Professional Documents
Culture Documents
PRS - Skripta v2.0
PRS - Skripta v2.0
PRS - Skripta v2.0
ELEKTROTEHNIKI FAKULTET
STUDIJSKI PROGRAM RAUNARSTVO I INFORMATIKA
SADRAJ
2
Performanse raunarskih sistema - skripta
3
Performanse raunarskih sistema - skripta
4
Performanse raunarskih sistema - skripta
1
Na primjer, pogledati vjebe iz istoimenog predmeta na ETF-u u Beogradu
5
Performanse raunarskih sistema - skripta
2. MJERENJE PERFORMANSI
1B
6
Performanse raunarskih sistema - skripta
Pri analizi performansi raunarskih sistema treba voditi rauna o posljedici donoenja
pogrene odluke! Rizik donoenja pogrene odluke mora da bude proporcionalan dubini
izvrene analize.
7
Performanse raunarskih sistema - skripta
Tehnika
8
Performanse raunarskih sistema - skripta
I II III IV V
Druga i trea faza ukljuuju paljivu procjenu trokova i doprinos studije. U drugoj
fazi se dodatno definiu metrike (indeksi) performansi.
Trea, etvrta i peta faza se mogu posmatrati kao komponente iterativne procedure
(hipoteza se formulie, testira i ako je test nezadovoljavajui vri se vraanje u neku od
prethodnih faza radi modifikacije).
9
Performanse raunarskih sistema - skripta
10
Performanse raunarskih sistema - skripta
11
Performanse raunarskih sistema - skripta
12
Performanse raunarskih sistema - skripta
Postoji vie razliitih tipova metrika performansi koje su predmet mjerenja. Razliite
strategije za mjerenje vrijednosti tih metrika su tipino bazirane oko ideje dogaaja.
Dogaaj se definie kao predefinisana promjena stanja sistema. Primjeri dogaaja su
referenciranje memorije, pristup disku, mrena komunikacija, promjena u internom
stanju procesora i slino.
Klasifikacija tipa dogaaja:
1. event-count metrike
Metrike koje spadaju u ovu kategoriju jednostavno broje koliko se puta
odreen dogaaj desio.
2. secondary-event metrike
Ovi tipovi metrika biljee vrijednosti nekih sekundarnih parametara kada se
desi odreen dogaaj.
3. profili
Profil je agregaciona metrika koja se koristi za karakterizaciju sveukupnog
ponaanja progama ili itavog sistema. Tipino se koristi za identifikovanje gdje
program ili sistem provodi svoje vrijeme izvravanja.
13
Performanse raunarskih sistema - skripta
Zavisi od broja
Uznemiravanje Visoko Fiksno
dogaaja
14
Performanse raunarskih sistema - skripta
2.7. Workload
18B
Workload Performanse
Korisnici Raunarski
sistem
Workload se definie kao set ulaza (programi, podaci, komande) koje sistem prima iz
okruenja. Mjerenje performansi ima znaaj samo ako je workload pravilno specifikovan.
U glavne karakteristike workload-a spadaju: reprezentativnost, fleksibilnost,
jednostavnost konstrukcije, kompaktnost, trokovi upotrebe, sistemska nezavisnost,
mogunost reprodukcije i kompatibilnost sa sistemom ili modelom.
Workload se dijeli na pravi i sintetiki. Pravi workload je onaj koji se posmatra na
sistemu koji se koristi za normalne operacije. Nije ponovljiv i samim tim nije pogodan da
se koristi kao testni workload. Za razliku od njega, sintetiki workload ima sline
karakteristike kao pravi, ali se dodatno moe ponavljati na kontrolisan nain. On se
veinom koristi za testiranja.
Glavni razlog za koritenje sintetikog workload-a je injenica da on predstavlja
reprezentaciju modela pravog workload-a. Dodatni razlozi za njegovu upotrebu su:
nisu potrebni podaci iz realnih sistema, koji mogu biti ogromnih koliina i
sadravati osjetljive podatke,
moe lako da se modifikuje bez uticaja na operisanje sistema koji se testira,
portabilan je, tj. lako se prenosi na druge sisteme poto je male veliine,
ima ugraene mogunosti za mjerenja.
15
Performanse raunarskih sistema - skripta
16
Performanse raunarskih sistema - skripta
3. kerneli
Sa pojavom pipeline-a, keiranja instrukcija i raznih mehanizama za prevoenje
adresa, vremena izvravanja instrukcija su postala krajnje varijabilna. Jedna
instrukcija vie nije mogla da se posmatra u izolaciji. Umjesto toga, postalo je
pogodnije da se posmatra skup instrukcija koje predstavljaju neku uslugu koju
nudi procesor. Pokuao se filtrirati skup takvih usluga sa idejom da se najea
uzme kao workload. Najea usluga je dobila naziv kernel. Oigledno je da
kerneli predstavljaju generalizaciju instrukcionog miksa. Neki od najpoznatijih
kernela su traenje inverzne matrice, sortiranje, pretraivanje stabla i sl. Glavni
nedostatak kernela je da, kao i instrukcioni miksevi, ne predstavljaju cijeli
raunarski sistem, ve samo procesor.
4. sintetiki programi
Ulazno/izlazne operacije i usluge operativnih sistema su postali vaan dio
pravih workload-a, a kerneli ih nisu podravali. Poetni pokuaji mjerenja I/O
performansi su doveli do kreiranja jednostavnih testnih petlji koje iniciraju
odreeni broj sistemskih poziva ili I/O usluga. Na ovaj nain se moglo izraunati
prosjeno CPU vrijeme i potrebno vrijeme za svaki od sistemskih poziva. Ovakvi
programi su pisani u jezicima vieg nivoa. Prvu takvu testnu petlju je napravio
Buchholz 1969. godine i nazvao je sintetikim programom. Glavna prednost
ovakvih workload-a je njihova mogunost brzog razvijanja i isporuke razliitim
proizvoaima. Razvijeni programi se mogu lako modifikovati i pokrenuti na
razliitim sistemskim platformama. Takoe, oni imaju ugraene mogunosti
mjerenja. Kada se proces mjerenja jednom razvije, on je automatizovan i moe
se ponavljati vie puta. Glavni nedostatak sintetikih programa je njihova mala
veliina, pa oni ne prave reprezentativna referenciranja memorije i diska.
5. benmark programi
Benmarking predstavlja proces poreenja dva ili vie sistema koritenjem
workload-a. Koritenjem benmark programa mjere se skoro svi resursi u
sistemu ukljuujui procesore, I/O ureaje, mree i baze podataka. Takoe,
termin benmark je skoro postao sinonim sa terminom workload.
17
Performanse raunarskih sistema - skripta
Koncept fiksiranja koliine operacija koje se izvode vodi do gornje granice koja govori
koliko se sveukupne performanse bilo kojeg raunarskog sistema mogu poboljati
promjenama samo jedne komponente sistema. Ideju je izloio Gene Amdahl 1967.
godine. Iako njegov rad nije sadravao formalnu analizu, koncept je postao poznat kao
Amdahl-ov zakon.
Amdahl-ov zakon pokazuje da je poboljanje ukupnih performansi sistema
ogranieno dijelom sistema koji nije zahvaen promjenama. Na slici 2.4 su prikazani
staro vrijeme izvravanja Told i poboljano vrijeme izvravanja Tnew.
