انجام پایان نامه

درخواست همکاری انجام پایان نامه  بانک مقالات رایگان انجام پایان نامه

سفارش پایان نامه

|

انجام پایان نامه ارشد

 پایان نامه 

پایان نامه‏ کامپیوتر

انجام پایان نامه‏ ارشد کامپیوتر

خلاصه : در سالهاي اخير ، يك درخواست براي سيستم‌هاي REAL_TIME  كه مي‌‌تواند حجم گسترده‌‌‌اي از داده‌‌هاي به اشتراك گذاشته شده را دستكاري كند ، به يك امر حتمي و لازم در سيستم‌‌هاي REAL_TIME Data BASE  RTDBS به عنوان يك زمينة تحقيقي تبديل شده است . اين مقاله بر روي مسئلة زمان‌بندي QUERY ها در RTDBS ها متمركز شده است .
ما الگوريتم جديدي به نام Priority Adaptation Query Reource Scheduling PAQRS  براي اداره كردن كارهاي Multi Class Query  و Single Class Query    را  معرفي و ارزيابي مي‌كنيم . هدف عمدة الگوريتم به حداقل رساندن تعداد Deadline  هاي از دست داده شده است و در عين حال اطمينان پيدا كردن از اينكه dead line  هاي از دست داده شده در بين كلاسهاي متفاوت مربوط به يك توزيع اجرايي از دست دادن پخش شده باشد . اين منظور با تعديل پوياي پذيرش ورودي ، تخصيص حافظه و سياست‌هاي اعمال اولويت بر طبق پيكربندي منبع معني آن و خصوصيات كلي كار بدست مي‌آيد . يك سري از آزمايشات نشان داده‌اند كه PAQRS براي زمان‌بندي Query  هاي Real _Time بسيار مؤثر هستند .
معرفي : در تعدادي از Data Base application  هاي پديداري شامل ـ كنترل پرواز ، مديريت شبكه و اتوماسيون كارخانه ـ بايد تعداد زيادي از داده‌هاي به اشتراك گذاشته شده به يك روش به هنگام دستكاري شوند . به صورت مخصوص‌‌ تري ،‌اين application  ها ممكن است كه transaction  ها و Query  هايي توليد كنند كه بايد تا Dead line  هاي مشخصي انجام شوند تا نتايج كاملي ( يا اصلاً نتيجه‌اي ) را در برداشته باشند . نياز به سيستم‌هايي كه مي‌توانند از چنين مديريت‌هاي زماني ميزان اصلي داده‌ها ،‌ پشتيباني كنند ،‌توجه محققين را به سمت زمينة سيستم‌هاي Real _ Time Data buse  RTDBS  در هر دو زمينة اجتماعات محاسبه‌اي Real _ Time و Data base  اي كشانده است . امروزه بيشتر كار در زمينة RTDBS بر روي موارد مديريت Tran ssaction  و زمان‌بندي منابع سطح پايين CPU , I/O متمركز شده است .
بسته به اينكه چگونه application  هاي يك سيستم Real _Time Data base   مي‌توانند فشار زماني اشان را تحمل كنند به عنوان يك سيستم Hard  ، Soft يا Firm  شناخته مي‌شوند . در اين مطالعه ، ما بر روي Firm RTDBS  ها تمركز مي‌كنيم كه در آن Job اي كه از زمان dead line  اش بگذرد به عنوان يك Job  بدون استفاده ( غيرمفيد ) در نظر گرفته مي‌شود . براي رويارويي با فشارهاي زماني Job  هايش ، يك Firm RTDBS  بايد  Mulit Program باشند ، بنابر اين تمامي منابع آن مي‌تواند به صورت پرباري مورد استفاده قرار بگيرد . به علاوه ، بايد زمان تكميل Job  هاي منفرد كه تنظيم كند ؛‌ براي اين كار بايد از زمان‌بندي الويت‌بندي براي رفع هرگونه درگيري منبعي Multi Programming  باعث آن مي‌شود استفاده كند . در Firm RTDBS  هنگامي كه فضاي كاري آن شامل Job هايي است كه از كلاسهاي متفاوتي نشأت گرفته‌اند رسيدن به هدف اصلي آن سخت‌تر مي‌شود . براي چنين فضاهاي كاري ، RTDBS  بايد مواردي مانند چگونگي توزيع از دست دادن Dead line  ها در بين كلاسهاي مختلف را هم اداره كند . چون توزيع مطلوب از دست دادنهاي Dead line  از يك محيط به محيط ديگر ممكن است فرق داشته باشد ، RTDBS  بايد بتواند سياست‌هاي زمان‌بندي منبع‌هايش را بر مبناي توزيع اعمال شده توسط  System Administer  سازگار كند . بنابر اين هدف يك RTDBS  با يك فضاي كاري چند كلاسه multi class بايد به حداقل رساندن كل تعداد موارد از دست رفتن Dead line  ها باشد و هر از دست رفتني بايد با توجه به تنظيمات Administer  بين كلاسها توزيع شود .
