Järjestelmätason mallit III
|
|
- Katariina Seppälä
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Järjestelmätason mallit III Luento Ohjelmistojen suorituskyky 1 KEHITYSPROJEKTIN ALKUVAIHEEN MALLIT Ohjelmistojen suorituskyky 2 Helsingin Yliopisto / Tktl 1
2 Alkuvaiheen arviot Järjestelmän kehitysprojektin aikaisissa vaiheissa emme voi tehdä mittauksia ja havaintoja järjestelmän kuormituksesta ja suoritustehosta Joudumme siis arvioimaan työkuorman intensiteettiä ja palveluiden kysyntää Työkuorman intensiteetti: järjestelmässä olevien töiden tekemien palvelupyyntöjen määrä tietyllä ajanjaksolla Palveluiden kysyntä: aika, jonka työt vaativat järjestelmän laitteilta Ohjelmistojen suorituskyky 3 Alkuvaiheen arviot Ensimmäisiä arvioita varten oletetaan, että järjestelmä on riittävän nopea käsittelemään saapuvat työt niiden tulotahdissa (, työtä / aikayksikkö), joten X = Job flow balance ominaisuus; järjestelmä ei ota vastaan enemmän töitä kuin se voi käsitellä Kuten edellisellä luennolla havaittiin, järjestelmän pullonkaulat rajoittavat suoritustehon johonkin maksimitasoon; oletamme siis aluksi, että voimme rakentaa järjestelmän siten, että haluttu tehotaso saavutetaan ja < 1 / D max Ohjelmistojen suorituskyky 4 Helsingin Yliopisto / Tktl 2
3 Esimerkki Oletamme eräälle järjestelmälle Töiden tulotahti = 0,4 työtä / sek. Työn keskimääräinen palveluaika S = 2 sek. Voidaan laskea suorituskykmittareille arviot (kaavojen johdot sivuutetaan 1 ) X = = 0,4 työtä / sek. U = X S = 0,4 2 = 0,8 Oloaika R = S / (1-U) = 2 / (1-0,8) = 10 sek. Keskim. töiden lukumäärä j:ssä N = X R = 0,4 10 = 4 1 Katso esim luvut 3, 5 ja Ohjelmistojen suorituskyky 5 Mistä luvut? Työkuorma-arvio ( ) saadaan Järjestelmän aiottua käyttöä tarkastelemalla; mikä on kunkin työtyypin/käyttötapaukset oletettu frekvenssi (<- järjestelmän vaatimukset) Tarkkailemalla vastaavanlaisia jo käytössä olevia järjestelmiä Palveluiden kysyntä (S) Ohjelmasuoritusmallien avulla voidaan laskea joka resurssille käyntikerrat ja niiden suoritusaikavaatimukset eli kysyntä D i per käyttötapaus/skenaario Ohjelmistojen suorituskyky 6 Helsingin Yliopisto / Tktl 3
4 JONOVERKKOMALLIT, QNM Ohjelmistojen suorituskyky 7 Jonojen ja servereiden verkko Edellinen esimerkki käsitteli järjestelmää mustana laatikkona, jolle oli arvioitu työkuorma ja työn keskimäärin saama palveluaika Tai yhtä hyvin voidaan ajatella, että tarkasteltiin yhtä yksittäistä järjestelmän resurssia Kuten aiemmin todettiin, esimerkiksi Littlen lakia voi soveltaa kaikilla järjestelmän tasolla Ohjelmistojen suorituskyky 8 Helsingin Yliopisto / Tktl 4
5 Jonojen ja servereiden verkko Järjestelmät kuitenkin koostuvat yleensä useista resursseista, joiden välillä työt siirtyvät Järjestelmä kuvataan verkkona, jonka solmuina on resursseja (jono + serveri) ja jonka kaaret vastaavat töiden siirtymiä Tällaista verkkoa sanotaan jonoverkkomalliksi (Queueing Network Model) Ohjelmistojen suorituskyky 9 Avoin jonoverkkomalli Enter Exit CPU Disk 1 Disk Ohjelmistojen suorituskyky 10 Helsingin Yliopisto / Tktl 5
6 Avoin jonoverkko Edellisen dian avoimessa jonoverkossa työt tulevat järjestelmään Enter -solmusta ja siirtyvät CPU:lle Saatuaan palvelua CPU:lta, työ siirtyy jommallekummalle levylaitteelle (Disk n) tai, jos ne eivät tarvitse levyä, poistuvat Exit solmun kautta järjestelmästä Avoimet verkot sopivat mallintamaan transaktiojärjestelmiä, joihin työt tulevat ja sitten poistuvat Pankkiautomaatti, tietokantapalvelin, Google-haku Töiden määrä järjestelmässä vaihtelee ajan kuluessa Ohjelmistojen suorituskyky 11 Avoimen jonoverkkomallin ratkaisu Avoimen jonoverkon ratkaisemiseksi eli suorituskykymittareiden arvojen laskemiseksi tarvitaan lähtötietoina Työkuorman intensiteetti mihin tahtiin työt saapuvat järjestelmään? Palveluiden kysyntä keskimääräinen käyntien määrä per laite ja keskimääräinen palveluaika per käynti tai suoraan laitteen kokonaiskysyntä (D i ) Käytetystä työkalusta riippuen Ohjelmistojen suorituskyky 12 Helsingin Yliopisto / Tktl 6
7 Esimerkkiverkon ratkaisu Huom verkkojen ratkaisemiseen tulisi käyttää työkaluja, joissa tarvittavat laskentaalgoritmit on implementoitu Seuraava esimerkki lähinnä havainnollistaa, mitä työkaluilla saa aikaan Ohjelmistojen suorituskyky 13 Esimerkkiverkon ratkaisu Syöteparametrit Töiden tulotahti (arrival rate), Käyntien määrä jokaisella laitteella i, V i Keskimääräinen palveluaika laitteella i, S i Parametreille ja S i voidaan käyttää mitä tahansa yksiköitä, kunhan ne ovat yhteensopivat keskenään Ohjelmistojen suorituskyky 14 Helsingin Yliopisto / Tktl 7
8 Ratkaisun perusteet Syötearvoja käytetään seuraavissa kaavoissa suorituskykymittareiden arvojen laskemiseen 1. Järjestelmän suoritusteho X 0 = (job flow bal.) 2. Laitteen i suoritusteho X i = X 0 V i (forced flow) 3. Laitteen i käyttöaste U i = X i S i 4. Työn oloaika laitteella i per käyntikerta R i = S i / (1 - U i ) 5. Laitteella i olevien töiden keskim. lukumäärä N i = X i R i 6. Koko järjestelmässä olevien töiden keskim. lukumäärä N = N i 7. Koko järjestelmän vastausaika R = N / X Ohjelmistojen suorituskyky 15 Parametrit Verkon ratkaisu Töiden tulotahti = 5 työtä / sek. V i ja S i laite Käyntien määrä V Keskim. palveluaika S CPU Disk Disk Ohjelmistojen suorituskyky 16 Helsingin Yliopisto / Tktl 8
