Network Calculus

Algorithmique du Network Calculus
Eric Thierry
LIAFA, Univ. Paris 7 & IXXI, LIP, ENS Lyon
9`me Atelier Evaluation de Performances e
Plan
Prsentation du Network Calculus e

Les mod`les tudis. e e e Les techniques danalyse. Comparaisons avec dautres mod`les/analyses. e
Trois exemples de probl`mes algorithmiques. e

Calcul doprations (min, +) lmentaires. e ee Un probl`me de routage optimal. e Questions de stabilit. e
Plan

Les mod`les tudis. e e e Les techniques danalyse. Comparaisons avec dautres mod`les/analyses. e
Trois exemples de probl`mes algorithmiques. e

Calcul doprations (min, +) lmentaires. e ee Un probl`me de routage optimal. e Questions de stabilit. e
Pas de Network Calculus Stochastique aujourdhui.
Objectif gnral : analyse pire cas (dterministe) dans les rseaux e e e e de communication. Mod`les analyss : rseaux avec serveurs & ux de donnes + e e e e jeu de contraintes tr`s spciques. e e Analyse systmatique : calculs ` laide notamment doprations e a e (min, +). Applications projetes : e
Grands rseaux de communication (Internet/IntServ/DiServ). e Rseaux embarqus (AFDX). e e
Les courbes de trac

A(t)

B(t)

Les courbes de trac

A(t)

B(t)

Courbes cumulatives (fonctions croissantes)
Lespace des courbes

data
N ou R
continu ou pas
temps N ou R D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Algorithmique du Network Calculus 9`me Atelier Evaluation de Performances e
Lespace des courbes

data
temps N D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Lespace des courbes

data
temps R D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Lespace des courbes

data
temps R D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Les contraintes : courbes darrive e

Courbe darrive : soit A une courbe de trac dans le rseau, A est e e contrainte par la courbe darrive (ou -rgule) si e e e 0 s t, A(t) A(s) (t s) Exemple : (t) = + t, , 0. .
(t)
A(t)

Courbe darrive : soit A une courbe de trac dans le rseau, A est e e contrainte par la courbe darrive (ou -rgule) si e e e 0 s t, A(t) A(s) (t s) E . xemple : (t) = + t, , 0.
(t)
A(t)

(t)
A(t)

(t)
A(t)
Autre criture : A A , o` (f g )(t) = inf 0st (f (s) + g (t s)). e u

Les contraintes : exemples

Est-ce que toute courbe de trac A(t) admet une courbe darrive ? OUI (t) = sups0 A(t + s) A(s), quantit max de e e donnes pouvant arriver dans un intervalle de dure t. e e Sceau perc (leaky bucket) : e
Seau de taille do` liquide scoule ` un dbit . u e a e Contrleur laisse passer les donnes en remplissant le seau dautant o e de liquide.Sa contrainte : le seau ne doit pas dborder. e Consquence : trac en sortie rgul par (t) = + t. e e e

A(t)

B(t)
Les contraintes : courbes de service

A(t) B(t)
Le syst`me garantit une courbe de service minimum si: e t 0, B(t) (A )(t) = inf (A(s) + (t s)).
0st
Le syst`me garantit une courbe de service strict si, pendant e toute priode [s, t] charge (s < u < t, B(u) A(u) > 0), e e B(t) B(s) (t s). service strict service minimum. Remarque : il existe aussi une dnition de service maximum. e
Les contraintes : exemples de serveurs

A(t)
r B(t)
A(t) B(t)
A(t) B(t)
r T + T +
r T

Mod`les analyss e e
3 2 4
Exemples de questions : Quel est le dlai maximum de bout en bout dun paquet du ux 2 ? e Quel est la taille maximum du buer au niveau du serveur 5 ?
Des bornes ` partir des contraintes a

A(t) (A )(t) v(, ) B(t) (A )(t) h(, )
Charge maximum v (, ) = sup{(t) (t) | t 0} Dlai maximum h(, ) = sup{ 1 (z) 1 (z) | z 0} e
(sous rserve que ux servi en FIFO et f 1 (z) = inf{t 0 | f (t) z}) e
A(t) B(t) def
Propagation des contraintes
Thor`me e e Un ux contraint par qui traverse un syst`me de service minimum e ressort contraint par .

