MESURES ET MODELES
DE SYSTEMES
6.1 INTRODUCTION
Ce chapitre est consacré aux divers modes danalyse quantitative des sys-
témes. On y développe étude des systémes par les modeles mathématiques
et Ja simulation, puis on y décrit sommairement les techniques de mesure.
(On examine 'aide apportée par chacune de ces méthodes d’analyse a la concep-
tion et la mise au point des systtmes.
6.11 INTERET ET IMPORTANCE DES ETUDES QUANTITATIVES
L’étude quantitative des systémes permet de mieux comprendre leur fone-
tionnement en wue de 'améliorer. Le cout et la complexité du matériel et des
Programmes ont tendance a augmenter; lintérét économique d'une bonne
utilisation de ces ressources est donc certain. Indiquons les principaux champs
application des techniques "evaluation
1) Chix ou modification dune configuration ou d'un systéme
Le choix ou la modification d'un systéme complet nécessite la connaissance
des conditions exploitation et des performances que l'on disire en oben.
Des mesures sur les systémes existants permetient parfois de prévoir quel
sera le comportement du nouveau systéme. Les iniéréts économiques mis en
Jeu demandent cette prévision d'étre aussi juste que possible. Une simulation
252 Systtmes dexphiation des ordinaicurs
‘ou un mode analytique permettent, entre autres, d‘apporter des éléments
de réponse aux questions suivantes :
— & coat donné, doit-on acheter un bloc de mémoire supplémentaire ou
1un nouveau tambour ?
— dans un sys:éme d' exploitation utilsant une partition fixe dela mémoire,
comment choisir cette partition ?
2) Comprabilieé
La connaissance du taux d'utilisation des diverses ressources d'une instal-
lation (emps unité centrale, mémoire centrale et secondaire, périphériques,
tracucteurs..J permet de répartir les frais de cette utilisation parmi une
communauté dusagers, ex fonction des ressources efletivement iiss,
par chacun, Les statistiques ainsi recuellies peavent également servic de guide
Pour une extension du systéme, une modification des conditions d'utilisation,
tune amelioration du service four
3) Optimisation des programmes
Les performances d'un programme accomplissant une tcke donnée peuvent
varier dans des proportions considérables. Ii est important de verifier ff.
cacité des programmes fréquemment utilisés, L’optimisation des perfor-
manées est particuliérement importante pour les programmes (compilateurs
‘ou systémes d'exploitation) utilis par un ensemble d'usagers. Des mesures
permestent de déveler les parties les plus fréquemment utilises. Lorsque le
choix est possible entre plusicurs algorithmes, un modéle peut permettre de
prévoir celui qui donnera ies meilleurs résultats. Enfin tout programme est
‘modifié au cours de son existence ct il est utile de verifier que ses performances
te sont pas altérées par ces modifications.
4) Conception et construction de systimes d’expioitation
La conception d'un systéme est toujours fondée sur certaines hypothéses,
porfois non explicitement formulées Tes utile de disposer de renseignements
‘Quamtitatifs sur des systimes analogues au systime projeté, efin de pouvoir
abl set spécifications et de formuler les hypothéses initiales. Celles-ci
concement aussi bien le fonctionnement interne du systéme que environne-
‘ment dans lequel il doit travailler (charge, comportement des usagers). AU
stade de la réalisation, les mesures permettent, par evaluations et modifics-
tions successives, d’obtenir les résultats attendus. Par ailleurs, si un modéle
de simulation est utilisé pour aider aux choix de conception, Ia validité des
résultats qu il fourit dépend de celle des données de fa simulation : il est
done utile que ces données puissent étre éiayées par un ensemble de mesures
faites sur le systtme réel
3) Conception de matériel
Plus encore que pour la conception de programmes, les modéle et les
‘Mesures sont utiles pour la conception du matériel car une modification duMesures et modéles de syidmes 253
cAblage peut etre tés coliteuse ot trés longue & mettre en ceuvre. La connais-
sance des caractéristiques de la charge est ici encore esseatielle. Un exemple
typique d'application est is détermination des fonctions qu'il est rentable
de cdbier ou de microprogrammer, dans des conditions donntes ¢'utilisation.
6) Recherches sur les systémes
‘Le développement de modéles théoriques de programmes et de systémes,
tla comprehension du fonctionnement des systintes existants nécessitent
lune bonne connaissance du comportement de ces programmes et de ces
systdmes. On est donc amené a définir des grandeurs caractérisant ce compor-
tement et & obtenir, par des mesures, des valeurs numériques de ces grandeurs
6.12 METHODES DE MESURE ET D'EVALUATION
Les méthodes d'Etude quantitative des systémes se divisent en doux classes,
selon que I'on sintéresse au systéme réel cu a une représentation de ce sys-
téme; dans chaque cas on dispose de moyens différents d'investigation.
Schématiquement, on peut établir la classification suivante :
‘Etude des systémes réels_{/ mesures cablées
ct des programmes : ‘mesures programmées
Représentation de systémes | moddles de simulation
‘et de programmes : ‘modéles analytiques
UL est important de souligner qu'aucune de ces méthodes, en raison des
limitations propres qui seront examinées plus loin, n'est suffisante & elle seule
‘Pour toutes les tiches d'évaluation. Les résultats les plus fructueux sont obtenus
en combinant deux ou plusieurs des techniques ci-dessus.
Exemples. Les données d’satrée d'un modéle do simulation (ou des ordres de
srandear pour ces données) peuvent Exe obsenues par des mesures sur un sYsteme
el
‘Un simulates de charge programmé pet re uilsé pour tslonnee un équipement
e mesarecible.