  ( A)      Real_Time Query Processing
بازده Query  ها مي‌تواند بسته به ميزان حافظه‌اي كه براي كار به آنها داده شده است بسيار متفاوت باشد . هنگامي كه حافظة كافي در اختيار Query  ها قرار مي‌گيرد ،‌اكثر آنها مي‌توانند به آساني يكباره Operand Relation هايشان را بخوانند و نتايج لازم را به صورت مستقيم توليد كنند . اين مقدار به عنوان حداكثر حافظة مورد نياز Query  در نظر گرفته مي‌شود . اگر حافظة كمتري به آنها اختصاص داده شود ، تا زمانيكه اين مقدار بيشتر از حداقل حافظة مورد نياز Query  باشد ، باز هم اكثر Query ها مي‌توانند با بيرون نوشتن فايلهاي Temporary  و خواندن دوبارة آنها در Process  هاي بعدي اجر شوند . براي مثال ، يك Hash Join  هم مي‌تواند با داشتن حداكثر حافظة مورد نياز براي Query  اش اجرا شود كه يكي بزرگتر از اندازة Inner Relation  اش است و هم مي‌تواند فقط در يك عبور اضافي با تعداد Buffer Page  هايي به كمي ريشة دوم اندازة inner Relation  اش كار كند . براي كمك به اينكه تمامي كلاسهاي Query  بتوانند به سطح بازدهي موردنظرشان برسند ، يك RTDBS  حتماً بايد به تعدادي از Query ها كمتر از حداكثر حافظة موردنيازشان تخصيص دهد به ويژه هنگامي كه مقدار حافظة موردنيازشان بزرگ است . در هر حال ، اگر تعداد زيادي Query  پذيرفته شود ، I/o  اضافي كه در نتيجة آن ايجاد مي‌شود باعث Thrashing  مي‌شود و به جاي كمك بودن براي هم روندي ايجاد اشكال مي‌كند . بنابر اين RTDBS  ها  بايد به دقت پذيرفتن Query  به سيستم را كنترل كنند .
بعد از مشخص شدن اينكه كدام Query  ها بايد پذيرفته شوند مسئلة‌بعدي كه RTDBS  با آن رو برو سست تخصيص حافظه است . هنگاميكه با اولويت‌ترين Query  ايي كه Cpu  يا Disk  را در اختيار دارد ، از آن منبع به صورت كاملاً انحصاري استفاده مي‌كند ،‌ ولي حافظه بايد بين تمام Query  هاي پذيرفته شده به اشتراك گذاشته شود . هنگاميكه حداكثر حافظة موردنياز كل Query  هاي پذيرفته شده از حافظة قابل دسترسي بيشتر باشد ، RTDBS  بايد در مورد ميزان حافظه‌اي كه بايد بر هر Query  بدهد تصميم‌گيري كند . در اين تصميم‌گيري هم بازده موردنياز كلاسها و هم فشار محدوديت زماني هر Query  در نظر گرفته شود . به علاوه ، تأثير تخصيص حافظه در كاهش زمان پاسخگويي Query  هاي منفرد هم بايد در نظر گرفته شود اينكه بهترين استفاده از حافظة در دسترس بشود . در آخر ، چون اولويت نسبي تا يك Query  در حال اجرا ممكن است با گذشت زمان به علت آمدن و رفتن Query هاي ديگر به سيستم تغيير كند ، تخصيص حافظه به يك Query احتمالاً نوسان و بالا و پايين خواهد داشت . براي ساده كردن پردازش َquery  مؤثر در رويارويي با چنين نوسان حافظه‌اي ، RTDBS  ها نيازمندquery operator هايي هستند كه بصورت ديناميكدر حال اجرا هم بتوانند حافظه آزاد كنند و هم حافظة بيشتري را بپذيرند . تا اين تاريخ ، كنترل ورودي و تخصيص حافظه مسائلي هستند كه در زمان‌بندي Real _Time Query آدرس دهي نشده‌اند .