Dnition : (f e
g )(t) = sups0 (f (t + s) g (s)).


Dnition : (f e
g )(t) = sups0 (f (t + s) g (s)).


Dnition : (f e
g )(t) = sups0 (f (t + s) g (s)).
15



Dnition : (f e

g )(t) = sups0 (f (t + s) g (s)).

r=3
r=3
R=7
rT = 15
T =5
Les formules : dautres r`gles de combinaison e

Thor`me (Tandem) e e La concatnation de deux serveurs de services minimum resp. 1 et 2 e ore un service minimum 1 2 au ux.
1 2
Thor`me (Service rsiduel) e e e Si deux ux de courbes darrive 1 , 2 traversent un serveur de service e strict , alors une courbe de service pour le ux 1 est 1 = ( 2 )+ .
2 1
Notation : x+ = max(x, 0).

Les formules : un exemple
2 1 BLIND 2 BLIND
3 BLIND
4 BLIND
Dlai max ux 2 ? e
2 1 BLIND
(1 3 )+ 2 BLIND
(1 2 )+
3 BLIND
4 BLIND
Dlai max ux 2 ? e
2 1 BLIND
(1 3 )+ 2 BLIND
(1 2 )+
3 BLIND
4 BLIND
Dlai max ux 2 ? e
2 1 BLIND (3 3
(1 3 )+ 2
(1 2 )+ )
(4 1
3 ) +
BLIND
(1 2 )+
3 BLIND
4 BLIND
(1
3 )
(4 3
(1 2 )+ )+
Dlai max ux 2 ? e

3
2 1 BLIND (3 3
(1 3 )+ 2
(1 2 )+ )
(4 1
3 ) +
BLIND
(1 2 )+
3 BLIND
4 BLIND
(1
3 )
(4 3
(1 2 )+ )+
Dlai max ux 2 ? e
h(2 , (1 3 )+ (2 (3 3 ) (4 3 (1 2 )+ ))) (1 2 )+ ) (4 1 3 )+ (1
Les formules : seule technique ?
Intrt : ee Formule algorithme. Possibilit de calcul formel. e Informations qualitatives et pas uniquement quantitatives. Limites ? BLIND : scnarios simples dont bornes prcises apparemment pas e e exprimables par formules simples [Schmitt et al, 2008]. FIFO : dicults davoir des bornes prcises autres outils & e e oprateurs [Lenzini et al, 2008] & [Le Boudec, Rizzo, 2008]. e
Comparatif : chelle doptimisme e
Thorie des les dattentes, avec hypoth`ses markoviennes : e e + optimiste que Network Calculus. Thorie On-line, avec un adversaire tout permis : e - optimiste que Network Calculus.
Comparatif : problmatiques proches e
Network Calculus vs. Max PLUS

Proche de la thorie des syst`mes (min, +) linaires (Exemples : e e e certains rseaux de Petri temporiss). e e
Commentaire : Mme oprations lmentaires comme ou e e ee . Des syst`mes avec souvent B = A plutt que B A, et e o parfois (max, +) au lieu de (min, +). Travail plutt directement sur les courbes de trac que sur les o contraintes (courbes darrive et de service). e Moins la problmatique de ux pouvant saggrger ` des nuds. e e a
Network Calculus vs. Adversarial Queuing Theory

