规律英文-塔西
计算机性能分析与评
价报告
姓名：苑仁群
班级：
****
学号：
**********
目录
1
概述
3
1.1
引言
3
1.2
研究现状及方向
3
2
基于排队论对计算机性能分析与评价综述
4
2.1
理论基础
4
2.1.1
概率论基础
4
2.1.2
随机过程
6
2.1.3
排队论模型
7
2.2
排队论在计算机性能分析与评价中的应用介绍
11
3
结论
14
参
考
文
献
15
1
概述
1.1
引言
伴随着社会信息化的快速发展，对计算机的性能要求是永无止境的，从而就需要对计
算机
的性能进行分析和评测，能够对计算机的性能进行定量化和精确化的分析和评测。传
统的
基于理论峰值的评测计算机性能的方法，如
MIPS
、
CPI
、
FLOPS
等
，不能完全反映计算
机的性能状况。伴随着计算机相关领域的知识理论的成熟，渐渐的产
生了计算机性能分析
与评测。
计算机
性能分析与评测是指通过基准的评测程序获得特定计算机系统运行预定义任务
或任务集时
的性能特征。进行计算机性能分析与预测主要有以下三个目的：
1.
选择：在众多的系统中选择一个
最适合的系统，达到较好的性能
/
价格比。
2.
改进：对已有系统的性能
缺陷和瓶颈进行改进和提高，优化计算机的性能。
3.
设计：对未来设计的系统进行性
能预测，在性能成本方面实现最佳设计或配置。
本文主要是介
绍计算机性能分析与评价的理论知识和方法，以及排队论在计算机评价
中的简单应用。<
/p>
1.
2
研究现状及方向
在国外，计算机评测
相对国内来说起步较早，计算机性能分析与评测是计算机硕士生
的必修课程，所有做计算
机体系结构和系统研究的学术机构和组织都有自己的性能评测研
究，同时所有研究计算机
系统硬件和系统软件的厂商都有自己的评测研究，形成了许多对
计算机性能评测的基准方
法。
在国内，也出现了对计算机性能进行分析和评测的结构和
组织，例如：国家智能计算
机研究开发中心，侧重于高性能计算机系统、计算机体系结构
、性能评测，面向计算机系
统、兼顾各个子程序，侧重性能评测方法的研究；清华大学软
件学院的
TPC-C
评测程序；
清华大
学网络研究所使用
Petri
网模型分析网络系统的性能；国防
科技大学计算机系中间件
系统的研究和测试；计算机世界报性能评测实验室；赛迪评测中
心的
NC
系统的评测。
计算机性能分析与评测主要的研究方向如下：
1.
相关理论的研究：泊松分布、排
队论、自相似理论、
MaKov
模型、
Monte
Carlo
模
拟。
2.
负
载
特
性
的
研
究
：
商
业
负
载
(Commercial
Workload>
、<
/p>
技
术
负
载
(Technical
Workload>
。
3.
基准程序
Benchmark
的研究。
4.
性能指标的研究：生命周期、服务协议等级、服务质量、总拥有价格
LoadRunner 基于排队论对计算机性能分析与评价综述 本部分主要总结在计算机性能分析与评测过程中用到的概率论基础、随机过程和常用 此时假定事件 <
br>广到三个或多个事件。
）、总
拥有性能
）、吞吐率、可靠性、可用性、可扩展性、
QoS
等。
5.
性能评测与体系结构的结合。
6.
模拟器的研究：
SimpleScalar
、
SimOS
、
SandOS
等。
7.
测
试
系
统
的
研
究
：
Benchmark
Factory<
/p>
、
ServerScope
、
Benchmark
Studio
、
、
Forecast
toolset
等。
8.
监控系统的研究：
Intel
Vtune
、
EMon
、
TeamQuest
Lite
、
ServerScope-
Monitor
、
Grid-
View
等。
2
2.1
理论基础
的排队论模型，根据这些理论知识，为对计算机各个部件的性能分析、优化和改进奠定基
础。
2.1.1
概率论基础
1.
条件概率和独立性
条件概率公式：
P(A|B>=P(AB>/p(B>,
B
已经发生，事件
A
在事件
B
发生的
条件下的概率。
独立性：如果
P(
AB>=P(A>P(B>,
事件
A
和
B
叫做相互独立的事件，独立性的概念可以推
2.
全概率公式和贝叶斯定理
给定一组互斥的事件
E1,E2,
……
,En,
这些事件的并集包括所有可能的结果，同时给任一
个事件
A
，那么全概率公式可以表示为：
贝叶斯公式：
又称为后验概率公式，
是在已知结果发生的情况下，用来求导致这种结果的某种原因
的可能性的大小。
3.
重要的概率分布
1
）
0-1
分
布
概率分布为：
P{X=1}=p,
P{X=0}=1-p
，它描述一次贝努里实验中，成功或失败的概率。
2
）二项分布
公式为：
P{X=k}=C
n
k
p
k
(1-p>
n-k
，
k=0,1,2,
……，
n
用来描述
n
次贝努里实验中事件
A
出现
k
次的概率。
3
）几何分布
公式为：
P{X=k}=p(1-p>
k-1
, k=1,2,
……
描述在
k
次贝努里实验中首次出现成功的概率。其有一个很重
要的性质
----
无后效性，
即在前<
/p>
n
次实验未出现成功的条件下，在经过
m
次实验首次出现成功的概率，等于恰好需
要进行
m
次实验出现首次成功的无条件概率，与过去历史无关的性质称为马尔可夫特性
。
它可以描述某一任务的服务持续时间。
4
）泊松分布
）
公式为：
P{X = k} =
λ
k
e
-
/
k!