Our Foues ( B )
اين مقاله بر روي مشكل Query  هاي زمان‌بندي در سيستم‌هاي Real _ Time Data base  متمركز است . در اينجا الگوريتمي به نام
Priority Adaptation Query Reacurce Sche duling ( PAQRS ) معرفي و ارزيابي مي‌كنيم كه هم براي محيط‌هاي كاري Query  تك كلاسه و هم براي محيط كاري Query  هاي چند كلاسه طراحي شده است . اين الگوريتم مكانيزمي براي پذيرفتن ديناميك كنترل ورودي و تصميمات تخصيص حافظة يك RTDBS  با توجه به خصوصيات محيط كاري و پيكربندي منبع سيستم ارائه مي‌كند . به علاوه PAQRS  يك مكانيزم كنترل اريب ( bias )  حساس به كلاس مجهز است . هنگاميكه يك فضاي كاري چند كلاسة سنگين وجود دارد ، اين مكانيزم كنترل صريحي كه بر روي اولويت نسبي كلاسهاي منفرد اعمال مي‌كند .
Related Work         (2)   
بدنة اصلي كار در فضاي سيستم Real _ Time Data base  وجود دارد ولي كل اين كار بر روي مسائل و الگوريتم‌هايي در رابطه با زمان‌بندي Real _ Time Tran saction  يا زمان‌بندي Real _ Time Disk متمركز شده است . با توجه به حداكثر دانش ما ، مشكل Query  هاي زمان‌بندي در يك RTDBS  تا اين تاريخ بر طرف نشده است . در نتيجه ، تنها مطالعاتي كه به اين كار نزديك هستند دو مطالعه‌ايست كه زمان‌بندي منبع براي محيط‌هاي كاري Query  هاي چند كلاسه را در متن سيستم‌هاي Data base  قديمي غير real - time بررسي كرده ‌اند .
مفاهيم مصرف حافظه و بازگشت به مصرف roc به عنوان مبنايي براي مديريت حافظه در يك محيط Multi Query  معرفي شده‌اند با استفاده از اين مفاهيم براي مشخص كردن اثر تخصيص حافظه در زمان پاسخگويي Query ، يك الگوريتم Hearistrc  براي تخصيص حافظه بين Query  هايي كه به صورت هم روند در حال اجرا هستند پيشنهاد شد به روشي كه يك سطح خارجي از Roc  را تضمين كند . نتيجة مهم اين تحقيق اين است كه دادن حداكثر حافظة موردنياز به بعضي از Query   ها در حاليكه به بقية Query  ها حداقل حافظة موردنياز شان داده شده است ، استفاده از حافظه كه تقريباً بهينه مي‌كند . اين نتيجه به صورت مستقيم با استراتژي‌هاي تخصيص حافظه در PAQRS  در ارتباط است .
در يك مطالعه‌اي ، Brown et al  مشكل تنظيم اتومكانيك سطح‌هاي Multi Proyramming  mpl و تخصيص حافظه‌هاي يك سيستم مديريت Data base  براي دستيابي به اهداف پاسخ زماني هر كلاس در محيط‌هاي چند كلاسه بررسي كرد . الگوريتمي به نام M & M  براي پيدا كردن MPL  و تنظيمات حافظة هر كلاس معرفي شد ؛ كه اين تنظيمات به صورت ديناميك توسط يك مكانيزم Fead back  كه از يكسري تكنيك‌هاي Heu Ristic  و تخميني نشأت گرفته مشخص شده‌اند . نتايج شبيه‌سازي نشان داد كه M & M  مي‌تواند به صورت موفقي به زمانهاي پاسخي كه در درصد كمي از اهداف وجود دارند برسد . بجز تعهد آن ، M & M  نمي‌تواند به صورت مستقيم در RTDBS Content  استفاده شود . اين بدان علت است كه M & M  اولويتي در نظر نمي‌گيرد .و ممكن است MPL  و تنظيمات حافظه‌اي vh انتخاب كند كه با اولويت‌هاي Job  ها كه براي كنترل هم روندي و زمان‌بندي Cpu  و Disk  تداخل داشته باشد . بنابر اين يك راه‌حل كامل كه هم نسبت‌دهي اولويت كه هم و هم كنترل Mpl  و تخصيص حافظه را داشته باشد بايد پيدا كرد .
Basic Real time Scheduling      (3)     
