvision
daugmentation du trafic ou suite une panne dquipement
Etc
13
MODELISATION ET DIMENSIONNEMENT
DES RESEAUX TELECOMS
Chapitre :
Les Chanes de Markov
Ahmed EL KHADIMI
15
Plan du Chapitre
Rappel sur le processus stochastique
Les Chanes de Markov Temps Discret (CMTD)
Les Chanes de Markov Temps Continu (CMTC)
16
Prliminaire
Probabilits (Bayes, thorme des probabilits
totales, etc.)
Esprance
Variance
Loi exponentielle
Processus de Poisson et processus sans mmoire
Processus stochastique
17
Prliminaire
Thorme des probabilits totales
Soit {Ai}i E une partition de , la probabilit dun
vnement B qlq peut se dcomposer de la faon
suivante :
P[B]=
iE P[B|Ai]P[Ai]
18
Prliminaire
Formule de Bayes :
Soit {Ai }iE une partition de (espace de tt les
ralisations possible), la probabilit dun des
vnements Aj conditionne par un vnement B
peut scrire :
P Aj B =
[ ][ ]
P B Aj P Aj
P[B A ]P[A ]
iE
19
Prliminaire
La variance not V[X] et lcart type not [X]
dune variable alatoire X sont dfinis par :
V[X]=E[X]-(E[X]) = E[(X-E[X])]
[X]=(V[X])1/2
20
Processus stochastique
Dfinition : Un processus stochastique {X(t)}tT est
une fonction du temps dont la valeur chaque
instant dpend de l'issue d'une exprience
alatoire.
Un processus stochastique est donc une famille
de variables alatoires (non indpendantes)
Le temps T, peut tre discret ou continu
L'ensemble E des valeurs que peut prendre X(t) est
appel espace d'tats et peut tre discret ou continu
22
E R et nZ
Une suite de rels
{Xn}nZ
Chane
E N et t [0, +[
Une fonction discontinue
x(t) valeurs entires
E N et nZ
Une suite dentiers
{Xn}nZ
23
24
Dfinition de la CMTD
Dfinition : {Xn}nN est une CMTD ssi :
pij = P[X n = j X n 1 = i ]
nN
Reprsentation
La matrice de transition P=[pij]i,jE est une matrice carre dorde
fini ou infini (selon que lespace dtat E est fini ou infini)
On utilise des reprsentation graphique dune CMTD homogne,
sous forme dun graphe orient. On associe alors chaque tat de
la chane un nud et chaque transition possible entre deux
tats, un arc orient pondr par la probabilit de transition.
26
Modlisation
Les CMTD sont un outil de modlisation et dvaluation
de performances dune classe particulire de systme
vnements discrets. Pour cette classe particulire, on
ne sintresse ltat du systme qu des instants
particuliers tn de leur volution.
Cela peut se produire dans deux cas :
Soit en sintresse ltat du systme intervalles de temps
rguliers (jour, heure,). On a tn = nT, o T est lunit de temps
considre. Ltat du systme ltape n du processus est alors
ltat du systme au nime jour ou la nime heure
Soit on sintresse ltat du systme juste aprs un
vnement. tn est alors linstant du nime vnement. Ltat du
systme ltape n du processus correspond alors ltat juste
aprs le nime changement dtat. Les instants effectifs de
27
changements dtats ne sont alors plus quidistants
2.
Out
28
Out
Out
30
31
32
33
(0)={0,1,0,0,0,0}
(n) : tat du processus la
nime tape du processus
j(0) = 0, j 2
(0)
(1)
(j)
(n)
35
(n)
36
37
38
39
40
41
44
45
Soit Rij le nombre moyen de passages par l'tat j sachant que l'on
vient de l'tat i
47
48
49
50
51
52
Rgime permanent
tude d'un tat stationnaire (s'il existe !!!)
i.e. : on s'intresse la limite lorsque n du
vecteur des probabilits (n)
Cette limite existe t'elle ?
Comment la calculer (si oui) ?
53
Comment analyser ?
Facile ! Il suffit d'tudier
Mais comment faire pour calculer Pn ?
Diagonalisation de P en : P = U-1 D U o D est la
matrice diagonale des valeurs propres, U base
(inversible)
D'o : Pn = U-1 Dn U
L'existence du rgime stationnaire se rsume
l'existence et au calcul ventuel de :
54
55
56
Quelques remarques
57
CMTC
59
Dfinition de {Xt}t0
Dfinition
{Xt}t 0 est une CMTC ssi :
P[X(tn)=j |X(tn-1)=in-1, X(tn-2)=in-2, ... , X(t0)=i0]
= P[X(tn)=j | X(tn-1)=in-1] n et t0 < t1 < < tn
i.e. C'est un processus sans mmoire !
