Politiques d ordonnancement
|
|
- Virginie Grenon
- il y a 6 ans
- Total affichages :
Transcription
1 Disciplines d'ordonnancement élémentaire Politiques d ordonnancement (UI 96 chap 5 ; OSC 03 chap 6 et 14.2) On a plusieurs exemples d'ous (Organes à Usage Séquentiel) qui peuvent être alloués à un et un seul utilisateur à la fois : MS, unités E/S, sections critiques,... Quand plusieurs utilisateurs demandent un OUS, dans quel ordre faut-il le leur attribuer? L'algorithme qui détermine cet ordre = algorithme d'ordonnancement L ensemble de règles sur lequel est basé cet algorithme = politique, stratégie (discipline) d'ordonnancement S.C.O. Politiques d ordonnancement 2 1 2
2 Disciplines d'ordonnancement élémentaire Job (client), tâche qu'un utilisateur veut faire réaliser par un OUS Source, générateur de jobs Serveur, OUS ou ressource Calendrier, liste ordonnée de descriptions de job L'ordonnancement a lieu quand la source ajoute un job au calendrier ou quand le serveur sélectionne le prochain job S.C.O. Politiques d ordonnancement 3 Exemple a) Serveur = unité MS Source = ensemble des processus qui demandent des transmissions de données Description de job = message qui indique deux zones de mémoire, une dans MC et une dans MS, la taille de ces zones ainsi que l'identification du processus demandant la transmission Calendrier déterminé par files de requêtes L ordonnacement a lieu quand le message est envoyé S.C.O. Politiques d ordonnancement 4 3 4
3 Exemple b) Serveur = Source = Calendrier = ensemble de sections critiques (S.C.) partageant le même sémaphore S tous les processus tentant d'entrer dans une S.C. liste d'attente du sémaphore S Exemple c) Serveur = CPU multiplexé entre 1 ensemble de processus Job = séquence d'instructions entre deux pauses consécutives d'un processus Calendrier = liste des processus "ready" L ordonnancement a lieu quand un processus entre dans la liste d attente L ordonnancement a lieu quand un processus entre dans «ready list» ou quand le prochain processus est sélectionné S.C.O. Politiques d ordonnancement 5 S.C.O. Politiques d ordonnancement 6 5 6
4 Files d attente Ordre naturel, selon instants d'arrivée : FIFO, FCFS quand aucune raison de favoriser 1 job insertions et suppressions très simples push LIFO : stack pop PPPS : OSC et Pas toujours désirable mais très simple Files d attente Pr[source génère i nouveau(x) job(s) / unité de temps] suit distribution de Poisson (instants d arrivée indépendants de l'état présent et des arrivées précédentes) Th. de PALM-KHINTCHINE (guichets banque, centraux téléphoniques,...) S.C.O. Politiques d ordonnancement 7 S.C.O. Politiques d ordonnancement 8 7 8
5 Files d attente Les jobs servis, c'est-à-dire les départs du système, suivent aussi un processus de POISSON si l instant de terminaison d'un job est indépendant de l'instant de commencement sans mémoire ("memoryless", amnésie) [serveur exponentiel] Files d attente α, taux d arr = nombre moyen de jobs générés par unité de temps β, taux de service = nombre moyen de jobs traités par unité de temps si la file est non vide Pr(x), Pr [x arr en 1 unité de temps] = S.C.O. Politiques d ordonnancement 9 S.C.O. Politiques d ordonnancement
6 Files d attente Esp math ou moyenne du nombre d arrivées par unité de temps : Files d attente Pr[x services par unité de temps file non vide] = Nombre moyen d arrivées durant un intervalle t = αt Pr[x arrivées durant un intervalle t] = Pr[0 arrivée durant t] = e -αt Pr[au moins une arrivée durant t] = 1- e -αt = Densité de Probabilités =α.e -αu S.C.O. Politiques d ordonnancement 11 S.C.O. Politiques d ordonnancement
