Newer
Older
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
\section{Scénarios d'Étude}
Cette section présente les cinq scénarios prédéfinis testés pour valider l'implémentation et explorer différentes configurations du système.
\subsection{Scénario 1: Serveur Unique Rapide (Instabilité)}
\subsubsection{Configuration}
\begin{table}[H]
\centering
\caption{Paramètres du scénario 1}
\label{tab:scenario1}
\begin{tabular}{ll}
\toprule
\textbf{Paramètre} & \textbf{Valeur} \\
\midrule
Taux d'arrivée externe ($\lambda$) & $1/125$ (8 req/s) \\
Taux de service coordinateur ($\mu_c$) & $1/10$ (10 ms moyen) \\
Probabilité de sortie ($p$) & $0.5$ \\
Nombre de serveurs & 1 \\
Serveur 1: $\mu_1$ & $1/120$ (120 ms moyen) \\
Serveur 1: $q_1$ & $0.5$ \\
\bottomrule
\end{tabular}
\end{table}
\subsubsection{Objectif}
Démontrer l'instabilité d'un système où le serveur ne peut traiter les requêtes assez rapidement.
\subsubsection{Analyse de Stabilité}
Calculons les taux d'arrivée effectifs selon \eqref{eq:lambda-final}:
\begin{align*}
\lambda_c &= \frac{\lambda}{p} = \frac{1/125}{0.5} = \frac{1}{62.5} = 0.016 \\
\lambda_1 &= \frac{\lambda q_1}{p} = \frac{(1/125)(0.5)}{0.5} = \frac{1}{125} = 0.008
\end{align*}
Utilisation du coordinateur:
\begin{equation*}
\rho_c = \frac{\lambda_c}{\mu_c} = \frac{0.016}{0.1} = 0.16 < 1 \quad \checkmark
\end{equation*}
Utilisation du serveur 1:
\begin{equation*}
\rho_1 = \frac{\lambda_1}{\mu_1} = \frac{0.008}{1/120} = 0.96 < 1 \quad \checkmark
\end{equation*}
\textbf{Conclusion}: Le système est \textbf{stable} mais le serveur 1 est fortement utilisé ($\rho_1 = 96\%$).
\subsection{Scénario 2: Deux Serveurs (Rapide + Lent)}
\subsubsection{Configuration}
\begin{table}[H]
\centering
\caption{Paramètres du scénario 2}
\label{tab:scenario2}
\begin{tabular}{ll}
\toprule
\textbf{Paramètre} & \textbf{Valeur} \\
\midrule
$\lambda$ & $1/125$ \\
$\mu_c$ & $1/10$ \\
$p$ & $0.5$ \\
Serveur 1: $\mu_1$ & $1/120$ \\
Serveur 1: $q_1$ & $0.25$ \\
Serveur 2: $\mu_2$ & $1/240$ (serveur lent) \\
Serveur 2: $q_2$ & $0.25$ \\
\bottomrule
\end{tabular}
\end{table}
\subsubsection{Objectif}
Étudier l'impact de l'ajout d'un serveur lent pour partager la charge.
\subsubsection{Analyse}
Taux effectifs:
\begin{align*}
\lambda_c &= 0.016 \\
\lambda_1 &= \frac{(1/125)(0.25)}{0.5} = 0.004 \\
\lambda_2 &= \frac{(1/125)(0.25)}{0.5} = 0.004
\end{align*}
Utilisations:
\begin{align*}
\rho_c &= 0.16 \quad \checkmark \\
\rho_1 &= 0.004 \times 120 = 0.48 \quad \checkmark \\
\rho_2 &= 0.004 \times 240 = 0.96 \quad \checkmark
\end{align*}
\textbf{Conclusion}: Système stable. La charge est mieux répartie sur le serveur rapide, mais le serveur lent reste saturé.
\subsection{Scénario 3: Trois Serveurs Lents}
\subsubsection{Configuration}
\begin{table}[H]
\centering
\caption{Paramètres du scénario 3}
\label{tab:scenario3}
\begin{tabular}{ll}
\toprule
\textbf{Paramètre} & \textbf{Valeur} \\
\midrule
$\lambda$ & $1/125$ \\
$\mu_c$ & $1/10$ \\
$p$ & $0.6$ \\
Serveurs 1-3: $\mu_i$ & $1/240$ (tous lents) \\
Serveur 1: $q_1$ & $0.15$ \\
Serveur 2: $q_2$ & $0.15$ \\
Serveur 3: $q_3$ & $0.10$ \\
\bottomrule
\end{tabular}
\end{table}
\subsubsection{Objectif}
Analyser la performance avec plusieurs serveurs lents et routage non uniforme.