Restriction
On ne considre que les CMTC homogne, c'est--dire
celles dont les probabilits pij sont indpendantes des
instants d'observations, soit :
i = ij + ik
ij = i pij
ij
pij =
ij + ik
ik
pik =
ij + ik
def
ik = i pik
Le temps pass dans ltat i
est exponentiel de taux i.
lorsque lon quitte ltat i, on
se rend en j (resp. en k) avec
une proba. pij (resp. pik)
61
qij = ij
i j
def
j i
j i
62
63
Rgime transitoire
Consiste dterminer le vecteur (t) des probabilits d'tat :
j(t) = P[X(t) = j], j E, tout instant du processus :
(t) = [j(t)]jE = [1(t), 2(t), ]
De la mme faon que pour une CMTD, ce vecteur des
probabilits dpend :
Du gnrateur infinitsimal Q
Du vecteur des probabilits d'tats initiales (0)
On montre que :
64
66
MODELISATION ET DIMENSIONNEMENT
DES RESEAUX TELECOMS
Chapitre :
Un exemple
68
Introduction
Modlisation du partage de ressources
Accs une ressource par des clients afin de
raliser une activit
Il peut se produire une attente pour accder une
ressource libre
Ressource disponible le client entre en service
69
File simple
Quest ce quune file dattente ?
Une file simple (ou station) est une entit constitue dune
file dattente (ou buffer) et dun ou plusieurs serveurs. Les
clients arrivent de lextrieur, patientent ventuellement dans
la file dattente, reoivent un service, puis quittent la station
Exemples :
salle dattente dun mdecin, guichet de la poste .
Page dautoroutes (dans ce cas, il y a N serveurs)
Accs concurrent un disque, un serveur, etc
70
File simple
Exemples de domaines dapplication :
Systmes
Informatiques
Rseaux de
communication
Clients
Ressource ou Serveur
Activit ou Service
Processus
Processeur
temps de traitement
demande d'E/S
disque dur
lecture ou criture
message
rseau
temps de transmission
de bout en bout
paquet
Systmes de
Production
pice
machine
temps d'usinage
Guichet ONCF
usager
employ
rservation de billet
71
File simple
volution du nombre de clients dans une file
72
File simple
Caractrisation dune file dattente
Processus d'arrives des clients
Temps de service
Nombre de serveurs (cest le nombre de
guichets du page autoroutier)
Discipline de service, la plus connue tant
FIFO (First In First Out, Premier Arriv Premier
Servi)
73
Processus d'arrive
L'arrive des clients est dcrite l'aide d'un
processus stochastique de comptage {N(t)}t0.
Dfinition : Soit An la variable alatoire mesurant
l'instant d'arrive du nime client dans le systme :
def
A0 = 0 et
def
An = inf {t / N (t ) = n}
74
Temps de service
Dfinition : Soit Dn la variable alatoire mesurant l'instant de dpart du
nime client du systme. Soit Xn la variable alatoire mesurant le temps
de service du nime client (temps sparant le dbut de la fin du service)
X1
X2
D1
X3
D2
X4
D3
D4
Serveur inoccup
78
79
Notation de Kendall
Normalisation de l'criture d'une file d'attente T/X/C/K/m/Z
T : distribution d'interarrive
X : distribution de service
C : nombre de serveurs
K : capacit de la file
m : population des usagers (peu dintrt !) le nbre max dusagers
susceptibles darriver ds la file
Z : discipline de service
M : loi exponentielle
G : loi gnrale
GI : lois gnrales indpendantes
D : loi constante (dterministe)
Ek : loi de Erlang-k
Hk : loi hyperexponentielle-k
Ck : loi de Cox-k
PHk : loi de type phase k tages
Un exemple de rseau de FA
Modle d'un nud de commutation
83
MODELISATION ET DIMENSIONNEMENT
DES RESEAUX TELECOMS
Chapitre :
Les Files dattente simples
Ahmed EL KHADIMI
84
Paramtres de Performances
Analyse oprationnelle
En rgime transitoire
En rgime permanent
Condition de stabilit
Loi de Little
85
Analyse oprationnelle
87
Paramtres de performances
Dbit moyen d'entre Xe
Nombre moyen de clients arrivs dans le systme par
unit de temps
88
Paramtres de performances
Nombre moyen de clients Q
Moyenne temporelle de N(t)
89
Paramtres de performances en
rgime permanent
On s'intresse l'existence et aux valeurs
(ventuelles) des limites lorsque T --> linfini
92
Stabilit
Dfinition : Un systme est stable ssi le dbit
moyen asymptotique de sortie des clients du
systme est gal au dbit moyen d'entre des
clients dans le systme
=1
i.e : le nbre total de clients arrivs dans le
systme pendant lintervalle [0,T], A(T), ne doit
pas crotre plus rapidement que le nbre total de
clients ayant quitt le systme, D(T) qd T tend
vers linfini
93
95
Loi de Little
Ne concerne que le rgime permanent
Loi de Little
Proprit : Le nombre moyen de clients Q, le
temps moyen de rponse R et le dbit moyen X
d'un systme stable en rgime permanent se
relient de la faon suivante :
Q = R.X
Pseudo-preuve
Un client arrivant trouve en moyenne Q clients
devant lui
Ce client partant laisse derrire lui R.X clients
Donc dans l'tat stationnaire : Q=R.X
97
98
99
100
101
Dfinition
CMTC associe
Stabilit
Analyse du rgime permanent
Calcul des paramtres de performances
Dbit X
Taux d'utilisation du serveur U
Nombre moyen de clients Q
Temps moyen de sjour R
102
Dfinition de la M/M/1
M/M/1 ?
