“若服务指数分布且均值仍为 $b$,$ES^2=2b^2$,等待翻倍为 $\rho b/(1 \rho)$,与M/M/1吻合。比较并没有改变平均处理能力,差别完全来自服务波动。”
形式陈述
为什么服务者平均忙不到百分之百,顾客仍可能等很久?M/M/1 是回答这个问题的最小随机排队模型。
模型假设:到达为速率
系统人数
稳态指标为
直觉
当系统已有很多人时,下一次变化仍是以速率
逐边平衡给出
由几何级数求导,
例子与边界
设
若将到达率提高到
所以
若服务时长固定而均值仍为
推论与应用
M/M/1 提供稳定性和拥堵的基准,但它的精确公式依赖完整模型。保留 Poisson 到达、改成一般服务时长后,Pollaczek–Khinchine 平均公式会显示服务时间二阶矩的作用。把多个这样的节点按概率路由连接,需另核验Jackson 网络条件。
参考资料
- Karl Sigman, 2009,Gambler’s Ruin Problem, Propositions 1.1–1.2。
- Ward Whitt, Continuous-Time Markov Chains, 2012,§4–5, M/M/1 birth-and-death model。
- Ward Whitt, 2012,The M/G/1 Queue。