9 Verkon ratkaisu Mittari CPU Disk 1 Disk 2 1. X S U R N N = = 1.26 R = 1.26 / 5 = sek. Lasketaan ensiksi laitekohtainen suoritusteho ja käyttöaste käyttäen edellä annettuja kaavoja 2 ja 3 Laitekohtaisten vastausaikojen ja työlukumäärien laskeminen on sitten mahdollista kaavoilla 4 ja 5 Viimeiseksi lasketaan järjestelmäkohtaiset metriikan N ja R kaavoilla 6 ja Ohjelmistojen suorituskyky 17 Suljettu jonoverkkomalli User CPU Disk 1 Disk Ohjelmistojen suorituskyky 18 Helsingin Yliopisto / Tktl 9
10 Suljettu jonoverkkomalli Suljettuun järjestelmään ei tule töitä eikä niitä poistu sieltä Vakiomäärä töitä kiertää järjestelmässä Viivesolmu (User) korvaa Enter- ja Exit-solmut Järjestelmä toimii siten, että käyttäjä (User) muodostaa pyynnön viivesolmussa ja syöttää sen järjestelmään Pyyntö (eli työ) siirtyy nyt verkossa solmusta toiseen, kuten avoimessakin verkossa Kun pyyntö on valmis, se palaa takaisin käyttäjälle, joka muodostaa uuden pyynnön ja syöttää sen järjestelmään, ja prosessi toistuu Ohjelmistojen suorituskyky 19 Suljettu jonoverkkomalli Huomaa, että User -solmusta katsoen muu verkko on avoin järjestelmä User solmun suoritusaika mallintaa aikaa, joka kuluu siihen, kun käyttäjä muodostaa pyynnön (esim. täyttää syötekentän), lähettää sen järjestelmään, ottaa vastaan pyynnön tuloksen, tarkistaa tuloksen ja muodostaa seuraavan pyynnön (-> think time ) Suljetut jonoverkot sopivat interaktiivisten ja istuntopohjaisten järjestelmien mallintamiseen Ohjelmistojen suorituskyky 20 Helsingin Yliopisto / Tktl 10
11 Suljetun jonoverkkomallin ratkaisu Suljetun mallin työkuorman intensiteetti muodostuu järjestelmässä olevien käyttäjien (tai samanaikaisten töiden) määrästä ja miettimisajan pituudesta Lisäksi tarvitaan tieto pyyntöjen käynneistä laitteilla ja niiden vaatimista palveluajoista Mallin ratkaisu on monimutkaisempi kuin avoimen järjestelmän, koska suoritusteho riippuu nyt vastausajasta, kuten verkon topologiasta voi päätellä Jos tuloksen muodostaminen kestää kauemmin, kuluu vastaavasti pitempi aika siihen, kun seuraava pyyntö tulee Ratkaisualgoritmit eivät kuulu kurssin sisältöön Ohjelmistojen suorituskyky 21 JÄRJESTELMÄMALLIEN PARAMETRIEN JOHTAMINEN Ohjelmistojen suorituskyky 22 Helsingin Yliopisto / Tktl 11
12 Ohjelmasuoritusmalleista järjestelmämalleihin Jotkin työkalut (esim SPE-ED) osaavat automaattisesti johtaa järjestelmätason mallien vaatimat parametrit ohjelmasuoritusmalleista Seuraavassa esitellään yleiskatsaus parametrien johtamiseen Ohjelmistojen suorituskyky 23 Järjestelmämallin rakentaminen Järjestelmämalli laaditaan laitoskohtaisesti Aloita järjestelmämallin rakentaminen käyttämällä jonoja ja servereitä edustamaan tärkeitä laitoksen laskentaresursseja ja laitteita, jotka on tunnistettu ohjelma-suoritusmalleissa Seuraavaksi yhdistä serverit verkoksi määrittelemällä servereiden välisten yhteyksien topologia Tässä tarvitaan tietoa sekä suoritusympäristöstä että ohjelmien suorituksen kulusta (skenaarioista) Järjestelmäasiantuntijat voivat neuvoa tässä Ohjelmistojen suorituskyky 24 Helsingin Yliopisto / Tktl 12
13 Järjestelmämallin rakentaminen Seuraavaksi pitää miettiä sopiiko suljettu vai avoin malli paremmin kuvaamaan järjestelmää Avoimet mallit sopivat paremmin transaktioiden tyyppisiä töitä käsitteleviin järjestelmiin, joissa vastausajat eivät vaikuta töiden saapumistahtiin (arrival rate) Suljetut mallit sopivat interaktiivisiin järjestelmiin, jossa vakiomäärä käyttäjiä/töitä kiertää järjestelmässä välillä miettien (think time) ja jossa työn vastausaika vaikuttaa työn kiertonopeuteen (seuraavan pyynnön saapumisaikaan) Ohjelmistojen suorituskyky 25 Työkuormat Eri työkalut tukevat erilaisia töiden skedulointiperiaatteita, jotka voivat vaikuttaa siihen, millä kaavoilla suorituskykymetriikoita voidaan laskea Seuraavaksi täytyy määritellä laitoksessa suoritettavien skenaarioiden työkuormien intensiteetit Töiden saapumistahti / käyttäjien määrä ja miettimisaika Ohjelmistojen suorituskyky 26 Helsingin Yliopisto / Tktl 13
14 Työkuormat Työkuormien määrittelyssä tarvittavien lukujen hankkiminen voikin olla vaikeaa Käytetään markkinoinnin laatimia ennusteita Tarkkaillaan samantapaisen käytössä olevan järjestelmän suoritusprofiilia Havainnoidaan (manuaalista) järjestelmää, jonka toteutettava uusi järjestelmä korvaa Ohjelmistojen suorituskyky 27 Kysyntä Viimeisessä vaiheessa määritellään palveluaikatarpeet (resurssien kysyntä) Suoritusympäristön spesifikaatioista johdetaan laitteiston tärkeät suoritusparametrit Resurssien käyntikerrat ja palveluajat (kysyntä) saadaan ohjelmasuoritusmalleista Ohjelmistojen suorituskyky 28 Helsingin Yliopisto / Tktl 14