Ovaj rezultat pokazuje da, bez obzira koliko performanse neke komponente sistema
budu poboljane, ukupne performanse su ograniene operacijama koje moraju da se
18
Performanse raunarskih sistema - skripta
izvedu a nisu pod uticajem promjena koje su donijele poboljanje. Na primjer, idealno
ubrzanje koje moe da se ostvari u paralelnim raunarskim sistemima sa p procesora je
p. Meutim, ako 10% programa ne moe da se izvri paralelno, maksimalno ukupno
ubrzanje moe da bude 1/0.1 = 10 puta, ak i ako je dostupan beskonaan broj
procesora. Ogranienje u vidu injenice da se 10% programa mora izvriti sekvencijalno
limitira ukupno poboljanje performansi koje moe da se ostvari.
19
Performanse raunarskih sistema - skripta
3. SIMULACIJA
2B
esto postoji elja da se predvide performanse nekog raunarskog sistema prije nego
to se on zapravo izgradi. Poto prava maina jo uvijek ne postoji, performanse takvog
sistema se oigledno ne mogu mjeriti direktno. Najbolje to se u tom trenutku moe
uraditi je simuliranje nekih vanih aspekata sistema. Zatim se moe probati izvesti
zakljuak o tome kako e se sistem ponaati kada se zapravo i izgradi. Simulacija takoe
moe biti pogodna za ispitivanje performansi postojeeg sistema koje ne mogu da se
izmjere ni direktno, ali ni indirektno.
Kada sistem jo ne postoji, neophodno je napraviti mnoge pretpostavke o sistemu
prije nego to se on moe simulirati. Pojednostavljujue pretpostavke je takoe
neophodno utvrditi i kada se simulira postojei sistem poto je nemogue modelovati
svaki postojei detalj sistema.
Prednost simulacije je to je mnogo manje kota nego da se izgradi prava maina.
Simulacija je takoe mnogo fleksibilnija poto se lako mogu mijenjati razni parametri
sistema tokom izvoenja simulacije, to je nemogue u realnom sistemu.
Nedostatak simulacije je naravno injenica da se ne mjeri realan sistem. Uvijek
postoji trade-off izmeu tanosti simulacije i vremena potrebnog da se napravi simulator
i izvre eljene simulacije. Utvrivanje nivoa detalja sistema koji se simulira predstavlja
veoma izazovan zadatak.
20
Performanse raunarskih sistema - skripta
21
Performanse raunarskih sistema - skripta
22
Performanse raunarskih sistema - skripta
23
Performanse raunarskih sistema - skripta
Modeliranje Simulacija
Model
24
Performanse raunarskih sistema - skripta
ciljevi
Eksperimentisanje
25
Performanse raunarskih sistema - skripta
26
Performanse raunarskih sistema - skripta
generlno, simulcioni modeli su modeli sistem koji se ne mogu opisti niti rjevti
mtemtikim sredstvim. Njihove tipine primjene su u oblstim ininjerstv,
mendment i ekonomije, li sve vie i u medicini, biologiji i drugim prirodnim
nukm.
Izgrdnj i koritenje simulcionih model je proces koji zhtijev zntnu vjetinu i
dobro poznvnje brojnih nunih disciplin. Po svojoj prirodi on je blisko vezn z lte
i tehnike runrskih nuk i sistemske nlize. Tkoe, proces simulcije se oslnj i n
metode opercionih istrivnj i numerike nlize. Zbog postojnj slujnih
promjenljivih u simulcionim modelim, esto se koriste i pristupi teorije vjerovtnoe i
sttistike. Eksperimentln prirod metod rjevnj problem u simulcionom
modelirnju im nlogije i s empirijskom prirodom istrivnj u prirodnim nukm,
budui d se u ob podruj koristi plnirnje, izvoenje i nliz eksperiment rdi
rzumijevnj rd sistem koji se ispituje, odnosno provjere postvljenih hipotez. No,
bez obzir n svoj multidisciplinrni pristup, simulcij dns predstvlj koherentnu i
dobro rzvijenu oblst i s prvom nosi nziv zsebne nune discipline.
27
Performanse raunarskih sistema - skripta
28
Performanse raunarskih sistema - skripta
29
Performanse raunarskih sistema - skripta
30
Performanse raunarskih sistema - skripta
Identifikacija sistema
NE
Zadovoljava
?
DA
NE
Zadovoljava
?
DA
NE
Zadovoljava
?
DA
Zakljuci i preporuke
31
Performanse raunarskih sistema - skripta
32
Performanse raunarskih sistema - skripta
33
Performanse raunarskih sistema - skripta
Osim emulacije i Monte Krlo simulcije, koje su sttike, sve ostle nbrojne vrste
su dinmike. U statikim simulacijama ne postoji vremenski parametar. Simulacija se
vri dok sistem ne doe u neko stanje ekvilibrijuma, tj. dok dalje izvoenje simulacije nije
korisno ili nije mogue. Monte Krlo simulcij spomenut je ovdje iz rzlog to su u
njoj tretmn slujnih dogj i generisnje slujnih vrijednosti bliski onom iz
simulcije diskretnih dogj.
U nstvku su ukrtko opisne sve nbrojne vrste simulcionih model, dok su
modeli kontinulne simulcije i modeli s diskretnim dogjim, detljnije rzmtrni u
posebnim poglvljim.
3.8.1. Emulacija
49B
34
Performanse raunarskih sistema - skripta
koristi stvrnje uzork iz rspodjel slujnih promjenljivih. Pri tome, problemi mogu
biti bilo deterministikog, bilo stohstikog krkter.
Rzlikuju se sljedei tipovi primjene Monte Krlo simulcije:
1. Deterministiki problemi koje je teko ili skupo rjevti
Tipin primjer ovog tip je runnje vrijednosti odreenih integrl koji se
ne mogu rijeiti nlitiki, tj. ij je podintegrln funkcij tkv d se ne moe
ni rjeenje u obliku nlitikog izrz. Monte Krlo simulcij pristup
prorunu integrl tko to se generie niz slujnih tk (xj, yj) , s
jednkim vjerovtnom unutr odreenog prvougonik i potom ispituje
koliko je generisnih tk unutr povrine koj odgovr integrlu. Ovkv
pristup, koji se zsniv n generisnju slujnih brojev, nlogn je onom koji
se koristi kod simulcije sistem s diskretnim dogjim.
2. Sloeni fenomeni koji nisu dovoljno poznti
Ovo je drug kls problem koji se rjevju Monte Krlo simulcijom. Z njih
je krkteristino d nije poznt nin uzjmnog djelovnj izmeu element
ve su poznte smo vjerovtnoe njegovog ishod, koje se koriste z
izvoenje niz eksperiment koji dju uzorke moguih stnj zvisnih
promjenljivih. Sttistikom nlizom tkvih uzork dobij se rspodjel
vjerovtno zvisnih promjenljivih koje su od interes. Ovkv pristup se
njee primjenjuje kod nlizirnj drutvenih ili ekonomskih fenomen.