در يك سيستم Firm Real _ Time Data base ،‌ Query  كه از زمان Dead line  آن بگذرد بي‌مصرف قلم داد مي‌شود . هدف اصلي اولية يك RTDBS  ،‌ در صورت امكان ،‌ ملاقات با تمامي Query Dead line هاست . اگر اين مسئله امكان نداشته باشد  و اگر تمام Query ها از اهميت يكساني برخوردار باشند ،‌آنگاه RTDBS  سعي خواهد كرد كه تعداد Dead line  هاي از دست داده شده كه به حداقل برساند . در شكل 22 ،‌يك الگوريتم زمان‌بندي Query  بر مبناي هدف بازدهي آن معرفي شده است . اين الگوريتم ( PMM )  مديريت اولويت‌بندي حافظه ناميده مي‌شود كه استفاده از حافظه‌ كه براي محيط‌هاي Firm Real _ Time Query  تنظيم مي‌كند . چون PAQRS  از روي اين الگوريتم ساخته شده است ، PMM  را در اين بخش به صورت كامل معرفي مي‌كنيم .
الگوريتم PMM  از يك جزء كنترل ورودي و يك جزء تخصيص حافظه تشكيل شده است . هر دوي اين اجزاء از روش زمان‌بندي ED  Earliest deadline استفاده مي‌كنند ،‌بنابر اين به Query  هايي كه عجله‌اي‌تر باشند در ورود به سيستم و تصميمات تخصيص حافظه اولويت بيشتري نسبت به Query  هايي كه Dead line  دورتري دارند خواهند داشت . جزء كنترل ورودي PMM هدف سطح Multi Proyramming  mpl  كه با استفاده از انعكاس آماريي از نسبت‌هاي از دست‌دهي قبلي و مقادير MPL  هاي در رابطه با آنها تنظيم مي‌كند . در شرايطي كه اين روش ناموفق باشد ، PMM  به روش Heuristic اي برمي‌گردد كه MPL  كه بر مبناي سطح‌هاي مصرف منابع مطلوبشان انتخاب مي‌كند .
جزء تخصيص حافظه از يكي از دو استراتژي زير استفاده كند :
1 ـ استراتژي Max  كه به هر Query  حداكثر حافظة موردنيازش را مي‌دهد و يا اصلاً حافظه‌اي به آن نمي‌دهد .
2 ـ استراتژي Min Max  كه به بعضي از Query  هايي كه اولويت پاييني دارند اجازه مي‌دهد تا با حداقل ميزان حافظة موردنيازشان اجرا شوند در حاليكه Query هايي كه اولويت بالاي دارند حداكثر حافظه‌اي كه نياز دارند كه در اختيار مي‌گيرند .
انتخاب فعلي استراتژي تخصيص حافظه به آماري دربارة خصوصيات فضاي كاري كه PMM   جمع‌آوري مي‌كند بستگي دارد . به علت اينكه هم تنظيمات MPL  و هم انتخاب استراتژي تخصيص حافظه بايد با خصوصيات فضاي كاري سازگاري داشته باشند ، PMM  پيوسته تغييرات فضاي كاري را كه ممكن است مستلزم تعديل تصميمات آن باشد را كنترل مي‌كند . جزئيات الگوريتم در زير ارائه شده است .
پارامترهاي كليدي PMM  كه در جدول I  به اختصار آمده‌اند .
Admission Control (A)
كار مكانيزم كنترل ورودي مشخص كردن MPL  بر مبناي شرايط اجرايي فعلي است . براي به حداقل رساندن Miss ratoi ( نسبت از دست دهي ) كه به عنوان بخشي از Query  هايي كه به خاطر گذشتن از مرز Dead line شان ناموفق بوده‌اند تعريف مي‌شود ، MPL  بايد به اندازة كافي بالا باشد تا منابع Dick  و Cpu  بتوانند به صورت كامل مورد بهره‌برداري قرار بگيرند . در هر صورت ، MPL  نبايد آنقدر هم بالا باشد كه باعث Thrashing  شود . بنابر اين ارتباط بين MPL  و Miss ratio  به شكل يك منحني مقعر خواهد بود . PMM  سعي مي‌كند تا MPL  بهينه را قرار دهد ، يعني MPL  اي كه باعث حداقل Miss ratios  در اين منحني در يك تركيب Miss ratio Projection  و يك Resource Utilization heuristic  بشود كه تنظيمات MPL  اش را بعد از هر Sample Size Query اي كه توسط سيستم سرويس‌دهي مي‌شود ،‌اصلاح مي‌كند. دو جزء روش تعيين MPL  در زير ارائه شده‌اند :
Miss Ratio Projection A –1