15 Joka skenaariolle omat parametrit Edellä kuvattu prosessi koskee siis yhtä suorituskykyskenaariota Jos skenaarioita on useita, toistetaan laskenta kullekin skenaariolle erikseen niistä johdetuilla parametreilla Työkalut myös ratkaisevat monen skenaarion ns. moniluokkamalleja (multi-class modes) sovittamalla QNM-laskentakaavoja tai simuloimalla useita työkuormia samanaikaisesti Näin voidaan helposti tutkia työkuormien variaatioiden vaikutusta suorituskykyyn Ohjelmistojen suorituskyky 29 JÄRJESTELMÄMALLIEN KÄYTTÖ SPE:SSÄ Ohjelmistojen suorituskyky 30 Helsingin Yliopisto / Tktl 15
16 Järjestelmämallit ja SPE Järjestelmämallit tuovat kvantitatiivista tietoa resurssikilpailun vaikutuksista: Tarkempia metriikoita, jotka ottavat resurssikilpailun vaikutuksen huomioon Vastausaikojen piteminen töiden jonottaessa resursseja; resurssien käyttöasteen laskeminen eri skenaarioissa Suorituskykymetriikoiden sensitiivisyys työkuormien rakenteelle Laitteiston ja ohjelmiston skaalautuvuus Uuden ohjelmiston vaikutus toisten järjestelmien suorituskykyyn (samassa laitoksessa) Ohjelmistojen suorituskyky 31 Järjestelmämallit ja SPE Pullonkaulojen tunnistaminen Korkeimman kysynnän laite saturoituu ensimmäisenä ja rajoittaa siten koko järjestelmän suoritustehoa Vertailudatan hankkiminen suorituskyvyn parantamiseen tähtäävistä vaihtoehdoista Harkitse työkuorman, laitteiston tai ohjelmiston muuttamista ja näiden kombinaatioita; muuntele työkuorman intensiteettiä ja ohjelmisto- / laitteistokonfiguraatioita muutosten vaikutusten kvantifioimiseksi Ohjelmistojen suorituskyky 32 Helsingin Yliopisto / Tktl 16
17 Malleista Tähän mennessä on käytetty melko yksinkertaisia malleja, jotka on ollut helppo ratkaista eksaktisti ja analyyttisesti (laskentakaavoilla), tosin työkaluja käyttäen Monimutkaisempiakin malleja voidaan määritellä, mutta niiden ratkaisuun tarvitaan simulointia tai likimääräisiä analyyttisiä menetelmiä Simulointi voi antaa paljon lisätietoa (minimit, maksimit) yksinkertaisistakin malleista, joiden analyyttinen ratkaisu tuottaa vain keskiarvoja Ohjelmistojen suorituskyky 33 Malleista Monimutkaisempien mallien konstruointi on työlästä ja vie aikaa, joten niistä saatava hyöty kannattaa tarkkaan arvioida Usein yksinkertaisemmat mallit antavat riittävästi tietoa eri arkkitehtuurivaihtoehtojen evaluoimiseksi Syitä laatia yksityiskohtaisempia malleja Mutkikkaat laitteistokonfiguraatiot ja niiden skedulointipolitiikkojen vaikutuksen arviointi Passiivisten resurssien käyttö toiminnan koordinointiin (mutexit, muut säikeiden synkronointimekanismit) Tarve saada lisää metriikoita (minim, maksimi, hajonta, saapuvien töiden jakaumat jne.) Ohjelmistojen suorituskyky 34 Helsingin Yliopisto / Tktl 17
18 MALLINNUSVINKKEJÄ Ohjelmistojen suorituskyky 35 Vinkkejä Monien käyttäjien ja työkuormien mallintaminen Järjestelmämallit ottavat jo huomioon monen yhtäaikaisen käyttäjän/työn vaikutuksen Monia työkuormia mallinnetaan kohdistamalla ne samaan laitokseen (facility); työkuormien parametrit saadaan työkuormiin liittyvistä suorituskykyskenaarioista Ohjelmistojen suorituskyky 36 Helsingin Yliopisto / Tktl 18
19 Vinkkejä Keskimääräinen kuorma vs. huippukuorma Työkalut laskevat yleensä keskimääräiset suorituskykyarvot QNM-malleille Pidä siis huoli, että valitset tarkasteluajanjakson asianmukaisesti huippukuormitustilanne (esim tietty vuorokaudenaika) saattaa poiketa huomattavasti työkuormaltaan ja töiden tulotahdiltaan rauhallisemmasta tilanteesta Ohjelmistojen suorituskyky 37 Vinkkejä Herkkyys Voit tutkia mallien parametrien muutosten suhteellista vaikutusta suorituskykymittareiden arvoihin Jos pieni muutos jonkin syöteparametrin arvossa aiheuttaa suuren muutoksen jonkin mittarin arvossa, mallissa on herkkyyskohta tälle parametrille Herkkyyden paikallistaminen ja analysointi voi antaa vihjeitä siitä, kuinka järjestelmän suorituskykyä voi parantaa Herkkyyskohdan olemassaolo on myös potentiaalinen riskitekijä Ohjelmistojen suorituskyky 38 Helsingin Yliopisto / Tktl 19
20 Skaalautuvuus Vinkkejä Mallien ratkaisu mahdollisilla tulevaisuuden työkuormilla antaa tietoa siitä, minkä järjestelmän laitteiden suorituskyky voi rajoittaa skaalautuvuutta Jos vastausajat eivät ole tyydyttäviä, täytyy miettiä muutoksia ohjelmistoon tai laitteistoon Ohjelmistojen suorituskyky 39 Vinkkejä Pullonkaulojen tunnistaminen Pullonkaulan laki kertoo, että suurimman kysynnän laite/resurssi rajoittaa koko järjestelmän suorituskyvyn tietylle maksimitasolle Mallin avulla voidaan tutkia vaihtoehtoja pullonkaulan poistamiseksi Ohjelmistojen suorituskyky 40 Helsingin Yliopisto / Tktl 20
Ohjelmasuoritusmalli ja sen käyttö
Ohjelmasuoritusmalli ja sen käyttö Luento 3 58153003 Ohjelmistojen suorituskyky 1 Skenaarioiden suorituksen kuvaaminen OHJELMASUORITUSMALLI SOFTWARE EXECUTION MODEL 58153003 Ohjelmistojen suorituskyky
LisätiedotOhjelmistojen suorituskyky, Kurssin tavoitteet