3. Sttistiki problemi koji nemju nlitik rjeenj
Sttistiki problemi bez nlitikog rjeenj (npr. procjene kritinih vrijednosti
ili testirnje novih hipotez) su jedn specifin kls problem koji se rjevju
Monte Krlo simulcijom. Prilikom rjevnj tkvih problem tkoe se koristi
generisnje slujnih brojev i promjenljivih.
Kao primjer koji e pokazati kako radi Monte Karlo simulacija, moe posluiti
numeriko izraunavanje vrijednosti broja . Izraunavanje se vri na osnovu slike 3.6.
Ako se pretpostavi da je poluprenik kruga sa slike 1, slijedi da je povrina cijelog kruga
(1)2 = . Samim tim, povrina oznaene etvrtine kruga je /4. Poto je poluprenik 1,
povrina oznaenog kvadrata na slici (unutar kojeg je i etvrtina kruga) je 1. Samim tim,
odnos povrina kruga i kvadrata, oznaena sa R, je /4. Na osnovu toga, slijedi da je
numerika vrijednost broja jednaka 4R.
Gornjim razmatranjem je problem izraunavanja numerike vrijednosti broja
transformisan u izraunavanje odnosa povrina etvrtine kruga i kvadrata. Tu se moe
iskoristiti Monte Karlo simulacija. Ako se sluajno pogaaju take unutar kvadrata, moe
se brojati broj taaka koje dodatno padnu i unutar kruga, n circ i ukupan broj taaka, ntotal.
Kada ukupan broj taaka postane dovoljno velik, eljeni odnos povrina postaje R = n circ /
ntotal.
35
Performanse raunarskih sistema - skripta
Slika 3.6 Izraunavanje numerike vrijednosti broja pomou Monte Karlo simulacije
taka pala i unutar posmatrane etvrtine kruga. to se vie taaka izgenerie, preciznost
dobijene vrijednosti postaje sve vea.
36
Performanse raunarskih sistema - skripta
relne promjenljive (t) i njenih izvod (y') i tkve se jednine nzivju obine
diferencijlne jednine. Modeli koji se opisuju obinim diferencijlnim
jedninm ili njihovim sistemim mogu se u odreenim slujevim rijeiti
nlitiki, li je to dost rijetko kod stvrnih problem (uobijeno je d ove
jednine uzimju oblik sloenih nelinernih diferencijlnih jednin koje se
po prvilu ne mogu rijeiti nlitiki). Zbog tog se z tkve jednine morju
koristiti numerike metode. Numerike metode mogu se primijeniti i n
nlitiki rjeive jednine, li se to u prksi izbjegv, jer je u veini slujev
z tkve jednine jednostvnije nlitiko reenje. Numerike metode koje
slue z rjevnje diferencijlnih jednin kod kojih se ko nezvisn
promjenljiv jvlj vrijeme, uobijeno se nzivju metode kontinulne
simulcije.
2. Modeli koji se opisuju sistemim prcijlnih diferencijlnih jednin
Prcijlne diferencijlne jednine sdre vie od jedne nezvisne promjenljive
(xj) po kojim se tre izvodi zvisne promjenljive. Tipini primjeri problem koji
se mogu opisti prcijlnim diferencijlnim jedninm su problemi
erodinmike, hidrodinmike i meteorologije.
3. Modeli dinmike sistem (eng. System Dynamics)
Dinmik sistem je metodologij istrivnj, modelirnj i simulcije sloenih
dinmikih sistem. Sistemi s povratnom vezom su osnovni tip sistem koji se
modelirju dinmikom sistem. Povrtn vez moe biti pozitivn ili negtivn.
Modeli s povrtnom vezom koriste se njee z modelirnje inenjerskih,
biolokih, drutvenih i ekonomskih sistem. Dinmik sistem prikzuje sisteme
ko povezne uprvljke petlje. Pri tome su pojedinni dogji jko
gregirni, posledic tog je d se mogu opisivti ko kontinulni tokovi
opisni diferencnim jedninm (tj. konnim rzlikm, ne beskonno
mlim veliinm). Novo stnje sistem u nrednom trenutku vremen run
se n osnovu stnj u prethodnom trenutku vremen i rzlike ulznih i izlznih
tokov z to stnje u prethodnom intervlu vremen. D bi prorun mogo
poeti, neophodno je d budu zdte poetne vrijednosti veliin ko i
vrijednosti svih konstnti i prmetr koje model sdri.
37
Performanse raunarskih sistema - skripta
38
Performanse raunarskih sistema - skripta
Proces
Aktivnost 2
Aktivnost 1
39
Performanse raunarskih sistema - skripta
40
Performanse raunarskih sistema - skripta
41
Performanse raunarskih sistema - skripta
oni dogji koje ktivir mehnizm pomk vremen s konstntnim prirstom, iji je
vremenski intervl mli, koji je krkteristin z kontinulnu simulciju. Ovi dogji
mogu d ktivirju dogje diskretnog dijel model. Pozntiji simulcioni jezici z
mjeovitu simulciju su GASP i SLAM.
Tip simulcionog model njee se bir tko d bude jednk tipu originlnog
sistem. To ipk ne zni d se uvijek diskretni sistem mor prikzti diskretnim
modelom, odnosno kontinulni sistem kontinulnim modelom. Izbor tip simulcionog
model zvisi njvie od cilj simulcione studije. Pored tog, vnu ulogu im i
sposobnost modelr d prone dekvtnu pstrkciju sistem z rjevnje
odreenog problem.
Njvnije pri izboru simulcionog model je d model bude to jednostvniji i
rzumljiviji, kko zbog njegovog lkeg rzvoj i modifikcije, tko i zbog potrebe d g
korisnik to lke rzumije. Osim tog, znjn fktor pri izboru model uvijek mor d
bude i njegov cijen, ko i efiksnost u pogledu utrok resurs runr, kko bi se
mogo efiksno koristiti z rjevnje problem.
42
Performanse raunarskih sistema - skripta
Realni sistem
Kontinualna validacija
KONCEPTUALNI MODEL
1. Pretpostavke za komponente sistema
2. Strukturalne pretpostavke koje
definiu interakcije izmeu
komponenti sistema
3. Pretpostavke za ulazne parametre i
podatke
Verifikacija modela
Operacioni model
43
Performanse raunarskih sistema - skripta
Specifin znnj o pojedinim spektim sistem, koj ovi strunjci rzliitih profil
posjeduju, od velikog su znj z modelr i budui tok izgrdnje model.
Drugi kork u izgrdnji model je formirnje konceptulnog model, skup
pretpostvki z komponente model i strukturu sistem, ko i hipotez z vrijednosti
prmetr model. Ko to se moe vidjeti s slike 3.8, konceptuln vlidcij je
poreenje relnog sistem i konceptulnog model.
Trei kork u izgrdnji model je pisnje runrskih progrm z simulcione
modele.
Treb npomenuti d se ove tri fze izgrdnje model viestruko prepliu i d to nije
jednostvn linerni proces koji se sstoji iz tri kork; nime, modelr se vr n svku
od ove tri fze vie put u toku izgrdnje, verifikcije i vlidcije model.