，
k=0,1,2,
……
λ
在实际系统模型中，一般都要假定任务
<
或顾客）
的到来是泊松分布的。
5
）
K-
爱尔朗分布
概率
密度函数为：
f(x>=(
λ
kx><
/p>
n-1
λ
ke
-
f(x>=0
，
x<0
具有
K-
爱尔朗分布的随机变量可以看作具有同一
指数分布的独立的
k
个随机变量之
和。
其在排队模型中，得到了广泛的应用。
6
）指数分布
指数分布是一种连续的概率分布，其概率密度公式为：
f
）
=
λ
e
-
λ
λ
kx
/(n-1>!
，
x
≥
0
x
，
x
≥
0
T <
br>与之对应，则称依赖 {X(t,s>,t
称为该事件的计数过程。例
f
）
=0
，
x<0
在连续型随机变量中
，只有指数分布具有无后效性。在排队理论和随机
Petri
网
中，指
数分布是很重要的。
2.1.2
随机过程
设
(O,T,P>
为一概率空间，
为一实数集，如果对于每个
t
∈
T,
都有定义于
(O,T,P>
上的随机
变量
X(t,s>
t
的随机变量族
∈
T}
为一个
随机过程。
随机过程论与其他数学分支如位势论、微分方程、
力学及复变函数论等有密切的联
系，是在自然科学、项目科学及社会科学各领域研究随机
现象的重要工具。随机过程论目
前已得到广泛的应用，在诸如天气预报、统计物理、天体
物理、运筹决策、经济数学、安
全科学、人口理论、可靠性及计算机科学等很多领域都要
经常用到随机过程的理论来建立
数学模型。以下为主要的随机过程：
1.
计数过程
令
N(t>
表示在时间段
[0
,t>
内的某种事件发生的次数。
N(t>
如事件：数据包到达路由器、顾客到达商店等都可以看作
一个计数过程。
计数过程有以下性质：
1
）
N(0>=0
。
2>N(t>
非负；
3
）如果
s
是时
间
[s,t]
内发生的事件个数。
n
过程
一个计数过程
{N(t>,t>=0}
如果满足以
下条件，则被称为参数为
λ
的泊松过程
,
λ
称为泊松
过程的速率：
1
）
独立时间段上的事件发生的个数是独立的
<
即独立增量
过程）；
2
）
在任意
一段时间内发生的事件的个数的分布是不变的
<
即平稳过程）；
3
）
在一小段时间
h
内发生一个事件的概率为<
/p>
λ
h+O(h>
；
4
）
在
一小段时间
h
内发生多于一个事件的概率为
O(h>.
一般
N(t>
表示在
时间间隔
[0,t]
中到达某服务台的顾客数。
3.
伯努力过程
设随机序列
{N(n>,n>=0},
如果它满
足以下三个条件
:1>N(0>=0
，
2>{N(n>,n>=0}
具有独立增
量
性
，
3
）
N(m+n>-N(m>~B(n,
λ
>,
其
中
m
，
n
均
为
非
负<
/p>
整
数
，
则
称
该
随
机
序
为
参
数
是
λ
<0<
λ
<1
）的伯努力过程。
4.
马尔可夫过程
< br>对
于
随
机
过
程
，
如
果
对
于
任
意
的
参
数
值已知的情
况下，
X(t>
的条件分布只与
，
在
的状态
有
关
，
即
则
称该随机过程为马尔可夫过程。
马尔可夫过程是一种很重要的随机过程，这一类过程的具有无后效性：当过程在
t
0
所
处的状态已知时，
t
0
以后过程所处的状态与
t
0
以前过程所处状态无关，这个特性叫做无后
效性，也叫做马尔可夫性。通俗的说，就是“已知现在，将来和过去无关”。
5.
生灭过程
< br>生灭过程是一种特殊类型的马尔可夫过程，在系统性能评价中是非常重要的，分为以
下两种类型的生灭过程。
1>
离散时间生灭过程
对于离散时间生灭过程，所有的一步转移只发生在相邻的状态之间，转移概率矩阵
P
是一个夹层的矩阵，其中
p
ij
=0
，对于所有的
|i-j|>1.<
/p>
2>
连续时间生灭过程
一个连续时间齐次马尔可夫链
{X(t>,t>=0},
状态空间
{0,1,2,
……
},
称为生灭过程。
6.
更新过程
设
{N(t>,t>0}
是一个计数过程，
< br>x
n
(n>=1>
表示第<
/p>
n-1
次事件和第
n
次事件的时间的间
隔，再设
{x
1
，
x
2
，…<
/p>
}
为非负、同分布的随机变量序列，则称计数过程
{N(t>,t>0}
为更新过
程。其主要特点是根据
事件间隔的特征
<
独立、同分布）定义。
泊松过程中事件之间的时间间隔是呈负指数分布的，泊松过程是更新时间间隔呈负指
数分布的更新过程。
2.1.3
排队论模型
排队论又称为随机服务系统，是运筹学的重要组成部分，是具有特殊应用价值的现代
< br>应用数学的分支之一，其应用范围很广，它适用于一切服务系统，尤其在通信系统、交通
< br>系统、计算机存储系统和生产管理系统等方面应用的最多。
1.
排队系统的组成部分
1>
输入过程与到达规则。输入过程一般是用顾客到达间隔时间来描述的。
根据到达的
间隔时间所服从的分布，输入过程可以分为定长输入、负指数输入、爱尔朗输
入、几何输
入、负二项输入与一般输入。顾客到达的时间间隔可以是确定型的，也可以是
随机型的，