Ohjelmistojen suorituskyky, Kurssin tavoitteet Luento 1 58153003 Ohjelmistojen suorituskyky 1 SUORITUSKYKY 58153003 Ohjelmistojen suorituskyky 2 Helsingin Yliopisto / Tktl 1 Suorituskyky 58153003 Ohjelmistojen
LisätiedotSuorituskykydatan kerääminen
Suorituskykydatan kerääminen Luento 9 58153003 Ohjelmistojen suorituskyky 1 Mistä data suorituskykymalleihin? Tähän asti olemme olettaneet, että suorituskykymallien vaatima lähtödata on jo olemassa ja
LisätiedotEsimerkki ohjemasuoritusmallien käytöstä
Esimerkki ohjemasuoritusmallien käytöstä Luento 4 58153003 Ohjelmistojen suorituskyky 1 SEKVENSSIKAAVIOISTA SUORITUSVERKKOIHIN 58153003 Ohjelmistojen suorituskyky 2 Helsingin Yliopisto / Tktl 1 Sekvenssit
LisätiedotLittlen tulos. Littlen lause sanoo. N = λ T. Lause on hyvin käyttökelpoinen yleisyytensä vuoksi
J. Virtamo 38.3143 Jonoteoria / Littlen tulos 1 Littlen tulos Littlen lause Littlen tuloksena tai Littlen lauseena tunnettu tulos on hyvin yksinkertainen relaatio järjestelmään tulevan asiakasvirran, keskimäärin
LisätiedotVuonohjaus: ikkunamekanismi
J. Virtamo 38.3141 Teleliikenneteoria / Ikkunointiin perustuva vuonohjaus 1 Vuonohjaus: ikkunamekanismi Kuittaamattomina liikkeellä olevien segmenttien (data unit) lkm W (ikkuna) Lähetyslupien kokonaismäärä
LisätiedotOhjelmiston suorituskyvyn mittaaminen
Ohjelmiston suorituskyvyn mittaaminen Luento 10 58153003 Ohjelmistojen suorituskyky 1 Suorituskyvyn mittaaminen Mittaaminen on SPE:n keskeinen osa Mittauksilla Tuotetaan mallien tarvitsemaa lähtödataa
LisätiedotAlgoritmit 1. Luento 1 Ti Timo Männikkö
Algoritmit 1 Luento 1 Ti 10.1.2017 Timo Männikkö Luento 1 Algoritmi Algoritmin toteutus Ongelman ratkaiseminen Algoritmin tehokkuus Algoritmin suoritusaika Algoritmin analysointi Algoritmit 1 Kevät 2017
LisätiedotTietorakenteet ja algoritmit - syksy 2015 1
Tietorakenteet ja algoritmit - syksy 2015 1 Tietorakenteet ja algoritmit - syksy 2015 2 Tietorakenteet ja algoritmit Johdanto Ari Korhonen Tietorakenteet ja algoritmit - syksy 2015 1. JOHDANTO 1.1 Määritelmiä
LisätiedotKiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa
Kiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa Lektio 20.12.2012, Annemari Soranto Tietotekniikan laitos annemari.k.soranto@jyu.fi 1 Agenda Vertaisverkon määritelmä Haku vertaisverkossa
LisätiedotLiikenneteorian tehtävä
J. Virtamo 38.3141Teleliikenneteoria / Johdanto 1 Liikenneteorian tehtävä Määrää kolmen eri tekijän väliset riippuvuudet palvelun laatu järjestelmä liikenne Millainen käyttäjän kokema palvelun laatu on
LisätiedotEsimerkki: Tietoliikennekytkin
Esimerkki: Tietoliikennekytkin Tämä Mathematica - notebook sisältää luennolla 2A (2..26) käsitellyn esimerkin laskut. Esimerkin kuvailu Tarkastellaan yksinkertaista mallia tietoliikennekytkimelle. Kytkimeen
LisätiedotNumeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33
Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden
LisätiedotSuorituskyky ja ohjelmistokehitys Suorituskykymallit
Suorituskyky ja ohjelmistokehitys Suorituskykymallit Luento 2 58153003 Ohjelmistojen suorituskyky 1 SUORITUSKYKYISTEN OHJELMISTOJEN KEHITTÄMINEN 58153003 Ohjelmistojen suorituskyky 2 Helsingin Yliopisto
LisätiedotKorvausvastuun ennustejakauma bootstrap-menetelmän avulla
Korvausvastuun ennustejakauma bootstrap-menetelmän avulla Sari Ropponen 13.5.2009 1 Agenda Korvausvastuu vahinkovakuutuksessa Korvausvastuun arviointi Ennustevirhe Ennustejakauma Bootstrap-/simulointimenetelmä
LisätiedotTietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari Korhonen
Tietorakenteet ja algoritmit Johdanto Lauri Malmi / Ari 1 1. JOHDANTO 1.1 Määritelmiä 1.2 Tietorakenteen ja algoritmin valinta 1.3 Algoritmit ja tiedon määrä 1.4 Tietorakenteet ja toiminnot 1.5 Esimerkki:
LisätiedotJännite, virran voimakkuus ja teho
Jukka Kinkamo, OH2JIN oh2jin@oh3ac.fi +358 44 965 2689 Jännite, virran voimakkuus ja teho Jännite eli potentiaaliero mitataan impedanssin yli esiintyvän jännitehäviön avulla. Koska käytännön radioamatöörin
LisätiedotAbout architecture design process. Suorituskyky: mittasuureet. Vastausaikaperhe. Käyttöastesuureet. Muita suorituskykysuureita
About architecture design process 1. Basic functionality and composition Roles, creators of data, processing needs, data flows, decisionmaking points Modularity and evolvability, understandability 2. Addition
LisätiedotVerkkosovellusten mallintaminen
Verkkosovellusten mallintaminen Luento 5 58153003 Ohjelmistojen suorituskyky 1 VERKKOSOVELLUKSET 58153003 Ohjelmistojen suorituskyky 2 Helsingin Yliopisto / Tktl 1 Taustaa Monet nykyiset kuluttajasovellukset
LisätiedotYleistä. Esimerkki. Yhden palvelimen jono. palvelin. saapuvat asiakkaat. poistuvat asiakkaat. odotushuone, jonotuspaikat
J. Virtamo 38.3143 Jonoteoria / Jonojärjestelmät 1 JONOJÄRJESTELMÄT Yleistä Jonojärjestelmät muodostavat keskeisen mallinnuksen välineen mm. tietoliikenne- ja tietokonejärjestelmien suorituskyvyn analysoinnissa.