Problem vlidcije model nstje poto se u fzi izgrdnje model unose mnoge
proksimcije relnog sistem. N tj nin se ogrniv model (uspostvljju se
grnice u odnosu n okruenje), ignoriui sve ono izvn njeg to nije eksplicitni ulz i
odbcivajui fktore z koje se smtr d su nevni. Aproksimcije koje se njee
primjenjuju su:
1. Funkcionln proksimcij
Izrzito nelinerne funkcije esto se proksimirju nekim jednostvnijim
funkcijm, n primjer linernim. Vn pretpostvk je d jednostvnij
funkcij treb d bude priblin "originlnoj" funkciji u oblsti gde e sistem
vjerovtno funkcionisti. Ako progrm mor d funkcionie i u oblsti gdje je
poklpnje funkcij slbo, potrebno je obezbijediti d on tmp poruku
upozorenj.
2. Aproksimcij rspodjele
Relne vjerovtnoe rspodjel koje su i sme poznte jedino proksimtivno,
esto se proksimirju jednostvnijim rspodjelm, ko to su normln ili
eksponencijln. Njekstremniji primjer proksimcije je onj kd se slujn
promjenljiv zmijeni konstntom.
3. Aproksimcij nezvisnosti
Model se esto pojednostvljuje tko to se pretpostvlj d su rzliite
komponente (opisne slujnim promjenljivima) sttistiki nezvisne.
4. Aproksimcij gregcije
Veom est tip proksimcije je gregcij. Pod gregcijom se podrzumijev
situcija kd se vie element posmtrju ko jedna cjelina. Neki tipini
primjeri gregcij su:
44
Performanse raunarskih sistema - skripta
a. Vremensk gregcij
Svi diskretno-vremenski modeli vre vremensku gregciju. Intervl
vremen ko to je dn, tretir se ko jedn pojedinni period. Z sve
dogje koji se dese tokom dn, pretpostvlj se d su se desili
istovremeno.
b. Meu-sektorsk gregcij
Vie odjeljenj, firmi, proizvodnih linij, itd. posmtr se ko jedn cjelin.
c. Agregcij pomonih sredstv
Ovdje se vie pomonih sredstv posmtr ko jedno. N primjer, ko se
posjeduje runrski sistem s dv centrln procesor u prlelnoj vezi,
nkon gregcije e se smtrti d se posjeduje jedn, dv put bri
centrlni procesor.
5. Aproksimcij stcionrnosti
Stvr pojednostvljuje injenic d se prmetri i druge krkteristike sistem
ne mijenjju u vremenu. Z izvjesne fizike procese, ko to su neke
stronomske pojve, ovo moe biti prihvtljiv poetn proksimcij.
Meutim, u politikim, ekonomskim, orgnizcionim i socijlnim sistemim,
svkodnevno iskustvo ukzuje d je vein pojv nestcionrne prirode i d je
ko posljedic tog pretpostvk postojne strukture neodriv.
45
Performanse raunarskih sistema - skripta
Poreenje modela i
realnog sistema
Inicijalni model
revizija
46
Performanse raunarskih sistema - skripta
Prvi cilj modelr je d izgrdi model koji e izgledti rzumno korisnicim ili drugim
koji posjeduju znnj o relnom sistemu koji se simulir. Potrebno je d potencijlni
korisnici model budu ukljueni u proces izgrdnje model od poetk, dkle od
konceptulizcije, p sve do implementcije model, kko bi se osigurlo d se u model
"ugrdi" visok stepen relizm kroz rzumne pretpostvke koje se odnose n strukturu
sistem i pouzdne podtke. Tkoe je posebno vno d potencijlni korisnici, li i
drugi "ljudi od znnj", budu ukljueni u proces itertivnog poboljvnj model, koji se
sprovodi n osnovu uoenih neslgnj i odstupnj u postupku poreenj model i
relnog sistem. Posebn prednost ukljuivnj korisnik ogled se u tome to se n tj
nin povev povjerenje u model, bez kog menderi i drugi donosioci odluk sigurno
ne bi bili voljni d vjeruju rezulttim simulcije, u procesu donoenj odluk.
Z provjeru vlidnosti model, moe se koristiti i nliz osjetljivosti. To je postupk
testirnj osjetljivosti model n rzliite pretpostvke i promjene ulznih veliin.
Promjene izlznog ponnj model, ko posljedic promen ulznih veliin, mogu
pruiti korisne informcije o modelu i korisniku i modelru. Kod veine simulcionih
model, postoji veliki broj ulznih veliin, p smim tim i veliki broj moguih testov
osjetljivosti. Zto je potrebno d modelr odbere one ulzne veliine z koje smtr d
su "njkritinije" i njih testir, poto je vrlo vjerovtno d vrijeme i finnsijsk sredstv
nee dozvoliti d se ispit osetljivost model n sve ulzne promjenljive. Ukoliko podci
o relnom sistemu omoguvju br dvije izmjene ulznih prmetr, testovi
osjetljivosti se mogu dopuniti koritenjem odgovrjuih sttistikih tehnik.
47
Performanse raunarskih sistema - skripta
48
Performanse raunarskih sistema - skripta
49
Performanse raunarskih sistema - skripta
Ako su zdovoljeni svi prethodno definisni uslovi, ond je uproteni model vlidn u
odnosu n osnovni model, z dte eksperimentlne uslove. Dlje, ko je rnije ve bilo
tvreno d je osnovni model vlidn u odnosu n relni sistem (simulirni sistem), td
je i uproteni model vlidn u odnosu n relni sistem.
Cjelokupn proces vlidcije zhtijev odreeno vreme, trud i novn sredstv. Ovi
se fktori svkko morju uzeti u obzir u postupku vlidcije i donoenju odluke koliko
e se dleko otii u procesu revizije model. Njee, modelr odreuje mksimlni
prihvtljivi nivo odstupnj model od relnog sistem. Ukoliko se ovj nivo odstupnj
ne moe postii uz ulgnje ogrnienih budetskih sredstv, nmijenjenih procesu
vlidcije, modelr ili smnjuje oekivnu preciznost model ili odbcuje dti model.
50
Performanse raunarskih sistema - skripta
Osim nvedenog, mogu se primjeniti i neki drugi poznti postupci koji se koriste pri
otklnjnju grek u runrskim progrmim.
51
Performanse raunarskih sistema - skripta
Tbele slujnih brojev su serije slujnih brojev (SB) koji se proizvode n pogodn
nin, pomou nekog fizikog izvor ili nekom od metod izvlenj brojev.
Njve do sd publikovn tbel slujnih brojev, sdri 1.000.000 cifr (eng. a
million random digitis, Rand Corporation, The Free Press, 1955). Brojevi su dobijeni n
sljedei nin. Bio je konstruisn specijln rulet koji se pokreto i zustvljo uz pomo
elektronike. Pokretni disk se nglo zustvljo i birl se cifr koju je pokzivl strelic.
Ovko dobijene cifre se skupljju u etvorocifrene ili petocifrene brojeve i unose u
tbelu slujnih brojev. Iko ovkv postupk posjeduje sv svojstv slujnosti, ipk su
se poslije dueg vremen poele d dobijju cifre koje, prem provjeri sttistikim
testom, nisu imle rvnomjernu rspodjelu.
Koritenje fizikih izvor (bijeli um, rdioktivni rspd) i konverzij fizikih veliin u
digitlne je skup i nepristupn proces z svkodnevnu primjenu.