\subsubsection{Analyse}
Taux effectifs:
\begin{align*}
\lambda_c &= \frac{1/125}{0.6} = 0.01333 \\
\lambda_1 &= \frac{(1/125)(0.15)}{0.6} = 0.002 \\
\lambda_2 &= 0.002 \\
\lambda_3 &= \frac{(1/125)(0.10)}{0.6} = 0.00133
\end{align*}
Utilisations:
\begin{align*}
\rho_c &= 0.1333 \quad \checkmark \\
\rho_1 &= 0.002 \times 240 = 0.48 \quad \checkmark \\
\rho_2 &= 0.48 \quad \checkmark \\
\rho_3 &= 0.00133 \times 240 = 0.32 \quad \checkmark
\end{align*}
\textbf{Conclusion}: Système stable avec utilisation modérée de tous les serveurs.
\subsection{Scénario 4: Deux Serveurs (Rapide + Moyen)}
\subsubsection{Configuration}
\begin{table}[H]
\centering
\caption{Paramètres du scénario 4}
\label{tab:scenario4}
\begin{tabular}{ll}
\toprule
\textbf{Paramètre} & \textbf{Valeur} \\
\midrule
$\lambda$ & $1/125$ \\
$\mu_c$ & $1/10$ \\
$p$ & $0.5$ \\
Serveur 1: $\mu_1$ & $1/120$ (rapide) \\
Serveur 1: $q_1$ & $0.25$ \\
Serveur 2: $\mu_2$ & $1/190$ (moyen) \\
Serveur 2: $q_2$ & $0.25$ \\
\bottomrule
\end{tabular}
\end{table}
\subsubsection{Objectif}
Comparer avec le scénario 3 pour évaluer l'impact du nombre de serveurs vs vitesse.
\subsubsection{Analyse}
Utilisations:
\begin{align*}
\rho_1 &= 0.48 \quad \checkmark \\
\rho_2 &= 0.004 \times 190 = 0.76 \quad \checkmark
\end{align*}
\textbf{Conclusion}: Système stable. Performance intermédiaire entre scénarios 2 et 3.
\subsection{Scénario 5: Analyse de Sensibilité}
\subsubsection{Objectif}
Étudier l'impact de la variation des paramètres $\lambda$ et $p$ sur les performances.
\subsubsection{Variations Testées}
\begin{enumerate}
\item \textbf{Variation de $\lambda$}: Maintenir $p = 0.5$, faire varier $\lambda \in [0.004, 0.012]$
\item \textbf{Variation de $p$}: Maintenir $\lambda = 1/125$, faire varier $p \in [0.3, 0.8]$
\end{enumerate}
\subsubsection{Configuration de Base}
\begin{table}[H]
\centering
\caption{Configuration de base pour analyse de sensibilité}
\label{tab:scenario5}
\begin{tabular}{ll}
\toprule
\textbf{Paramètre} & \textbf{Valeur} \\
\midrule
$\lambda$ (variable) & $0.004$ à $0.012$ \\
$\mu_c$ & $1/10$ \\
$p$ (variable) & $0.3$ à $0.8$ \\
Serveur 1: $\mu_1$ & $1/150$ \\
Serveur 1: $q_1$ & Ajusté selon $p$ \\
\bottomrule
\end{tabular}
\end{table}
\subsubsection{Métriques Observées}
Pour chaque variation, on mesure:
\begin{itemize}
\item Temps moyen dans le système ($W$)
\item Nombre moyen de clients ($L$)
\item Utilisations des serveurs ($\rho_i$)
\item Convergence vers état stable
\end{itemize}
\subsection{Synthèse des Scénarios}
\begin{table}[H]
\centering
\caption{Comparaison des scénarios}
\label{tab:scenarios-synthese}
\begin{tabular}{lcccc}
\toprule
\textbf{Scénario} & \textbf{Serveurs} & \textbf{Stable} & \textbf{$\rho_{\max}$} & \textbf{Objectif} \\
\midrule
1 & 1 rapide & Oui & 0.96 & Haute charge \\
2 & 1 rapide + 1 lent & Oui & 0.96 & Hétérogène \\
3 & 3 lents & Oui & 0.48 & Multi-serveurs \\
4 & 1 rapide + 1 moyen & Oui & 0.76 & Comparaison \\
5 & Variable & Variable & Variable & Sensibilité \\
\bottomrule
\end{tabular}
\end{table}