LisätiedotJ. Virtamo Jonoteoria / Prioriteettijonot 1
J. Virtamo 38.3143 Jonoteoria / Prioriteettijonot 1 Prioriteettijonot Tarkastellaan M/G/1-jonojärjestelmää, jossa asiakkaat on jaettu K:hon prioriteettiluokkaan, k = 1,..., K: - luokalla 1 on korkein prioriteetti
LisätiedotDemonstraatiot Luento 7 D7/1 D7/2 D7/3
TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 2008 Demonstraatiot Luento 7 7.2.2008 D7/ Tarkastellaan piirikytkentäisen järjestelmän n-kanavaista
LisätiedotELMAS 4 Laitteiden kriittisyysluokittelu 8.2.2012 1/10. Ramentor Oy ELMAS 4. Laitteiden kriittisyysluokittelu. Versio 1.0
1/10 Ramentor Oy ELMAS 4 Laitteiden kriittisyysluokittelu Versio 1.0 2/10 SISÄLTÖ 1 Kuvaus... 3 2 Kriittisyysluokittelu ELMAS-ohjelmistolla... 4 2.1 Kohteen mallinnus... 4 2.2 Kriittisyystekijöiden painoarvojen
LisätiedotDemonstraatiot Luento
TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 8 Demonstraatiot Luento 8..8 D/ Tarkastellaan seuraavaa yksinkertaista piirikytkentäistä (runko)verkkoa.
LisätiedotEnergiatehokkuussopimus - Energiapalvelujen toimenpideohjelman toteuttaminen
Energiatehokkuussopimus - Energiapalvelujen toimenpideohjelman toteuttaminen Kaukolämmön jakelun energiatehokkuuden parantaminen verkkosimuloinnilla 14.12.2011 Jari Väänänen Kaukolämmön jakelun energiatehokkuuden
LisätiedotSkedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi
Skedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi 24.01.2011 Ohjaaja: Tapio Niemi Valvoja: Harri Ehtamo Tausta ja työn tavoite Työ tehtiin Helsinki Institute of Physics:ille,
LisätiedotJ. Virtamo Jonoteoria / Prioriteettijonot 1
J. Virtamo 38.143 Jonoteoria / Prioriteettijonot 1 Prioriteettijonot TarkastellaanM/G/1-jonojärjestelmää, jossaasiakkaaton jaettu K:hon prioriteettiluokkaan, k =1,...,K: - luokalla 1 on korkein prioriteetti
LisätiedotJonojen matematiikkaa
Lectio praecursoria Jonojen matematiikkaa Samuli Aalto luento.ppt 1 Sisältö Johdanto Joukkopalveltu jono (batch service queue) Nestevarastomalli (fluid flow storage model) 2 Reaalimaailman ilmiö... ÿþýüûr.u.p.t.
LisätiedotT Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi
T-79.179 Rinnakkaiset ja hajautetut digitaaliset järjestelmät Stokastinen analyysi 12. maaliskuuta 2002 T-79.179: Stokastinen analyysi 8-1 Stokastinen analyysi, miksi? Tavallinen Petri-verkkojen saavutettavuusanalyysi
LisätiedotSeminaari: Keskusmuistitietokannat. Keskusmuistitietokantojen samanaikaisuuden hallinta Ilkka Pullinen
Seminaari: Keskusmuistitietokannat Keskusmuistitietokantojen samanaikaisuuden hallinta Ilkka Pullinen Sisältö Johdanto Esiteltävien menetelmien taustoja Hajautetun tietokannan spekuloiva samanaikaisuuden
LisätiedotA B C D E F G H I J K L M N O P Q R S T U V W X Y Z Å Ä Ö
-asetuksella voidaan muuttaa tulostimen asetuksia, jotka koskevat rinnakkaisportin (Vakio, rinn.p.- tai Rinn.portti -asetukset) kautta tulostimeen lähetettäviä töitä. Lisätietoja saat valitsemalla
LisätiedotEpädeterministisen Turingin koneen N laskentaa syötteellä x on usein hyödyllistä ajatella laskentapuuna
Epädeterministisen Turingin koneen N laskentaa syötteellä x on usein hyödyllistä ajatella laskentapuuna. q 0 x solmuina laskennan mahdolliset tilanteet juurena alkutilanne lehtinä tilanteet joista ei siirtymää,
LisätiedotLiikenneongelmien aikaskaalahierarkia
J. Virtamo 38.3141 Teleliikenneteoria / HOL-esto 1 Liikenneongelmien aikaskaalahierarkia AIKASKAALAHIERARKIA Kiinnostavat aikaskaalat kattavat laajan alueen, yli 13 dekadia! Eri aikaskaaloissa esiintyvät
LisätiedotSolmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:
Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman
LisätiedotArkkitehtuurikuvaus. Ratkaisu ohjelmistotuotelinjan monikielisyyden hallintaan Innofactor Oy. Ryhmä 14
Arkkitehtuurikuvaus Ratkaisu ohjelmistotuotelinjan monikielisyyden hallintaan Innofactor Oy Ryhmä 14 Muutoshistoria Versio Pvm Päivittäjä Muutos 0.4 1.11.2007 Matti Eerola 0.3 18.10.2007 Matti Eerola 0.2
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotHarjoitus 2 ( )
Harjoitus 2 (27.3.214) Tehtävä 1 7 4 8 1 1 3 1 2 3 3 2 4 1 1 6 9 1 Kuva 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[] = v[p] d[p] l. max i p 1 {v[i] + a i (i, p) E} = v[l] +
LisätiedotEsimerkkejä polynomisista ja ei-polynomisista ongelmista
Esimerkkejä polynomisista ja ei-polynomisista ongelmista Ennen yleisempiä teoriatarkasteluja katsotaan joitain tyypillisiä esimerkkejä ongelmista ja niiden vaativuudesta kaikki nämä ongelmat ratkeavia
LisätiedotKustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)
Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Joonas Lanne 23.2.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotKieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat
Luento 2. Kieli merkitys ja logiikka 2: Helpot ja monimutkaiset Helpot ja monimutkaiset ongelmat Tehtävä: etsi säkillinen rahaa talosta, jossa on monta huonetta. Ratkaisu: täydellinen haku käy huoneet
LisätiedotBM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018
BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 Tehtävä 8 on tällä kertaa pakollinen. Aloittakaapa siitä. 1. Kun tässä tehtävässä sanotaan sopii mahdollisimman hyvin, sillä tarkoitetaan
LisätiedotTietojärjestelmä tuotantoympäristössä. Sovellusohjelmat Helsingin ammattikorkeakoulu Stadia / Tekniikka ja liikenne Vesa Ollikainen
Tietojärjestelmä tuotantoympäristössä Tausta ja tavoitteet Tausta Kurssilla on opiskeltu suunnittelemaan ja toteuttamaan tietokanta, joka on pieni perustuu selkeisiin vaatimuksiin on (yleensä) yhden samanaikaisen
LisätiedotSuomen rautatieverkoston robustisuus
Suomen rautatieverkoston robustisuus Samu Kilpinen 28.09.2016 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Rautatieverkosto Rautatie on erinomainen tapa kuljettaa suuria ihmis- ja hyödykemääriä Käyttöä etenkin
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot.. Tehtävä Edellinen tehtävä voidaan ratkaista mm. Bellman-Fordin, Floyd-Warshallin tai Dikstran algoritmilla. Kyseessä on syklitön suunnattu verkko, oten algoritmi. (lyhimmät tiet
LisätiedotMitä raportit ja tilastot kertovat?