52
Performanse raunarskih sistema - skripta
53
Performanse raunarskih sistema - skripta
z i = (a z i-1 + c) mod m
Biranje konstanti
54
Performanse raunarskih sistema - skripta
Kod nekih LCG-ova je vrijednost c jednaka nuli. Ovakav izbor vrijednosti za konstantu
c eliminie potrebu za operacijom sabiranja, ime se poboljava efektivnost procesa
generisanja. Meutim, u tom sluaju se period ovakvog multiplikativnog generatora
smanjuje sa 2j na 2j-2. Ako se u tom sluaju j izabere tako da bude prost broj, onda se
period generatora poveava na 2j 1. Period kod multiplikativnog generatora nikada ne
moe da bude 2j poto ovaj generator nikada ne moe da produkuje vrijednost 0. Primjer
dobrog multiplikativnog generatora je:
Upozorenja i preporuke
55
Performanse raunarskih sistema - skripta
Glavna ideja koja stoji iza analize redova ekanja je da se razmisli o svim poslovima
koji moraju da se izvre u raunarskom sistemu. Oni se posmatraju kao muterije koje
zahtijevaju uslugu od strane individualnih podsistema, kao to su memorija, procesor,
I/O ureaji... Svaki od ovih resursa, popularno nazvan centar za usluivanje ili server,
moe procesirati samo jedan posao u jednom trenutku. Drugi poslovi koji ele da koriste
zauzeti resurs moraju da ekaju u redu ekanja dok usluivanje trenutnog posla ne
zavri. Razni serveri i redovi ekanja se na dijagramima povezuju nizom strelica koje
pokazuju kako poslovi mogu da putuju izmeu servera u sistemu.
Postoje dva tipa modela mrea redova ekanja. U otvorenom mrenom modelu, kao
to je prikazano na slici 4.1, poslovi pristiu u sistem iz nekog vanjskog izvora. Konkretno,
na slici poslovi pristiu sa lijeve strane i prvo se procesiraju od strane CPU-a. Ovo
procesiranje moe da rezultuje pristupom jednom ili vie diskova. Nakon procesiranja
zahtjeva, disk podsistemi e vratiti posao CPU-u. Nakon toga, CPU moe da generie
nove zahtjeve za diskove bazirane na dobijenom odgovoru ili moe da zavri procesiranje
slanjem posla na izlaznu liniju.
Slika 4.1 Model otvorene mree reda ekanja jednostavnog web servera
56
Performanse raunarskih sistema - skripta
Iako e svi poslovi koji uu u sistem na kraju i da izau iz njega, neogranien broj
poslova moe da bude u sistemu u bilo kom trenutku. Za razliku od ove karakteristike
otvorenih mrenih modela, zatvoreni mreni modeli imaju fiksan broj poslova koji
cirkuliu izmeu razliitih redova ekanja i servera u sistemu. Poto su zatvoreni mreni
sistemi po svojoj logici blii ogranienoj prirodi realnih sistema, smatraju se tanijim
modelima od otvorenih mrea. Na nesreu, ostvarivanje matematikih rjeenja u
zatvorenim mreama je tipino mnogo tee nego u otvorenim. Primjer jedne zatvorene
mree je dat na slici 4.2.
Prije prelaska na analizu modela otvorenih mrea sa jednim redom ekanja bitno je
naglasiti da ovi modeli samo aproksimiraju karakteristike realnih sistema. Samim tim,
dobijeni rezultati su samo aproksimacije ponaanja realnih sistema. Ova analiza prua
prosjeno ponaanje sistema i ne moe se iskoristiti za analiziranje ponaanja
individualnog posla.
57
Performanse raunarskih sistema - skripta
One-step ponaanje
U bilo kojoj instanci vremena samo jedan posao moe da ue ili da napusti
server, to znai da se stanje sistema mijenja samo inkrementalno. Ova
pretpostavka striktno ne dozvoljava poslovima da istovremeno vre prelaze
izmeu razliitih servera u sistemu.
Homogenost
Homogenost oznaava da su prosjeno pristizanje i usluivanje poslova
nezavisni od stanja sistema. Dalje, vjerovatnoa prelaza poslova izmeu dva
servera ne zavisi od broja poslova na serverima izmeu kojih se vri prelaz.
Ekskluzivnost
Posao moe biti prisutan samo na jednom serveru, bez obzira da li je u redu
ekanja ili se trenutno usluuje. Na osnovu ove pretpostavke jedan posao ne
moe da istovremeno trai usluge od vie servera. Slino tome, kada se posao
usluuje na serveru, ima ekskluzivno pravo na njega tako da svi drugi poslovi
koji ele uslugu od tog servera moraju da ekaju u redu.
Nepostojanje blokiranja
Uslugom koju prua server ne moe da upravlja nijedan drugi ureaj u sistemu.
Kada se posao pojavi na vrhu reda ekanja, server mora momentalno poeti da
ga usluuje.
Nezavisnost
Poslovi ne smiju da utiu jedan na drugi ni na koji nain. Jedini vid interakcije
smije da bude injenica da dijele isti red ekanja. Dalje, ne smije da postoji
nikakva sinhronizacija izmeu poslova.
Notacija:
s prosjeno vrijeme potrebno da bi se usluio posao (eng. service),
= 1/s prosjeno usluivanje, definie se kao broj poslova usluen u jedinici
vremena,
prosjeno pristizanje, definie se kao ukupan broj poslova koji je pristigao u
intervalu T kroz taj interval,
= / intenzitet saobraaja,
r prosjeno vrijeme odziva, definie se kao prosjeno vrijeme koje posao
provede u sistemu, ukljuujui vrijeme koje provede u redu ekanja plus
vrijeme za koje se usluuje (eng. response),
w prosjeno vrijeme koje posao provede u redu ekanja (eng. wait),
q prosjean broj poslova u redu ekanja (eng. queue),
58
Performanse raunarskih sistema - skripta
U operacionalnoj analizi sistem se posmatra kao black box u kojem poslovi dolaze na
jednom kraju sistema, procesiraju se odreeno vrijeme, i onda izlaze na drugom kraju.
Ovakav pristup dozvoljava analizu redova ekanja bez pretpostavki o statistikoj
raspodjeli vremena izmeu pristizanja dva posla u sistem i o raspodjeli vremena izmeu
dva usluivanja. Umjesto toga, vri se direktno mjerenje operacionalnih karakteristika
sistema koji se prouava. Na osnovu toga mogu se izvesti zakoni o sistemskom
prosjenom ponaanju.
Prosjeno Prosjeno
pristizanje, usluivanje,
Raunarski sistem ili
podsistem koji se testira
59
Performanse raunarskih sistema - skripta
Prosjena utilizacija sistema (U) je procenat ukupnog vremena u kojem je sistem bio
zauzet usluivanjem poslova. Ako se sistem posmatra u intervalu T i otkrije da je bio
zauzet b vremenskih jedinica, onda slijedi da je prosjena utilizacija:
U = b / T.
Ako se uzme da je d broj usluenih poslova u vremenskom intervalu T, gornja
formula moe da se napie na sljedei nain:
U = b / T = (b / d) * (d / T).