7 Files d attente Pr[0 arrivée durant (0,t) et une arrivée durant (t,t+dt)] = e -αt.αdt α.e -αt est donc la fonction de densité de P du temps inter-arrivées (séparant deux arrivées consécutives) On en déduit le temps moyen inter-arrivées : Files d attente Notons T ia la variable aléatoire représentant le temps interarrivées F sa fonction de répartition f sa d.d.p. Pr[au moins une arrivée entre 0 et t] = P[0< T ia t] = F(t) - F(0) = f(x)dx c est- à- dire f(x) = α.e -αx S.C.O. Politiques d ordonnancement 13 S.C.O. Politiques d ordonnancement
8 Files d attente Pr[0 arrivée durant (0,t) et une arrivée durant (t,t+dt)] = Pr[t<T ia t+dt] = F(t+dt) - F(t) = df(t) = f(t) dt = α.e -αt dt Files d attente Si la file n est pas vide Pr[0 départ durant (0,t)]=e -βt Pr[au moins un départ durant (0,t)]= 1 - e -βt = Pr[0 départ durant (0,t) et 1 départ durant (t, t+dt)] = e -βt β dt S.C.O. Politiques d ordonnancement 15 S.C.O. Politiques d ordonnancement
9 Files d attente Temps moyen inter-départs (file non vide) ou temps moyen de service Ce qui intéresse les usagers d un système : moins le temps de service que le temps de réponse t r t r dépend beaucoup de ce qu on trouve dans la file à son arrivée, donc en particulier de α et β On définit l utilisation du système : Files d attente ρ > 1, instabilité : la file d attente s allonge indéfiniment ρ 1 : 1 nouvel arrivant trouve le plus souvent la file vide Soit T r le temps moyen de réponse : W, temps moyen d attente dans la file S.C.O. Politiques d ordonnancement 17 S.C.O. Politiques d ordonnancement
10 Files d attente Soit n le nombre moyen de jobs qu on trouve dans le système α Théorème de LITTLE : n= αt n β Théorème de LITTLE (n=( αt) Nous étudierons les systèmes où α, β constants ρ < 1 état stationnaire p i (t), Pr[nb de jobs dans le système = i, à l instant t] Démonstration dans le cas FCFS S.C.O. Politiques d ordonnancement 19 S.C.O. Politiques d ordonnancement
11 Théorème de LITTLE Pr[+1] = Pr[1 arrivée en t] = α. t e -α t = α t + O( t 2 ) Pr[-1] = Pr[1 départ en t] si i > 0 = β. t e -β t = β t + O( t 2 ) Pr[-1] = 0 si i=0 (file vide) Théorème de LITTLE Pr de plus d une arrivée ou de plus d un départ, au moins 0( t 2 ) Pr[0] Pr(inchangé en t) = (1- α t)(1- β t) + 0( t 2 ) i > 0 Pr(inchangé en t) = (1- α t) + 0( t 2 ) i = 0 p i (t+ t) = p i (t).pr[0] + p i+1 (t).pr[-1] + p i-1 (t).pr[+1] si i > 0 p 0 (t+ t) = p 0 (t).pr[0] + p 1 (t).pr[-1] S.C.O. Politiques d ordonnancement 21 S.C.O. Politiques d ordonnancement
12 Théorème de LITTLE soit : p i (t+ t) - p i (t) = -p i (t)(α + β) t + p i (t) 0( t 2 ) + p i+1 (t)β t + p i+1 (t) 0( t 2 ) + p i-1 (t)α t + p i-1 (t) 0( t 2 ) p 0 (t+ t) - p 0 (t) = - p 0 (t) α t + p 0 (t) 0( t 2 ) + p 1 (t) β t + p 1 (t) 0( t 2 ) Théorème de LITTLE Divisant par t et prenant : p i =-(α+β)p i (t)+β p i+1 (t)+α p i-1 (t) i>0 et : p 0 (t) = - α p 0 (t) + β p 1 (t) D où, à l état stationnaire (p i (t)=0) : (α+β) p i (t) = β p i+1 (t) + α p i-1 (t) i>0 p 1(t) = p 0 (t) = ρ p 0 (t) S.C.O. Politiques d ordonnancement 23 S.C.O. Politiques d ordonnancement
13 Théorème de LITTLE α α α α α Théorème de LITTLE Normalisation : 0 1 i-1 i i+1 β β β β β D où : P 0 (t) = 1 - ρ Pr[file non vide] = ρ = utilisation S.C.O. Politiques d ordonnancement 25 S.C.O. Politiques d ordonnancement
14 Théorème de LITTLE Nombre moyen de clients dans la file : Théorème de LITTLE D où le temps de réponse = T = n/α = ρ / (1 - ρ).1/α = 1 / (β - α) temps moyen de réponse temps moyen de service = βt = 1/(1-ρ) augmente à mesure que ρ 1 S.C.O. Politiques d ordonnancement 27 S.C.O. Politiques d ordonnancement
15 Round Robin Discipline de service round robin (RR), applicable seulement à une ressource préemptible (CPU) : Round Robin Supposons deux sortes de jobs dans le systèmes jobs courts (α 1, β 1 ) jobs longs (α 2, β 2 ) α Quantum n β Les deux processus d arrivées sont de type Poisson et indépendants leur composition est aussi Poisson de taux α = α 1 + α 2 S.C.O. Politiques d ordonnancement 29 S.C.O. Politiques d ordonnancement
16 Round Robin FIFO Round Robin RR, Quantum q Supposons : le même pour tous les jobs, longs ou courts et comme pour FIFO S.C.O. Politiques d ordonnancement 31 S.C.O. Politiques d ordonnancement