Mitä raportit ja tilastot kertovat? 2 Sisällysluettelo Sisällysluettelo... 1 1 Mitä tietoja raportissa voi kerätä?... 3 2 Raportissa tarkasteltavat käyttäjät... 4 3 Raportissa esillä olevat asiat... 5
LisätiedotDynaaminen analyysi I
Dynaaminen analyysi I Luento 6 Antti-Pekka Tuovinen 4 April 2013 1 Tavoitteet Testitapausten suunnittelun ja suorituksen perusteet Black-Box testitapausten suunnittelu Ekvivalenssiluokat Raja-arvo (reuna-arvo)
Lisätiedot2G-verkoissa verkkosuunnittelu perustuu pääosin kattavuuden määrittelyyn 3G-verkoissa on kattavuuden lisäksi myös kapasiteetin ja häiriöiden
2G-verkoissa verkkosuunnittelu perustuu pääosin kattavuuden määrittelyyn 3G-verkoissa on kattavuuden lisäksi myös kapasiteetin ja häiriöiden tarkemmalla huomioimisella tärkeä osa UMTS:n suunnittelussa
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 1 23.1.2017 1. Päätösmuuttujiksi voidaan valita x 1 : tehtyjen peruspöytin lukumäärä x 2 : tehtyjen luxuspöytien lukumäärä. Optimointitehtäväksi tulee max 200x 1 + 350x 2 s. t. 5x
LisätiedotAlgoritmit 1. Luento 10 Ke Timo Männikkö
Algoritmit 1 Luento 10 Ke 14.2.2018 Timo Männikkö Luento 10 Algoritminen ongelmanratkaisu Suunnittelumenetelmät Raaka voima Järjestäminen eli lajittelu Kuplalajittelu Lisäyslajittelu Valintalajittelu Permutaatiot
Lisätiedotj n j a b a c a d b c c d m j b a c a d a c b d c c j
TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-38.115 Liikenneteorian perusteet, Kevät 2008 Demonstraatiot Luento 12 29.2.2008 D12/1 Tarkastellaan verkkoa, jossa on solmua ja linkkiä.
LisätiedotSimulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen
Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen 16.06.2014 Ohjaaja: Urho Honkanen Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotAlgoritmit 2. Luento 13 Ti Timo Männikkö
Algoritmit 2 Luento 13 Ti 2.5.2017 Timo Männikkö Luento 13 Merkkijonon sovitus Horspoolin algoritmi Laskennallinen vaativuus Päätösongelmat Epädeterministinen algoritmi Vaativuusluokat NP-täydellisyys
LisätiedotOhjelmoinnin perusteet Y Python
Ohjelmoinnin perusteet Y Python T-106.1208 2.3.2009 T-106.1208 Ohjelmoinnin perusteet Y 2.3.2009 1 / 28 Puhelinluettelo, koodi def lue_puhelinnumerot(): print "Anna lisattavat nimet ja numerot." print
LisätiedotKombinatorinen optimointi
Kombinatorinen optimointi Sallittujen pisteiden lukumäärä on äärellinen Periaatteessa ratkaisu löydetään käymällä läpi kaikki pisteet Käytännössä lukumäärä on niin suuri, että tämä on mahdotonta Usein
LisätiedotGraafit ja verkot. Joukko solmuja ja joukko järjestämättömiä solmupareja. eli haaroja. Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria
Graafit ja verkot Suuntamaton graafi: eli haaroja Joukko solmuja ja joukko järjestämättömiä solmupareja Suunnattu graafi: Joukko solmuja ja joukko järjestettyjä solmupareja eli kaaria Haaran päätesolmut:
LisätiedotÖljysäiliö maan alla
Kaigasniemen koulu Öljysäiliö maan alla Yläkoulun ketaava ja syventävä matematiikan tehtävä Vesa Maanselkä 009 Ostat talon jossa on öljylämmitys. Takapihalle on kaivettu maahan sylintein muotoinen öljysäiliö
LisätiedotSuorituskykypatterneja
Suorituskykypatterneja Luento 12 58153003 Ohjelmistojen suorituskyky 1 Patterni Patterni (eli ratkaisumalli, pattern) kuvaa ohjelmistoratkaisun ytimen johonkin toistuvaan ongelmaan, joka esiintyy tietyssä
LisätiedotAlgoritmit 1. Luento 10 Ke 11.2.2015. Timo Männikkö
Algoritmit 1 Luento 10 Ke 11.2.2015 Timo Männikkö Luento 10 Algoritminen ongelman ratkaisu Suunnittelumenetelmät Raaka voima Järjestäminen eli lajittelu Kuplalajittelu Väliinsijoituslajittelu Valintalajittelu
LisätiedotAutomatisoinnilla tehokkuutta mittaamiseen
Automatisoinnilla tehokkuutta mittaamiseen Finesse seminaari 22.3.2000 Päivi Parviainen 1 Miksi automatisoida? Mittaamisen hyödyt ohjelmistokehityksen ajantasainen seuranta ja hallinta tuotteen laadun
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotTyövoiman saatavuus metsätaloudessa. Tiivistelmä Tammikuu-2005
Työvoiman saatavuus metsätaloudessa Tiivistelmä Tammikuu-25 All rights reserved. No part of this report may be reproduced in any form or by any means without permission in writing from Jaakko Pöyry Consulting.