Kolinik b/d oigledno predstavlja prosjenu koliinu vremena u kojem je ureaj
zauzet usluivajui svaki od d poslova. Ovo i predstavlja definiciju prosjenog vremena
usluivanja po poslu (s = b/d). Dalje, d/T predstavlja prosjeno usluivanje (broj odlazaka
u jedinici vremena). Poto vrijedi pretpostavka o balansu poslova, slijedi i da broj
odlazaka mora biti jednak broju dolazaka u istom intervalu. Stoga, prosjeno usluivanje
mora biti jednako prosjenom pristizanju (). Ako se ove vrijednosti uvrste u gornju
jednainu, dobija se sljedea jednakost:
U = s.
Prosjena utilizacija ureaja (procenat ukupnog vremena u kojem je sistem zauzet)
jednaka je proizvodu prosjenog pristizanja i prosjenog vremena usluivanja jednog
posla. Ova jednakost se naziva utilizacioni zakon.
Primjer. Posmatra se I/O sistem koji se sastoji od jednog diska. Ako prosjeno
vrijeme potrebno za servisiranje svakog zahtjeva iznosi 600 s, koji je maksimalan broj
zahtjeva u vremenu koje sistem moe da tolerie?
Maksimalan kapacitet sistema je kada je utilizacija 100% ili U = 1. Poto je U = s,
nalazi se da je maksimalan broj zahtjeva u vremenu:
max = U / s = 1 / (600 x 10-6) = 1,667 zahtjeva / s.
60
Performanse raunarskih sistema - skripta
Ako se black box sistem sa slike 4.3 posmatra dovoljno velik interval vremena T,
vidjee se da u sistem ulazi a poslova. Ako je ukupno kanjenje (ekanje) svih poslova u
redu ekanja D, onda je prosjeno vrijeme ekanja jednog posla (w) jednako:
w = D / a.
Poto je = a / T, gornja jednaina se moe napisati kao:
D = w T.
Sa druge strane, uzimajui u obzir injenicu da poslovi ekaju samo kada su u redu
ekanja, formula za ukupno kanjenje se moe dobiti i kao proizvod prosjenog broja
poslova u redu ekanja i vremenskog intervala T u kojem se vri posmatranje. Znai:
D = qT.
Izjednaavanjem prethodne dvije jednakosti dobija se:
qT = w T.
Skraivanjem sa T, dobija se konana jednakost:
q = w .
Zadnji izraz, poznat kao Little-ov zakon, govori da se prosjean broj poslova u redu
ekanja moe dobiti kao proizvod prosjenog vremena jednog posla provedenog u redu
ekanja i prosjenog pristizanja.
Little-ov zakon je generalan i moe se primjeniti na bilo koji dio sistema, kao i na
cjelokupan sistem. Jedini preduslov je da se potuje pretpostavka o balansu poslova u
sistemu. Pojedine primjene se mogu uoiti na osnovu slike 4.4.
61
Performanse raunarskih sistema - skripta
q = w.
2. Ako se posmatra cijeli sistem, koji ukljuuje i server i red ekanja, dobija se
black box pogled na sistem sa slike 4.3. Prosjean broj poslova u sistemu jednak
je proizvodu prosjenog pristizanja i prosjenog odzivnog vremena sistema:
n = r.
3. Ako se posmatra samo server, iskljuujui red ekanja, dobija se da je prosjean
broj poslova koji se usluuju jednak proizvodu prosjenog pristizanja i
prosjenog vremena usluivanja jednog posla. Na osnovu pretpostavke o
ekskluzivnosti, slijedi da je prosjean broj poslova koji se usluuju jednak
utilizaciji servera. Znai:
U = s.
Primjer. Prosjeno vrijeme odziva web servera je 11 ms kada prima 450 zahtjeva u
sekundi. Koliki je prosjean broj zahtjeva koji se baferuju u sistemu?
Na osnovu formulacije Little-ovog zakona na sistemskom nivou, n = r, i vrijednosti
= 450 zahtjeva/s i r = 11 x 10-3 s slijedi da je n = 450 x (11 x 10-3) = 4.95 zahtjeva koji su
baferovani u sistemu.
Utilizacioni i Little-ov zakon pruaju high-level pogled na tok poslova kroz sistem ne
uzimajui u obzir low-level detalje o tome ta se dogaa unutar sistema. Meutim, ako
se izvre pretpostavke da vrijeme koje proe izmeu dolaska dva posla i vrijeme
potrebno za usluivanje tih poslova prate odreene stohastike raspodjele, mogu se
dobiti mnogo detaljniji odgovori nego to je mogla da ih prui operacionalna analiza.
Fundamentalni model stohastikog reda ekanja sastoji se od jednog ili vie servera
koji procesiraju poslove iz jednog reda, kao to je prikazano na slici 4.5. Po ovom modelu
vrijeme izmeu dolazaka dva posla u red ekanja je stohastiki proces koji se opisuje
nekom funkcijom raspodjele. Slino tome, i vrijeme potrebno za usluivanje poslova na
serveru se modeluje kao stohastiki proces. Ovakav model omoguava da se odrede neki
bitni parametri performansi kao to su prosjeno vrijeme koje posao provede u redu
62
Performanse raunarskih sistema - skripta
2
U matematikom smislu svojstvo memorylessness-a oznaava sljedee. U sluaju da eksponencijalna
raspodjela ima srednju vrijednost vremena koje se eka na pojavu sljedeeg dogaaja x i da je prolo x
vremenskih jedinica od pojave zadnjeg dogaaja, intuitivno bi se oekivalo da se sljedei dogaaj treba
pojaviti uskoro (poto je x srednja vrijednost). Meutim, i poslije x vremenskih jedinica vrijeme oekivanja
sljedeeg dogaaja ostaje x! U svakom trenutku, bez obzira koliko je proteklo od pojave zadnjeg dogaaja,
ova vrijednost se ne mijenja. Dokaz za ovo svojstvo eksponencijalne raspodjele moe da se nae u bilo
kom udbeniku iz vjerovatnoe i statistike. Na osnovu toga, lako je zakljuiti da je vrijeme pojavljivanja
sljedeeg oekivanog dogaaja u potpunosti nepredvidivo.
63
Performanse raunarskih sistema - skripta
64
Performanse raunarskih sistema - skripta
Pristizanje novog posla u sistem se naziva roenje (eng. birth). Ovaj dogaaj
prouzrokuje tranziciju sistema iz stanja n u stanje n + 1. Slino tome, kada server zavri
sa usluivanjem posla sistem prelazi iz stanja n u stanje n 1. Ovaj dogaaj se popularno
naziva smrt (eng. death). itav proces se naziva proces roenja i smrti i moe se
predstaviti dijagramom sa slike 4.6.