 روش    Miss Ratios Projectionارتباط بين MPL  و Miss Ratio را توسط يك معادلة درجه دوم منحني تخمين مي‌زند ، اين معادله براي تنظيم هدف MPL  سيستم استفاده مي‌شود . يك معادلة درجه دوم در اينجا استفاده مي‌شود زيرا نسبت معادلات درجة بالاتر هنگام تسخير شكل كلي منحني معقر سريعتر به حالت تثبيت مي‌رسد . بعد از تكميل هر Sample Size Query  ، PMM
Miss Ratio  miss i  را كه MPL  فعلي MPL iتوليد مي‌كند را اندازه‌گيري مي‌كند. بسته به اين مقادير ، به همراه Miss Ratio هاي قبلي و تنظيمات MPL  مربوط به آنها ، يك معادلة درجة دوم جديد در رابطه با روش حداقل مربعات   محاسبه مي‌شود . قابل توجه است كه احتياجي نيست كه PMM  خواندن Miss Ratio هاي تك را دنبال كند و فقط بايد مقادير                                         را دنبال كند كه  K تعداد دفعاتي است كه PMM  احضار شده است . بنابر اين فضاي سربار ديده شده توسط روش انعكاسي خيلي پايين است سربار محاسبه‌اي هم حداقل است زيرا اين روش فقط نيازمند اين است كه جمع‌هاي بالا بعد از هر تكميل Query  به روز شوند و مشتق‌گيري از معادلة درجة دوم هم فقط مستلزم محاسبات ساده‌اي شامل اين جمع‌ها ـ است .
بعد از تخمين معادله ، يك مقدار MPL  جديد در رابطه با نوع منحني بدست آمده انتخاب مي‌شود .
Type 1  . منحني به شكل يك كاسه است :  در اين وضعيت ، منحني يك مقدار Minimum  دارد . بنابر اين MPL  برابر با حداقل منحني مي‌شود . (‌اين وضعيتي است كه بعد از اجراي الگوريتم براي يك مدت زماني انتظار مي‌رود) .
Type 2 . منحني نزولي يكنواخت است : يعني MPL  هاي بالاتر باعث Miss Ratio هاي پايين‌تر مي‌شوند . اين نشان مي‌دهد كه MPL بهينه بالاتر از بيشترين MPL اي است كه تا به حال در نظر گرفته شده است . چون منحني ممكن است كه در صورت دور بودن تخمين معتبر نباشد ، روش انعكاسي يك MPL  اي را انتخاب مي‌كند كه يكي بالاتر از اين MPL  هاي بكار رفتة وسيع باشد . سپس ،‌Resource Utilizing Heuristic , PMM  را اعمال مي‌‌كند تا ببيند آيا MPL بالاتري ممكن است وجود داشته باشد يا نه ، اگر وجود دارد ، MPL  توسط Heuristic  پيشنهاد مي‌شود ، در غير اين صورت PMM ،MPL  اي كه توسط روش Miss Ratio  انتخاب شده است را حفظ مي‌كند .
Type 3 . منحني صعودي يكنواخت است : پروسة محاسبة‌MPL  براي اين وضعيت درست برخلاف روحية منحني Type 2  است . در اينجا روش انعكاسي به صورت آزمايشي يك MPL  اي انتخاب مي‌كند كه يك واحد در زير كوچكترين MPL  اي است كه تا به حال بكار رفته است . سپس ، MPL  دومي با استفاده از Resource Utilizing Heuridtic  بدست مي‌آيد . دو MPL  با هم مقايسه مي‌شوند و كوچكترين مقدار انتخاب مي‌شود .
Type 4  . منحني به شكل تپه است : گه گاهي منحني ثابت شده در اين شكل در نتيجة Miss Ratios  هاي تصادفي بدست آمده توسط بالا و پايين‌هاي ذاتي فضاي كاري بوجود مي‌آيد . وقتي اين اتفاق مي‌افتد ،‌روش انعكاسي ناموفق است و PMM  به Resource Utilizing Heuristic  متوسل مي‌شود .
يك ويژگي جالب روش انعكاسي Miss Ratio  اين است كه مقادير MPL  اي كه اين روش انتخاب مي‌كند با گذشت زمان بهبود مي‌يابد : در ابتدا ،‌شكل منحني به صورت گسترده‌اي تحت تأثير نوسانات تصادفي فضاي كاري است . با گذشت زمان و بدست آمدن Miss Ratios هاي بيشتر ؛ منحني به تدريج تثبيت مي‌شود و مقدار مطلوب آن به MPL  بهينيه نزديك خواهد شد . در اين نقطه ، مي‌توان از سيستم انتظار داشت كه بازده خوبي را تا زماني كه تغييرات عمده‌اي در خصوصيات فضاي كاري به وجود نيامده ارائه كند .