LisätiedotAutomaattinen regressiotestaus ilman testitapauksia. Pekka Aho, VTT Matias Suarez, F-Secure
Automaattinen regressiotestaus ilman testitapauksia Pekka Aho, VTT Matias Suarez, F-Secure 2 Mitä on regressiotestaus ja miksi sitä tehdään? Kun ohjelmistoon tehdään muutoksia kehityksen tai ylläpidon
LisätiedotKun tulostuksessa ilmenee muotoiluvirheitä
Kun työ lähetetään tulostimeen, tulostinajurilla voidaan määrittää, että työ säilytetään muistissa. Kun pidätetty työ halutaan tulostaa, se valitaan tulostettavaksi tulostimen käyttöpaneelista. Lisätietoja
LisätiedotTietotekniikan valintakoe
Jyväskylän yliopisto Tietotekniikan laitos Tietotekniikan valintakoe 2..22 Vastaa kahteen seuraavista kolmesta tehtävästä. Kukin tehtävä arvostellaan kokonaislukuasteikolla - 25. Jos vastaat useampaan
Lisätiedot1 PID-taajuusvastesuunnittelun esimerkki
Enso Ikonen, Oulun yliopisto, systeemitekniikan laboratorio 2/23 Säätöjärjestelmien suunnittelu 23 PID-taajuusvastesuunnittelun esimerkki Tehtävänä on suunnitella säätö prosessille ( ) = = ( +)( 2 + )
LisätiedotSIPOC ja Arvovirtakartta työskentely - Ohje
SIPOC ja Arvovirtakartta työskentely - Ohje 1. Riittävän aihealueen osaamistason varmistaminen. Käsitteiden ja työkalujen esittely Asiakasarvo ja prosessitehokkuus SIPOC Arvovirtakartta. Työkalujen käyttöohjeet
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
LisätiedotOppiminen ja oivaltaminen
Oppiminen ja oivaltaminen OPPIMINEN Oppimiseen liittyy usein jotain vanhaa, tai osatun käyttöä uudella tavalla Oppiminen on hyödyllistä liittää jo osattuun Oppiminen on prosessi emme tule koskaan valmiiksi
LisätiedotProjektiportfolion valinta
Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Portfolion valinta Käytettävissä on rajallinen määrä resursseja, joten ne on allokoitava mahdollisimman hyvin eri projekteille
Lisätiedotsivu 1 Verkkopäätteen muuttaminen Anvian uuteen tekniikkaan Ohje käy seuraaviin verkkopäätteisiin
sivu 1 Verkkopäätteen muuttaminen Anvian uuteen tekniikkaan Ohje käy seuraaviin verkkopäätteisiin Zyxel Prestige 645 ISP Zyxel Prestige 645 WEB Zyxel Prestige 645R Zyxel Prestige 645 Ennen aloitusta tarkista,
LisätiedotLuku 8. Aluekyselyt. 8.1 Summataulukko
Luku 8 Aluekyselyt Aluekysely on tiettyä taulukon väliä koskeva kysely. Tyypillisiä aluekyselyitä ovat, mikä on taulukon välin lukujen summa tai pienin luku välillä. Esimerkiksi seuraavassa taulukossa
LisätiedotOptimoinnin sovellukset
Optimoinnin sovellukset Timo Ranta Tutkijatohtori TTY Porin laitos OPTIMI 4.12.2014 Mitä optimointi on? Parhaan ratkaisun systemaattinen etsintä kaikkien mahdollisten ratkaisujen joukosta Tieteellinen
LisätiedotAgenda. Johdanto Ominaispiirteitä Kokonaisjärjestelmän määrittely Eri alojen edustajien roolit Sulautetut järjestelmät ja sulautettu ohjelmointi
1. Luento: Sulautetut Järjestelmät Arto Salminen, arto.salminen@tut.fi Agenda Johdanto Ominaispiirteitä Kokonaisjärjestelmän määrittely Eri alojen edustajien roolit Sulautetut järjestelmät ja sulautettu
LisätiedotToimitusketjun hallinnan uudet kehityssuunnat. Mikko Kärkkäinen Tammiseminaari 2015
1 Toimitusketjun hallinnan uudet kehityssuunnat Mikko Kärkkäinen Tammiseminaari 2015 2 Toimitusketjun suunnittelun uudet tuulet Muistinvarainen laskenta mullistaa toimitusketjun suunnittelun Välitön näkyvyys
LisätiedotTIEA341 Funktio-ohjelmointi 1, kevät 2008
TIEA34 Funktio-ohjelmointi, kevät 2008 Luento 3 Antti-Juhani Kaijanaho Jyväskylän yliopisto Tietotekniikan laitos 2. tammikuuta 2008 Ydin-Haskell: Syntaksi Lausekkeita (e) ovat: nimettömät funktiot: \x
Lisätiedot811312A Tietorakenteet ja algoritmit 2015-2016. I Johdanto
811312A Tietorakenteet ja algoritmit 2015-2016 I Johdanto Sisältö 1. Algoritmeista ja tietorakenteista 2. Algoritmien analyysistä 811312A TRA, Johdanto 2 I.1. Algoritmeista ja tietorakenteista I.1.1. Algoritmien
LisätiedotSkenaariot suurpetokantojen verotuksen suunnittelussa
Skenaariot suurpetokantojen verotuksen suunnittelussa Katja Holmala Riistapäivät 19.1.2016 Esityksen rakenne Tausta Mallit ilveksen populaatiokehityksestä Malli 1: populaatiomalli Malli 2: skenaario- eli
LisätiedotUudelleenkäytön jako kahteen
Uudelleenkäyttö Yleistä On pyritty pääsemään vakiokomponenttien käyttöön Kuitenkin vakiokomponentit yleistyneet vain rajallisilla osa-alueilla (esim. windows-käyttöliittymä) On arvioitu, että 60-80% ohjelmistosta
LisätiedotLääkintähelikopterikaluston mallintaminen
Mat-2.4177 Operaatiotutkimuksen projektityöseminaari Lääkintähelikopterikaluston mallintaminen Väliraportti 19.3.2010 Pohjalainen Tapio (projektipäällikkö) (29157N) Kuikka Ilmari (58634A) Tyrväinen Tero
LisätiedotTyökalujen merkitys mittaamisessa
Työkalujen merkitys mittaamisessa Mittaaminen ja Ohjelmistotuotanto -seminaari Toni Sandelin 18.4.2001, VTT Elektroniikka, Oulu 1 Sisältö Mihin työkalutukea tarvitaan? Työkalut & metriikat: luokitus Mittausohjelmien
LisätiedotAlgoritmit 1. Luento 13 Ti 23.2.2016. Timo Männikkö