Mod`les varis : e e Rseau : e
Topologie (graphe). Serveurs ` dbit constant, dlais sur les liens/aux serveurs. a e e
Trac :
Sessions (ux) sur chemins xes ou pas. Injection des donnes par un adversaire avec contraintes. e
Politiques de service : FIFO/LIFO/NTG/LTG/NTS/LTS/SIS/LIS Question : stabilit ? (quantit de donne dans le rseau est borne ?) e e e e e PSM (Permanent Session Model) : sessions sur chemins xes & nbre de donnes injectes dans ux i pendant [s, s + t[ est i + i t. e e AQM (Adversarial Queuing Model) : sessions sur chemins xes & injection vriant que pour tout arc e et priode [s, s + t[, le nbre de e e donnes devant passer par e est w + rt. e Commentaire : lien clair entre mod`les PSM et Network Calculus. e Rsultats PSM : souvent recherche de contre-exemples. e
Trois probl`mes algorithmiques e
Les oprations lmentaires e ee

Dnition e Soient f , g de X dans R {, +} o` X = N ou R+ , u min(f , g )(t) = min(f (t), g (t)). max(f , g )(t) = max(f (t), g (t)). (f + g )(t) = f (t) + g (t). (f g )(t) = f (t) g (t). (f g )(t) = inf 0st (f (s) + g (t s)) (Convolution). (f g )(t) = sups0 (f (t + s) g (s)) (Dconvolution). e f (t) = inf(f (0) , f (1) , f (2) , f (3) , . . .) (Clture sous-additive) o o` f (0) (t) = 0 si t = 0 and = + si t > 0, u et f (k) = f f pour k 1.
k fois
Clture sous-additive : exemples o

A -rgule -rgule -rgule ( ). e e e e e e Contrle dadmission tel que charge dans rseau toujours W o e une courbe de service minimum de lensemble [contrleur + o rseau] est ( + W ) . e

A(t)

X(t)

B(t)
Quelques classes de fonctions

Soit f une fonction de X dans R {, +} o` X = N ou R+ , alors, u en notant X = X \ {0}: f est ane si , R, t X , f (t) = t + ou t X , f (t) = + (resp. ). f est ultimement ane si T X , , R, t > T , f (t) = t + ou t > T , f (t) = + (resp. ). f est pseudo-periodique si (c, d) R X , t X , f (t + d) = f (t) + c. f est ultimement pseudo-periodique si T X , (c, d) R X , t > T , f (t + d) = f (t) + c. f est ultimement franche if T X , t > T , f (t) R, ou t > T , f (t) = +, ou t > T , f (t) = . f est franche si elle est ultimement franche, et 0 t < T , f (t) R, et f (T ) R ou ventuellement f (T ) = + (resp. ) e si t > T , f (t) = + (resp. ).
Illustrations des classes

c T c T d

+ +
Notation : F[X , Y ] = fonctions de R+ dans R {, +} anes par morceaux avec des sauts ou changements de pentes ` des points a dabscisses dans X et dordonnes dans Y . e
Navigation entre les direntes classes e

F franch. F [R+ , R] sub. clos. +, min, max , franch.ult.ane F [R+ , R] min, max , +, franch.ult.ane F [Q+ , R] +, min, max, sub. clos. +, , min, max sub. clos.
mod`le uide e
franch.ult.ps.-period. F [R+ , R] sub. clos. min, max , sub. clos. +,
franch.ult.ps.-period. F [Q+ , R]
+, min, max , mod`le discret e
franch.ult.ane sub. clos. franch.ult.ps.-period. F [Q+ , Q] F [Q+ , Q]
+, min, max , sub. clos.
+, min, max ,
franch.ult.ane sub. clos. franch.ult.ps.-period. NR NR
+, min, max , sub. clos.
Thor`mes de clture e e o
Deux classes stables pour min, max, +, , , , . et couvrant les exemples rencontrs en Network Calculus : e Dans F, les fonctions anes par morceaux franches et ultimement pseudo-priodiques. e Dans D, les fonctions franches et ultimement pseudo-priodiques. e On peut dicilement faire plus petit pour rester stable : Thor`me e e Dans F, la clotre des fonctions anes pour les oprations u e est la classe des fonctions anes par morceaux min, max, +, , , , . continues (sauf ventuellement en 0) ultimement pseudo-priodiques. e e Question : quels algorithmes pour implmenter les oprations e e lmentaires sur ces classes de fonctions ? ee
Algorithme de convolution : cas particulier
Thor`me (Le Boudec, Thiran, 2001) e e Convolution de f et g convexes et ane par morceaux = concatnation e des dirents morceaux de f et g tris par pentes croissantes. e e Complexity: O(|f | + |g |) o` |f | (resp. |g |) est le nombre de u morceaux de f (resp. g ).
Algorithme de convolution : cas gnral e e