Dans un mode de simulatiog, un sous-ensemble du systime Studié peu ére em
placé par un schéma mathématigue, pour augmeater la rapiité d'exécution da pro-
sramne de simulation.
6.2, LES MODELES DE SYSTEME
6.21 LES OBJECTIFS DES MODELES
Pour étudier le comportement d'un systime quelconque, que ce soit une
Usine ou un systéme dexploitation d’ordinateur, on peut en construire un.
‘odile contenant un certain nombre de paramétres ajustables. On n’envisage
ici que Ia représentation d'un systime ¢’exploitation ou d'une partic d'un
tcl sysitme.
254 Systémes exploitation des ordnateurs
Suivant le degré de fidetitésouhaité, on construit un modéle mathématique,
en général trés simpli, ou bien un simulateur qui peut atteindre une grande
‘complexité. Lintérét du modéle analytique est qu'une formule fourit rapi-
ddement une réponse, pour toutes les valeurs des paramites. Le simulateur a
evantage de permeitre "étude de systémes plus complexes, la modification
‘algorithms et Putilisation de lois de probabilté quelconques pou lesquelles
peu de propriéiés mathématiques sont connucs
‘Une difficuié majeure des modales provient du comportement aléatoire
es systémes. Les résultats obtemus sont des statistiques qui peuvent présenter
des fluctuations telles qu’ ne soit pas possible de tirer des conclusfons bien
nettes. Pour cette raison, il est parfois phus utile de construire un modeie
mathématique, méme ués simpli, plutdt qu'un simulateur éiaboré. Il faut
noter en outre qu'un programme de simulation de grande taille peut se révéler
coliteux 4 Venécution et difficile & metie ai point, ce qui le rend peu maniable
pour experimentation,
6.22 EXEMPLES DE MODELES ANALYTIQUES
La recherche dans le domaine des modéles mathématiques se développe
rapidement ct dans des directions trts diverses (Coffman, 73}. Citons quelques
exemples : comportement global d'un systeme [Mc Kinney, 69; Coffinan,
668), algorithmes de emplacement [Mattson, 70], comportement des pro-
grammes (Denning. 72]. gestion des disques [Frank, 69}
6.221 ehange de pages avec un disque a tétes fixes
[Nous nous intéressons uniquement au calcul des temps d acoés (ef. 4.532)
pour deux politiques de gestion des demandes (Denning, 67)
Considérons un disque a ties fies, tournant uniformément avec une
pétiode de révolution r. Une piste de disque comprend un nombre entier m
de secteurs, le secteur étant Munité c'adressage. Nous poserons
Sin
Nous supposons que Ja commutation d'une téte entre les modes lecture et
écriture peut se faire pendant Yintervalle séparant deux secteurs consécuti’s,
si bien qu’il est inutile de distinguer le sens du transfert; nous négiigeons
la vérifcation d’écriture,
Lorsque les demandes sont traitées dans Vordre d'aztivée (politique FIFO),
Ja premiére demande risque d'etre éloignée de la position courante des tétes,
ou une perte de temps qui, dans le pire des cas, atcint un tour de disque,
tune politique courante consiste & réordonner les demandes en attente, de
fagon & duire les temps d'accés: lorsque le transfert dun secteur est terminé,
‘onchoisit alors in demande la plus proche des tétes (politique SATF «Shortest
‘Access Time First »). Nous allons calculer le temps d'accés moyen aux secteursMesures et modéles de systimes 255
pour les deux politiques FIFO et SATF; nous supposons tes demandes
réparties uniformément sur le disque.
Le temps d'accés 4 un secteur donné, & partir d'un instant arbitrate, se
décompose cn unc somme de deux variables aléatoires indépendantes
— une variable ¢, de distribution uniforme 1/s sur (0, 5], représentant le
temps d'acoés au début du prochain secteur,
— une variable aléatoire diseréte x représentant le temps d’aceds au see-
teur demandé a pertir du début du prochain secteur: cette derniére variable
peut prendre, avec la méme probabil J/m, les valeurs 0, §,.., (m= 1) 8
Le temps d'accés moyen a um secteur quelconque, partir d’un instant
arbitraire, est done égal &
“ae mem oe sur
of Sud ass mn dnd
Ce résultat était aisément prévisible. En se plagant sur une limite de see-
‘eur et nom plus un instant arbitra, le temps d'aceés moyen est (mm — 1) 5
Considérons maintenant un paquet de n demandes indépendantes, ordon-
nnées en fonction de la politique suivie. Les nouvelles demandes arrivant
pendant le transfert sont ignorées tant que le paquet nest pas épuisé,
Calculons la moyenne du temps total d’accés en fonction de n.
@) Politique FIFO
Le temps css moyen de pene demande et 2, comme nos
‘enon de vires des suinanee gl (m ~ 1) Sear aps exéeuton
d'une demande, les tétes se trouvent sur une limite de secteur. Pour les
demandes le temps d'aceés total est donc, en moyenne
m=
Ar(n) = 5+ (n= 1)
3) Politique SATE
‘Nous commencerons par démontrer un résulat prétiminaire
Soit un cosemble de variables eléatoiresindépendantes 1, ., ty de-méme
distribution p(1). Considérons la variable aléatore x, toujours gale & la plus
Petite des variables 4):
xem min (tystaeo ts)
‘Nous avons, Pr désignant une probabilite
Br (x > u) = Pr ty > tala > leone >)
(Pr (e> w)
= (Gm
256 Systtmerctexploitation des erdinateure
ot
Ge) = Prit>u) = [pin ar
D’ou le résultat : la moyenne du minimum est
Pr (x > u) du -f (G(u))* du
Soit @ le temps d'accés a un secteur donné, en se plagant sur une limite de
secteur. La fonction de répartition Pr (a