Algoritmit 1 Luento 13 Ti 23.2.2016 Timo Männikkö Luento 13 Suunnittelumenetelmät Taulukointi Kapsäkkiongelma Ahne menetelmä Verkon lyhimmät polut Dijkstran menetelmä Verkon lyhin virittävä puu Kruskalin
LisätiedotOhjelmistotuotteen hallinnasta
Ohjelmistotuotteen hallinnasta Luennon tavoitteista Luennon sisällöstä Motivointia Lähteinä: Haikala ja Märijärvi, Ohjelmistotuotanto Royce, Software Project Management, A Unified Framework 1 Tavoitteista
LisätiedotTyön tavoitteita. Yleistä. opetella suunnittelemaan itsenäisesti mittaus kurssin teoriatietojen pohjalta
FYSP102 / 1 VIERIMINEN Työn tavoitteita opetella suunnittelemaan itsenäisesti mittaus kurssin teoriatietojen pohjalta harjoitella mittauspöytäkirjan itsenäistä tekemistä sekä työselostuksen laatimista
LisätiedotSuorituskyvyn varmistaminen sovelluskehityksen eri vaiheissa Paavo Häkkinen, Presales Teamleader Compuware Finland
Suorituskyvyn varmistaminen sovelluskehityksen eri vaiheissa Paavo Häkkinen, Presales Teamleader Compuware Finland Epäonnistuminen ei ole vaikeaa Approximately 40% of mission-critical mainframe projects
LisätiedotTuringin koneen laajennuksia
Turingin koneen laajennuksia Turingin koneen määritelmään voidaan tehdä erilaisia muutoksia siten että edelleen voidaan tunnistaa tasan sama luokka kieliä. Moniuraiset Turingin koneet: nauha jakautuu k
LisätiedotProsessin reaalisaatioiden tuottaminen
Teoria Johdanto simulointiin Simuloinnin kulku -- prosessin realisaatioiden tuottaminen Satunnaismuuttujan arvonta annetusta jakaumasta Tulosten keruu ja analyysi Varianssinreduktiotekniikoista 20/09/2004
LisätiedotKurssikoe on maanantaina 29.6. Muista ilmoittautua kokeeseen viimeistään 10 päivää ennen koetta! Ilmoittautumisohjeet löytyvät kurssin kotisivuilla.
HY / Avoin ylioisto Johdatus yliopistomatematiikkaan, kesä 201 Harjoitus 7 Ratkaisut palautettava viimeistään perjantaina 26.6.201 klo 16.00. Huom! Luennot ovat salissa CK112 maanantaista 1.6. lähtien.
LisätiedotTN-IIa (MAT22001), syksy 2017
TN-IIa (MAT22001), syksy 2017 Petteri Piiroinen 4.9.2017 Todennäköisyyslaskennan IIa -kurssin asema opetuksessa Tilastotieteen pääaineopiskelijoille pakollinen aineopintojen kurssi. Suositus: toisen vuoden
LisätiedotTeoria. Prosessin realisaatioiden tuottaminen
Teoria Johdanto simulointiin Simuloinnin kulku -- prosessin realisaatioiden tuottaminen Tapahtumapohjaisen simuloinnin periaatteet Esimerkki: M/M/1 jonon simulointi Simulointiohjelman geneeriset komponentit
LisätiedotEstojärjestelmä (loss system, menetysjärjestelmä)
J. Virtamo 38.3143 Jonoteoria / Estojärjestelmä 1 Estojärjestelmä (loss system, menetysjärjestelmä) Tarkastellaan perinteistä puhdasta estojärjestelmää, jossa on annettu n = johtojen (varattavien elementtien)
LisätiedotSeuratiedote 2/09 LIITE 4
CSA-järjestelmä Johdantoa USGAn Course Rating -järjestelmässä todetaan: USGAn Course Ratingin ja Slope Ratingin määritysten tulee vastata olosuhteita kauden aikana, jolloin suurin osa kierroksista pelataan.
LisätiedotHahmon etsiminen syotteesta (johdatteleva esimerkki)
Hahmon etsiminen syotteesta (johdatteleva esimerkki) Unix-komennolla grep hahmo [ tiedosto ] voidaan etsia hahmon esiintymia tiedostosta (tai syotevirrasta): $ grep Kisaveikot SM-tulokset.txt $ ps aux
LisätiedotKäyttöohje CONDUCTOR
CONDUCTOR TASO 1 W1 1 2 Oikeudet muutoksiin pidätetään. 20090514 www.swegon.fi Tietoa CONDUCTORista CONDUCTOR on säätöjärjestelmä huonelämpötilan ohjaukseen. Voit itse luoda miellyttävän sisäilmaston säätämällä
LisätiedotAsiakasmaksulain muutosten vaikutuksia mikrosimulointimenetelma lla arvioituna
Asiakasmaksulain muutosten vaikutuksia mikrosimulointimenetelma lla arvioituna Liite THL:n lausuntoon THL/164/4.00.02/2019 asiakasmaksulaista HE 310/2018 Sisällys 1. Hallituksen esityksen kokonaisvaikutukset...
LisätiedotTaloyhtiön laajakaistan käyttöohje, Tekniikka: HomePNA. Käyttöjärjestelmä: Windows Vista
Taloyhtiön laajakaistan käyttöohje, Tekniikka: HomePNA Käyttöjärjestelmä: Windows Vista Espoon Taloyhtiöverkot, 2011 Tervetuloa Espoon Taloyhtiöverkkojen laajakaistan käyttäjäksi! Tässä ohjeessa opastetaan,
LisätiedotMatematiikan tukikurssi, kurssikerta 3
Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus
LisätiedotKORJAUSVELAN LASKENTAMALLI KÄYTTÖÖN
KORJAUSVELAN LASKENTAMALLI KÄYTTÖÖN KEHTO-foorumi Seinäjoki 23.10.2014 TAUSTAA Korjausvelan määrityshanke vuonna 2012-2013 Katujen ja viheralueiden korjausvelan periaatteita ei ollut aiemmin määritelty
LisätiedotHarjoitus 2 ( )
Harjoitus 2 (24.3.2015) Tehtävä 1 Figure 1: Tehtävän 1 graafi. Aikaisimmat aloitushetket selvitetään kaavoilla v[0] = 0 v[p] max 0 i p 1 {v[i]+a i (i,p) E} = v[l]+a l d[p] l. Muodostetaan taulukko, jossa
LisätiedotALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6
Sisällysluettelo ALKUSANAT 4 ALKUSANAT E-KIRJA VERSIOON 5 SISÄLLYSLUETTELO 6 1 PERUSASIOITA JA AINEISTON SYÖTTÖ 8 11 PERUSNÄKYMÄ 8 12 AINEISTON SYÖTTÖ VERSIOSSA 9 8 Muuttujan määrittely versiossa 9 11
LisätiedotMS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.
MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016
Lisätiedot