水平分解的多类闭合分叉-汇集排队网络性能分析方法

摘要

本发明公开了一种基于水平分解的多类闭合分叉-汇集排队网络模型性能分析方法，通过对模型中的每类包含分叉-汇集操作的模型进行水平分解使得计算机能通过对排队网络模型性能的快速精确分析，进而得到实际系统性能的可分析参数，提高了计算机对系统性能分析的效率。

主权项

1.水平分解的多类闭合分叉-汇集排队网络性能分析方法，其特征在于包括以下步骤：1）在计算机中对包含多类请求和分叉-汇集操作的系统建立多类闭合排队网络模型，其中在所述模型中每个计算资源对应一个服务中心，分析该模型所需的两个输入参数分别为请求数和每个服务中心i针对不同请求c的服务时间Dc,i；所述C为请求种类总数、所述Nc为请求c的数目，所述请求数根据所述系统实际的负载规模设定，所述服务中心的服务时间Dc,i从对应计算资源的历史记录中获得；2）所述计算机对所述多类闭合分叉-汇集排队网络模型中的每类包含分叉-汇集操作的模型进行水平分解，从而所述计算机得到若干个主干及其与之相对应分支的乘积类型混合排队网络模型，同时，所述计算机确定该混合排队网络模型的依赖关系；所述计算机判断步骤2）中所述混合排队网络模型，如果所述混合排队网络模型属于非循环依赖，则根据依赖关系的相反方向逐个求解模型；否则，使用递归收敛算法求解所述循环依赖模型；所述计算机根据步骤2）计算所得的每个服务中心的响应时间，重新计算所述每个单类闭合分叉-汇集排队网络模型中的主干及其各个分支中的每个服务中心响应时间；判断步骤4）的计算结果，如果在步骤2）中选择的所有主干都具有最长的响应时间，则说明之前的选择是正确的，求解流程结束；否则，分别将响应时间最长的分支选择为主干，并重新分解原有的每类模型，然后返回步骤3）重新执行，直到每类模型选择的主干都具有最长的响应时间。