Distributivit : min(f1 , f2 , . . . , fn ) min(g1 , g2 , . . . , gm ) = mini,j (fi gj ). e
f y a b c d g x+y a+c b+c b+d a+d f g
Algorithme de convolution

g3 f3 f1 f2 g1 g2 =
f g
Nbre de morceaux de cette enveloppe : (N)

1
min(N morceaux, M morceaux) 2(N + M) morceaux, donc (N) 2( (N/2) + (N/2)) = 4 (N/2) (N) N 2 . (N) 3 (N) 3N(N), o` 3 (N)= plus grand mot sur N lettres sans sous-squence du u e type abab [Davenport, Schinzel, 1960].
Algorithmes [Herschberger, 1989] & [Nielsen, Yvinec, 1998] complexit O(N log N). e
Algorithme de clture sous-additive o
0 1 2 3 4 5 6 7 8 9 10 11
0 1 2 3 4 5 6 7 8 9 10 11
(f f )(t) = inf 0st f (s) + f (t s) = inf t1 +t2 =t f (t1 ) + f (t2 ).
0 1 2 3 4 5 6 7 8 9 10 11
(f f )(t) = inf 0st f (s) + f (t s) = inf t1 +t2 =t f (t1 ) + f (t2 ). (f f f )(t) = inf t1 +t2 +t3 =t f (t1 ) + f (t2 ) + f (t3 ).
0 1 2 3 4 5 6 7 8 9 10 11
(f f )(t) = inf 0st f (s) + f (t s) = inf t1 +t2 =t f (t1 ) + f (t2 ). (f f f )(t) = inf t1 +t2 +t3 =t f (t1 ) + f (t2 ) + f (t3 ). ... k, f (k) = f .

Entre : f D, t T , f (t + d) = f (t) + c. e Calcul de f : f (t) = inf k0 f (k) (t) = inf t1 +t2 ++tk =t (f (t1 ) + f (t2 ) + + f (tk )).
f (1) 1 0 2 f (2) 0 0 f (T ) T 0 c 0 f (T + d 1) T +d1
t Puissance de matrice : f (t) = M0,0 o` M matrice du graphe valu u e et produit de matrice dans (min, +) ((PQ)i,j = mink (Pi,k + Qk,j )).
Thor`me (Cohen,Dubois,Quadrat,Viot, 1985) e e Pour M irrductible, il existe d , T N et R tels que t T , e t+d = M t + d . M t T , f (t + d ) = f (t) + c avec c = d . Un algorithme : calculer incrmentalement les M t (tr`s coteux). e e u
Un probl`me de routage e
Probl`me : tant donn un rseau (sans trac) et un ux de source et e e e e destination connues, calculer une route qui donne la meilleur garantie sur le dlai maximum (resp. sur la charge maximum). e
Entres: e le rseau sous forme dun graphe G = (V , A), e un service minimum v ` chaque nud v , a source x, destination y et courbe darrive pour le ux ` router. e a courbes anes par morceaux, arrive concave, services v convexe. e
Un probl`me de routage e
Probl`me : tant donn un rseau (sans trac) et un ux de source et e e e e destination connues, calculer une route qui donne la meilleur garantie sur le dlai maximum (resp. sur la charge maximum). e
Entres: e le rseau sous forme dun graphe G = (V , A), e un service minimum v ` chaque nud v , a source x, destination y et courbe darrive pour le ux ` router. e a courbes anes par morceaux, arrive concave, services v convexe. e
Routage : forme de la function ` optimiser a
Optimisation de la borne sur les dlais : e h(, v1 v ) sup{(v1 v )1 (z) 1 (z)}
OPT
= =
inf
chemin (x, v1 , . . . , v , y )
inf
chemin z0 (x, v1 , . . . , v , y )
Routage : cas particuliers
+ v (t) =
min
Tv
Tv 1
Tv
v (t) = Rv min(Rv1 , , Rv )
max min