Resource Utilizing Heuristic A –2
Resource Utilizing ( RU ) Heuristic  تلاش مي‌كند تا به سيستم در رسيدن Miss Ratio ها پايين‌تري كمك كند و اين كار را با بهره‌گيري مدام از بيشترين منبع Load  شده در بين Cpu  ها و Dick  ها در يك دامنة مطلوب                                                      انجام مي‌دهد بنابر اين از موقعيت‌هايي كه منبع گلوگاهي تحت مصرف يا نزديك به اشباع باشد جلوگيري مي‌كند . Heuristic از MPL  جاري و ميزان مصرف براي پيش‌بيني يك MPL جديد استفاده مي‌كند كه احتمالاً با بكار بردن فرمول زير ميزان مصرف را به وسط محدودة                                                         مي‌برد :
فرمول
وابستگي خطي بين MPL  و ميزان مصرف كه اين فرمول فرض كرده است ،‌بر مبناي مشاهده‌اي است كه ميزان مصرف يك منبع تقريباً به صورت خطي تا زمانيكه منبع نزديك به اشباع باشد همراه با MPL  افزايش مي‌يابد كه هنگاميكه منبع نزديك اشباع است نقطه‌اي است كه سطح مصرف به صفر مي‌رسد چون هيچكدام از روشهاي Miss Ratios Projection Ru Heustric  ميزان روش را به سمت بالاي حد                                    كه نقطة اشباع است نمي‌برند ، فرمول بالا بايد تخمين‌هاي MPL  صحيحي را در اكثر مواقع انجام دهد . حتي در جاهايي كه فرض وابستگي خطي در نظر گرفته نمي‌شود ، روش Ru Heustric باز هم در جهت تنظيم MPL  در مسيري به سمت MPL  بهينية مفيد است زيرا ميزان مصرف به صورت يكنواخت همراه با MPL  تغيير مي‌كند .
همانطور كه توضيح داده شد ،‌مقداري كه Ru Heustric  براي محاسبة MPL  جديد استفاده مي‌كند ، ميزان مصرف سنگين‌ترين منبع Load  شده در MPL  جاري است . با توجه به نوسانات تصادفي فضاي كار ، ميزان مصرف بعد از مدت دستة Sample Size Query  هاي فعلي نشان‌دهندة ميانگين ميزان مصرف سراسري در آن MPL  نيست . به اين علت ،‌در واقع Heustric  مقادير ميزان مصرفي كه تا به حال بدست آمده‌اند را ميانگين‌گيري مي‌كند . به جاي اينكه تنها به خواندن آخرين مقدار ميزان مصرف بسنده كند . PMM  ميـانگين ميزان مصرف در MPL  جـــــــــــــــــــاري كه بر                                       در فرمول بالا دلالت مي‌كند ، را توسط اولين خط راست بدست آمده از هر جفت                                از مقادير ميزان مصرف بررسي شده و MPL  هاي مربوط به آن را با استفاده از روش حداقل مربعات محاسبه مي‌كند كه در اينجا هم باز از فرض خطي بودن استفاده مي‌شود . ميــــــــــــانگين ميـــــــــــزان مصرف سپس از خط منــــاسب به عنوان پايه‌اي كه مطابق با MPL  جاري است گرفته مي‌شود . بــــــــــــه منظور محــــــــــــاسبة خط راست ، PMM  مقادير                                                                                را كه K  تعداد دفعاتي كه PMM  صدا زده شده است را نشان مي‌دهد ،‌ثبت مي‌كند . همانطور كه قبلاً بحث شد ، Overheadهاي محاسبه‌اي و فضايي كه در اين روش وجود دارد حداقل هستند .








انجام پایان نامه

انجام پایان نامه کامپیوتر، انجام پایان نامه ارشد کامپیوتر، انجام پایان نامه، پایان نامه

برای دیدن ادامه مطلب از لینک زیر استفاده نمایید

 

سفارش پایان نامه