65
Performanse raunarskih sistema - skripta
Ako je < 1 (to mora da vai u ovim sistemima), moe se pokazati da dobijena suma
konvergira ka vrijednosti 1 . Ako ovu vrijednost vratimo u uoptenu jednainu za
vjerovatnou da se u sistemu nalazi n poslova, dobija se:
66
Performanse raunarskih sistema - skripta
Poto se najvie jedan posao moe usluivati u bilo kom trenutku, prosjean broj
poslova koji ekaju u redu moe se izraunati na sljedei nain:
67
Performanse raunarskih sistema - skripta
sistemu nalazi jedan ili vie poslova. Na osnovu toga, problem izraunavanja utilizacije
servera se svodi na problem raunanja vjerovatnoe da se u sistemu nalazi minimalno
jedan posao. Jedan od naina na koji se moe izraunati utilizacija servera je:
Slika 4.8 Rast broja poslova u redu ekanja kao funkcija od utilizacije servera
68
Performanse raunarskih sistema - skripta
69
Performanse raunarskih sistema - skripta
70
Performanse raunarskih sistema - skripta
2. median
Jedna od karakteristika aritmetike sredine je davanje jednake vanosti svakom
od mjerenja. Kao posljedica te osobine, jedna izmjerena vrijednost koja
znaajno odstupa od ostalih, popularno nazvana outlier, moe znaajno da
utie na izraunatu vrijednost. Koritenje median vrijednosti sprijeava ovu
neeljenu pojavu. Naime, pri raunanju ove vrijednosti se sve izmjerene
vrijednosti prvo sortiraju i onda se uzima vrijednost u sredini. U sluaju da je
izmjeren paran broj vrijednosti, uzima se srednja vrijednost centralne dvije.
3. mode
Ovaj indeks predstavlja vrijednost koja se najee pojavljuje. Zanimljivo je
primjetiti da ova vrijednost ne mora uvijek da postoji, i to u sluajevima kada
nijedna vrijednost nije izmjerena vie puta od drugih. Mode vrijednost je
pogodna kada se sumiraju kategorini podaci. U tom sluaju nema smisla traiti
neku kvantitativnu srednju vrijednost.
Opisani indeksi predstavljaju samo oblike aritmetike sredine. Osim nje, postoje jo i
harmonijska i geometrijska sredina. Na odreeni skup mjerenja se moe primjeniti bilo
koja od navedene tri sredine. Meutim, bitno je odabrati pravu sredinu u odgovarajuoj
situaciji. Na primjer, ako se mjere vremena izvravanja, onda rezultujua srednja
vrijednost treba da bude direktno proporcionalna ukupnom izmjerenom vremenu. To
znai da poveavanje vremena izvravanja n puta treba da prouzrokuje i da se srednja
vrijednost povea n puta. Suprotno tome, srednja vrijednost dobijena sumiranjem
odnosa (broj operacija u jedinici vremena) treba da bude inverzno proporcionalna
ukupnom izmjerenom vremenu. To znai da poveavanje vremena izvravanja n puta
treba da prouzrokuje da se srednja vrijednost smanji n puta.
Kroz narednu diskusiju koristie se sljedee pretpostavke. Mjeri se vrijeme
izvravanja n benmark programa na istom sistemu. Dobijena vremena se oznaavaju sa
Ti, gdje je 1 i n. Dalje, pretpostavlja se da je ukupan posao koji odradi svaki od
benmark programa konstantan. Specificira se da svaki od benmark programa izvrava
F floating-point operacija. Na osnovu toga prosjena brzina benmark programa i iznosi
Mi = F / Ti floating-point operacija u sekundi.
71
Performanse raunarskih sistema - skripta
Vrijednosti xi imaju isto znaenje kao kod aritmetike sredine. Ako se ova vrijednost
koristi za sumiranje vremena izvravanja (xi = Ti), dobija se sljedei izraz:
72
Performanse raunarskih sistema - skripta
73
Performanse raunarskih sistema - skripta
Tabela 5.5 Prikaz aritmetikih sredina u cilju pokazivanja da geometrijska sredina nije
odgovarajua za sumarizaciju ni vremena ni odnosnih veliina
74
Performanse raunarskih sistema - skripta
75
Performanse raunarskih sistema - skripta
76
Performanse raunarskih sistema - skripta
Kao uvid u razliku izmeu tanosti i preciznosti, moe se posmatrati slika 5.2.
Preciznost skupa mjerenja se ogleda u rairenosti mjerenja oko dobijene srednje
vrijednosti. Tanost, sa druge strane, predstavlja razliku izmeu dobijene srednje
vrijednosti i nepoznate prave srednje vrijednosti. Lako je primjetiti da netana
mjerenja mogu biti savreno precizna u sluaju male rairenosti izmjerenih vrijednosti od
dobijene srednje vrijednosti koja je znatno udaljena od prave srednje vrijednosti.
77
Performanse raunarskih sistema - skripta
78
Performanse raunarskih sistema - skripta
79
Performanse raunarskih sistema - skripta
vrijednost koja se eli izmjeriti nalazi izmeu ove dvije vrijednosti. Ova vjerovatnoa
predstavlja povrinu ispod krive izmeu vrijednosti c1 i c2 sa slike 5.4. To se moe iskazati
sljedeom jednainom:
Kada je broj mjerenja vei od 30, varijansa s2 predstavlja dobru procjenu prave
varijanse raspodjele 2. Meutim, ovo ne vai kada je broj mjerenja manji od 30.
Pokazuje se da raspodjela normalizovane vrijednosti t sada prati t distribuciju sa n 1
stepeni slobode. U tom sluaju formule za c1 i c2 su:
80
Performanse raunarskih sistema - skripta
Primjer. Treba odrediti prosjeno vrijeme upisivanja fajla odreene veliine na disk.
Osam mjerenja su produkovala sljedee vrijednosti: 8.0, 7.0, 5.0, 9.0, 9.5, 11.3, 5.2 i 8.5.
Takoe treba odrediti interval povjerenja za dobijenu srednju vrijednost da bi se
kvantifikovala preciznost mjerenja.
Suma svih mjerenja i aritmetika sredina su jednaki:
81
Performanse raunarskih sistema - skripta
82
Performanse raunarskih sistema - skripta
83
Performanse raunarskih sistema - skripta
84
Performanse raunarskih sistema - skripta
Iz istih razloga kao i kod prolog odreivanja broja potrebnih mjerenja, taj broj se
moe odrediti i u ovom sluaju:
Kao i ranije, i ovdje je neophodno izvriti nekoliko mjerenja na poetku radi procjene
vrijednosti p.
Poto se prekid deava svakih 10 ms, za 1,247,102 uzoraka bi bilo potrebno otprilike
vrijeme izvravanj od 3.46 h.
85
Performanse raunarskih sistema - skripta
Before-and-after analiza
86
Performanse raunarskih sistema - skripta
Nekorespondirajua mjerenja
87
Performanse raunarskih sistema - skripta
Ako interval povjerenja ukljuuje nulu, moe se zakljuiti da nema znaajne razlike
izmeu dva skupa mjerenja.
Gornje relacije vae ako je broj mjerenja u oba skupa vei ili jednak od 30. U
suprotnom sluaju z1-/2 vrijednosti treba da se zamijene sa odgovarajuim t
vrijednostima. Meutim, u tom sluaju broj stepena slobode nije jednostavno n1 + n2
2, kao to se moda moglo oekivati. Umjesto toga, broj stepena slobode se u ovom
sluaju dobija po sljedeoj formuli:
Ova vrijednost vjerovatno nee biti cijeli broj pa je treba zaokruiti na najblii takav.