Optimisation de la borne sur les dlais : e OPT = inf
chemin (x, v1 , . . . , v , y )
h(, v1 v )

Optimisation de la borne sur les dlais : e OPT = = inf
chemin (x, v1 , . . . , v , y )
h(, v1 v ) sup (v1 v )1 (z) 1 (z)
inf
chemin z0 (x, v1 , . . . , v , y )

Optimisation de la borne sur les dlais : e OPT = = = inf
chemin (x, v1 , . . . , v , y )
h(, v1 v ) sup (v1 v )1 (z) 1 (z) sup (v1 v )1 (z) 1 (z)
inf inf
chemin z0 (x, v1 , . . . , v , y )
chemin zC (x, v1 , . . . , v , y )

Optimisation de la borne sur les dlais : e OPT = = = = sup inf
chemin (x, v1 , . . . , v , y )
h(, v1 v ) sup (v1 v )1 (z) 1 (z) sup (v1 v )1 (z) 1 (z) (v1 v )1 (z) 1 (z)
inf inf inf
chemin z0 (x, v1 , . . . , v , y )
chemin zC (x, v1 , . . . , v , y ) chemin zC (x, v1 , . . . , v , y )

Optimisation de la borne sur les dlais : e OPT = = = = sup = sup inf
chemin (x, v1 , . . . , v , y )
h(, v1 v ) sup (v1 v )1 (z) 1 (z) sup (v1 v )1 (z) 1 (z) (v1 v )1 (z) 1 (z) (v1 v )1 (z) 1 (z)
inf inf inf inf
chemin z0 (x, v1 , . . . , v , y )
chemin zC (x, v1 , . . . , v , y ) chemin zC (x, v1 , . . . , v , y ) chemin zC (x, v1 , . . . , v , y )

Optimisation de la borne sur les dlais : e OPT = = = = sup = sup En fait, inf
chemin (x, v1 , . . . , v , y )
h(, v1 v ) sup (v1 v )1 (z) 1 (z) sup (v1 v )1 (z) 1 (z) (v1 v )1 (z) 1 (z) (v1 v )1 (z) 1 (z) (v1 v )1 (z) 1 (z)
inf inf inf inf
chemin z0 (x, v1 , . . . , v , y )
chemin zC (x, v1 , . . . , v , y ) chemin zC (x, v1 , . . . , v , y ) chemin zC (x, v1 , . . . , v , y )
= sup
zC
inf
chemin (x, v1 , . . . , v , y )
Routage : un thor`me min-max e e

S bande de pente vsize(S) v (, ) width(S) h, ) hsize(S) I(, )
Thor`me e e Si concave et convexe, alors sup{ 1 (z)1 (z)} = inf {hsize(S) | I(, ) S bande de pente }.
z0 C
Routage : rsolution e
a2
2 1 1 a1 b2 b1 2
b3
inf{hsize(S) | I (, ) S, S bande de pente } = proj ()+

i=1
(proj (vi ))+
Routage : rsolution e
OPT
= =
inf inf
chemin z0 (x, v1 , . . . , v , y )
sup (v1 v )1 (z) 1 (z) inf {hsize(S) | I (, ) S bande de pente }
C chemin (x, v1 , . . . , v , y )
inf
inf
chemin (x, v1 , . . . , v , y )
proj () +
i=1
(proj (vi ))+
Algorithme :
1
Pour toute pente du mod`le, remplacer v par (proj (v ))+ et e calculer plus court chemin classique dans le graphe. Minimum des valeurs calcules pour ces pentes . e
Le probl`me de stabilit e e
3 2
Mod`le : arrives i (t) = i + i t, services stricts v = Ri (t Ti )+ , e e liens avec dlais exacts et capacits, FIFO. e e Stabilit : quantit de donnes dans rseau = borne ? e e e e e Crit`re important : facteur dutilisation e = max
i passant par v
serveur v
Rv
Stabilit : congurations sans circuit e
Une condition ncessaire de stabilit : 1. e e Thor`me e e Si les ux ne forment pas de circuit, alors le mod`le est stable si < 1. e
Stabilit : lanneau e
Thor`me (Tassiulas,Georgiadis,1996) e e Si le rseau a une structure danneau (dirig dans un sens), alors le e e mod`le est stable si < 1. e