104
105
Donc :
tats transitoires ou rcurrents nuls n,
p(n)=0
< tats rcurrents non nuls n, p(n)0
106
107
Rgime permanent
1. Systme d'quations linaires
Rappel : avec les bonnes conditions, p(n) est solution de
:
pQ = 0 et
p (n ) = 1
n=0
108
Rgime permanent
2. Balances locales
quations d'tats l'quilibre :
Pour tout tat j, flux sortant de j = flux entrant dans j
p (0 ) = p (1)
p (1)( + ) = p (0 ) + p (2 )
M
p (n )( + ) = p (n 1) + p (n 1) , n 1
p(1) = p (2 )
M
p(n ) = p(n + 1) , n 0
109
Rgime permanent
3. quations aux frontires
Dcomposition en deux sous-systmes E1 et E2 dont on
galise les flux
110
on a alors
p (n ) = p (n 1), n 1
p (n ) = n p(0 ), n 0
p(n) = 1
n =0
n =0
On obtient alors :
p(n ) = (1 ) , n 0
n
111
Paramtres de performances
Dbit X
Dbit X ?
Un service est effectu avec un taux si le systme
contient au moins un client :
112
Paramtres de performances
Taux d'utilisation du serveur U
Taux d'utilisation ? C'est la probabilit pour que le
serveur de la file soit occup :
U = p(n ) = [1 p(0 )] = =
n =1
113
Paramtres de performances
Nombre moyen de clients Q
Nombre moyen de clients = esprance du nombre de
clients :
114
Paramtres de performances
Temps moyen de sjour R
Utilisation de la loi de Little :
Se qui s'crit :
115
116
117
118
119
Paramtres de performances
Dbit X
120
Paramtres de performances
Dbit X (fin)
Xs = ds l'instant o la file n'est pas vide :
Paramtres de performances
Taux d'utilisation du serveur U
122
Paramtres de performances
Nombre moyen de clients Q
123
Paramtres de performances
Temps moyen de sjour R
Pour le temps de sjour, on peut sintresser 2
quantits distinctes :
Temps moyen de sjour d'un client arrivant dans le
systme RT
Temps moyen de sjour d'un client effectivement
admis dans la file d'attente R.
124
Paramtres de performances
Temps moyen de sjour R (suite)
En ne considrant que les clients effectivement admis :
Finalement :
125
tude de la M/M/
Dfinition
CMTC associe
Stabilit
Analyse du rgime permanent
Calcul des paramtres de performances
Dbit X
Taux d'utilisation du serveur U
Nombre moyen de clients Q
Temps moyen de sjour R
126
tude de la M/M/
M/M/ ?
Processus d'arrive des clients dans la file : Poisson ()
Temps de service d'un client : distribution exponentielle ()
Nombre illimit de serveurs identiques et indpendants les
uns des autres
127
128
n
n 1
n 1
Stabilit de la M/M/
Rappel : condition de stabilit d'une file M/M/1 ?
le nombre moyen de client arrivant dans la file par unit de
temps doit tre infrieur la capacit de traitement de la file
' Serveur infini ?
Tout nouveau client se prsentant l'entre de la file est
immdiatement trait
Une le M/M/ est toujours stable !
130
131
132
133
134