88
Performanse raunarskih sistema - skripta
Poreenje proporcija
89
Performanse raunarskih sistema - skripta
90
Performanse raunarskih sistema - skripta
ANOVA
91
Performanse raunarskih sistema - skripta
Ukupna srednja vrijednost, y.., predstavlja srednju vrijednost svih mjerenja izvrenih
na svim alternativama:
Sada je korisno zapisati svako mjerenje, yij, kao sumu srednje vrijednosti svih
mjerenja izvrenih na alternativi j, y.j, i vrijednosti eij, koja predstavlja razliku tog
mjerenja od srednje vrijednosti kolone:
Intuitivno, ovaj izraz se moe shvatiti kao pokazatelj koliko je svako mjerenje
udaljeno od ukupne srednje vrijednosti svih mjerenja. Ta udaljenost se ogleda u
horizontalnom smislu preko ostalih alternativa koritenjem vrijednosti j, i u vertikalnom
smislu preko mjerenja iste alternative koritenjem vrijednosti eij.
Vrijednosti j se nazivaju efektima odgovarajue alternative. Ove vrijednosti moraju
da ispunjavaju sljedeu osobinu:
92
Performanse raunarskih sistema - skripta
Slino prethodnom, varijacija usljed greaka u mjerenju, oznaena SSE, rauna se kao
suma kvadrata razlika izmeu individualnih mjerenja i njihovih odgovarajuih srednjih
vrijednosti kolona:
Ovaj izraz pokazuje da se ukupna varijacija izmeu svih izmjerenih vrijednosti moe
podijeliti u dvije komponente SSA i SSE. Ako su razlike izmeu alternativa posljedica
pravih razlika, a ne greaka u mjerenjima, realno je oekivati da SSA bude vee u
statistikom smislu od SSE. Da bi se odredio odnos ove dvije veliine, potrebna je neka
vrsta statistikog testa.
Statistiki test koji je pogodan za primjenu u ovom sluaju naziva se F-test. Ovaj test
je baziran na F raspodjeli i bazira se na poreenju varijansi. Poto se F-test zasniva na
odnosu dvije varijanse, izraunate vrijednosti bliske jedinici e pokazivati da vjerovatno
ne postoji znaajna razlika.
Pribline varijanse veliina SSA i SSE se dobija dijeljenjem tih veliina sa brojem
stepena slobode odgovarajue veliine. Poto se poredi k alternativa, broj stepeni
slobode za SSA je k 1. Na osnovu ovoga, estimat varijanse veliine SSA je:
93
Performanse raunarskih sistema - skripta
Slino tome, estimat varijanse veliine SSE se dobija dijeljenjem vrijednosti SSE sa
brojem stepeni slobode ove komponente. Poto se na svakoj alternativi vri po n
mjerenja, svaka alternativa ima n 1 stepeni slobode. Na osnovu toga, ukupan broj
stepeni slobode za SSE je k(n 1), poto postoji k alternativa. Estimat varijanse je na
kraju:
Nije loe napomenuti da je ukupan broj stepeni slobode veliine SST kn 1 poto je
ukupno izvreno kn mjerenja. Dalje, ako se saberu broj stepeni slobode SSA i broj
stepeni slobode SSE, dobije se ba kn 1. Slijedi da je:
U gornjoj relaciji df(.) predstavlja skraenicu za broj stepeni slobodi (eng. degrees of
freedom).
Konano, F-test se rauna kao:
3
Postoji i veliki broj online ANOVA kalkulatora
94
Performanse raunarskih sistema - skripta
95
Performanse raunarskih sistema - skripta
Kontrasti
96
Performanse raunarskih sistema - skripta
Teinski faktori se mogu izabrati na bilo koji nain, sve dok je zadovoljen uslov da
njihov zbir mora biti jednak 0. Meutim, najee se faktori biraju na nain da se na 1 i -1
postave faktori alternativa koje se porede, a ostali faktori se postavljaju na 0.
Formiranje intervala povjerenja se obavlja na identian nain kao kod procedure koja
je ranije pokazana. Potrebna varijansa za raunanje intervala povjerenja dobija se
koritenjem sljedee formule:
97
Performanse raunarskih sistema - skripta
98
Performanse raunarskih sistema - skripta
99
Performanse raunarskih sistema - skripta
5.4.1. Korelacija
72B
Nakon razvijanja linearnog regresionog modela korisno je znati koliko dobro dobijena
jednaina modeluje izmjerene podatke. Drugim rijeima, postoji zainteresovanost za
poznavanje koliko je jaka linearna korelacija izmeu ulaza i izlaza. Koeficijent
determinacije i njegov kvadratni korijen, koeficijent korelacije, predstavljaju
kvantitativne mjere za linearnost.
100
Performanse raunarskih sistema - skripta
101
Performanse raunarskih sistema - skripta
102
Performanse raunarskih sistema - skripta
103
Performanse raunarskih sistema - skripta
godine od danas ako se pretpostavi da e broj rasti istim intenzitetom kao i zadnjih
nekoliko godina. Podaci iz prethodnih est godina su prikazani u tabeli 5.14.
104
Performanse raunarskih sistema - skripta
105
Performanse raunarskih sistema - skripta
106
Performanse raunarskih sistema - skripta
107
Performanse raunarskih sistema - skripta
108
Performanse raunarskih sistema - skripta
6. SAOPTAVANJE REZULTATA
5B
109
Performanse raunarskih sistema - skripta
110
Performanse raunarskih sistema - skripta
U ovoj sekciji su navedene neke greke koje se najee javljaju pri grafikoj
prezentaciji podataka:
1. Predstavljanje previe alternativa na jednom dijagramu.
Bez obzira od tipa grafa koji se koristi, kljuni cilj predstavljanja podataka je da
se njihovo itanje napravi to lakim. Veina posmatraa ne moe da
istovremeno poima vie od 5 do 7 poruka, to je povezano sa limitima ljudske
kratkorone memorije. Na osnovu toga, dijagram treba da bude ogranien na 6
krivih linija, bar i kolonski dijagrami na 10 razliitih vrijednosti, a pie dijagrami
na 8 komponenata. Svaki mogui ishod na histogramu mora da ima najmanje 5
vrijednosti.
2. Predstavljanje previe y-varijabli na jednom dijagramu.
Na slici 6.4 su na istom dijagramu predstavljeni vrijeme odziva, utilizacija i
propusni opseg sistema u funkciji od broja korisnika. Predstavljanje tri y-
varijable istovremeno tedi prostor, ali posmatrau ostavlja problem asociranja
krivih sa odgovarajuom skalom to mu znatno oteava da dobije eljenu
poruku. Samim tim, prezentovanje svake y-varijable na zasebnom dijagramu je
mnogo loginije i bolje rjeenje.
111
Performanse raunarskih sistema - skripta
112
Performanse raunarskih sistema - skripta
Meutim, nijedan od dva grafa nije pravilan. Pravi nain za skaliranje grafa je
da se skala izabere tako da je vertikalna visina najvie take najmanje
horizontalnog odmaka najdesnije take. Takoe, koordinatni poetak treba da
se predstavi takom (0, 0) osim ako ne postoji neki opravdan razlog da se tako
ne uradi. Performanse sistema sa slike 6.7 su na pravilan nain predstavljene na
slici 6.8.
113
Performanse raunarskih sistema - skripta
114
Performanse raunarskih sistema - skripta
115
Performanse raunarskih sistema - skripta
116
Performanse raunarskih sistema - skripta
117
Performanse raunarskih sistema - skripta
118
Performanse raunarskih sistema - skripta
119
Performanse raunarskih sistema - skripta
120
Performanse raunarskih sistema - skripta
LITERATURA
11B
121