1 2 3 3 7 1 4 5 4 6 8
Stabilit : instabilit de FIFO e e

Thor`me (Andrews,2000) e e Il existe un mod`le (rseau+trac) instable de facteur dutilisation e e = 1 3 109 .
Lgende : Flux Source Noeud FIFO Sortie
Thor`me (Andrews,2007) e e Pour tout r > 0, il existe un mod`le (rseau+trac) instable de facteur e e dutilisation < r .
Stabilit : ` ce jour e a
Rsultat rcent :[Le Boudec,Rizzo,2008] e e Algorithme calculant une borne sur garantissant la stabilit. e Possibilits de calculs de bornes sur les dlais. e e Introduction dun oprateur dcrivant la dynamique du mod`le, e e e born ensuite par un autre oprateur linaire dans (+, ). e e e Question ouverte : pour ce genre de mod`le de rseau & trac, e e stabilit = dcidable ? e e
Logiciels
DISCO Network Calculator (Java) [Schmitt et al, 2006]. RTC - Real Time Calculus Toolbox (Java/Matlab) [Thiele et al, 2006]. CyNC - Cyclic Network Calculus (Matlab/Simulink) [Schioler et al, 2005]. Sries formelles (C++/Scilab) [Gaubert, Hardouin et al, 2007] e COINC - COmputational Issues in Network Calculus (C++/Scilab) [Gaujal et al, 2007].
Conclusion

Automatisation de lanalyse. Prcision des bornes. e Introduction de nouveaux oprateurs/algorithmes, au del` des e a oprations (min, +) lmentaires. e ee
Petite bibliographie
Network Calculus
J.-Y. Le Boudec & P. Thiran, Network Calculus: A Theory of Deterministic Queuing Systems for the Internet, LNCS 2050, Springer (2001). C.-S. Chang, Performance Guarantees in Communication Networks, TNCS, Springer (2000).
Max Plus Theory

MaxPlus Algebra Home Page (www-rocq.inria.fr/MaxplusOrg/).
Adversarial Queuing Theory

Bibliographie de Matthew Andrews, Bell Labs.

Network Calculus

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Network Calculus

Uploaded by

Copyright:

Available Formats

Algorithmique du Network Calculus

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Prsentation du Network Calculus e

Trois exemples de probl`mes algorithmiques. e

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Prsentation du Network Calculus e

Trois exemples de probl`mes algorithmiques. e

Pas de Network Calculus Stochastique aujourdhui.

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Prsentation du Network Calculus e

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Les courbes de trac

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Les courbes de trac

Courbes cumulatives (fonctions croissantes)

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Lespace des courbes

temps N ou R D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Lespace des courbes

temps N D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Lespace des courbes

temps R D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Lespace des courbes

temps R D = fonctions de N dans R {, +}. F = fonctions de R+ dans R {, +}.

Les contraintes : courbes darrive e

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Les contraintes : courbes darrive e

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Les contraintes : courbes darrive e

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Les contraintes : courbes darrive e

Autre criture : A A , o` (f g )(t) = inf 0st (f (s) + g (t s)). e u

Les contraintes : exemples

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Les contraintes : courbes de service

Les contraintes : exemples de serveurs

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Des bornes ` partir des contraintes a

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Propagation des contraintes

g )(t) = sups0 (f (t + s) g (s)).

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Propagation des contraintes

g )(t) = sups0 (f (t + s) g (s)).

Algorithmique du Network Calculus

9`me Atelier Evaluation de Performances e

Propagation des contraintes

g )(t) = sups0 (f (t + s) g (s)).

Algorithmique du Network Calculus