17 Round Robin RR, Quantum q MAIS OVERHEAD (sauver et recharger info de status ) aussi % avec k RR uniquement quand il y a de grandes disparités : q service d un job court Ordonnancement à priorité linéaire (P.L.( P.L.) RR est applicable seulement à des ressources préemptibles : CPU, MC, RR T k, injuste pour les jobs longs car le système doit reconnaître certaines obligations visà-vis des jobs avec lesquels il s est engagé PL : conditions d admission dépend : de l instant d arrivée du nombre de jobs dans le système S.C.O. Politiques d ordonnancement 33 S.C.O. Politiques d ordonnancement
18 Ordonnancement à priorité linéaire Le job qui vient de recevoir un quantum est réinjecté au milieu de la file Ordonnancement à priorité linéaire Priorité d un job = p p = a. t pour les nouveaux jobs p = b. t pour les jobs acceptés Nouveau a > b p(t) = a(t 1 t 0 )+b(t-t 1 ) Jobs acceptés Un nouveau job est accepté dès que sa priorité = celle des jobs acceptés S.C.O. Politiques d ordonnancement 35 S.C.O. Politiques d ordonnancement
19 Ordonnancement à priorité linéaire Priorité des jobs acceptés la variable ap qu on incrémente de b.q à chaque fin de quantum ap 0 si les jobs acceptés sont tous terminés ap reprend la valeur de la priorité du 1er nouveau job accepté On doit enregistrer la priorité de chaque nouveau job séparément La transformation linéaire sauvegardant l ordre : v = -p/a + t Ordonnancement à priorité linéaire Le temps d arrivée virtuel V(t) = t 0 (constant) pour un nouveau job et pour un job accepté S.C.O. Politiques d ordonnancement 37 S.C.O. Politiques d ordonnancement
20 Ordonnancement à priorité linéaire Ordonnancement à priorité linéaire Soit av le temps d arrivée virtuel des jobs acceptés La vitesse à laquelle av voyage sur l axe de temps dépend du paramètre tg β = b t 0 = v(t 1 ) t 1 v(t 2 ) t 2 t tg α = a S.C.O. Politiques d ordonnancement 39 S.C.O. Politiques d ordonnancement
21 Cas 1 Cas 2 av v 0 v 1 v 2 t av ne rencontrera jamais le temps d arrivée virtuel d un nouveau job un nouveau job ne sera pas accepté tant que le(s) job(s) acceptés ne quitte(nt) pas le système : FCFS av v 0 v 1 v 2 t av se déplace moins vite que le temps mais rattrapera le temps d arrivée virtuelle de tout nouveau job SRR : t att d un nouveau job % quand r 0 S.C.O. Politiques d ordonnancement 41 S.C.O. Politiques d ordonnancement
22 Cas 3 Exemple 3 r = 1 ou b = 0 Le temps d arrivée virtuel croît aussi vite que le temps priorité d un nouveau job = celle des jobs acc : RR FCFS RR SRR r = 0 r = 1 0 < r < 1 réinjection tête de file fin de file entre les deux t réponse jobs longs courts k entre les deux Un nouveau job reste dans la boite de délai tant que son temps d arrivée virtuel > celui des jobs acceptés. Le temps que passe un nouveau job dans la boite de délai dépend de la vitesse à laquelle av rattrape son temps d arrivée. S.C.O. Politiques d ordonnancement 43 S.C.O. Politiques d ordonnancement
23 M/M/1 M/M/1 Soient 2 arrivées consécutives aux instants t 1 et t 2 tels que = t 2 -t 1 = 1/α, temps moyen inter-arrivée Ces deux jobs seront acceptés aux instants t 1 et t 2 tels que : Pour 1 job accepté : et pour un job S antérieur quelconque S.C.O. Politiques d ordonnancement 45 S.C.O. Politiques d ordonnancement
24 M/M/1 D où : M/M/1 Tout se passe comme si la boîte de délai diminue le taux d arrivée au serveur d un facteur c est-à-dire S.C.O. Politiques d ordonnancement 47 S.C.O. Politiques d ordonnancement
25 M/M/1 M/M/1 T d d un job ne dépend pas de son propre temps de service et est donc le même pour tous les jobs où Or et S.C.O. Politiques d ordonnancement 49 S.C.O. Politiques d ordonnancement
26 Synthèse Synthèse Pour les jobs qui ont un temps de service égal au Ordonnancement CPU à long terme Tenir compte de l histoire d un job S.C.O. Politiques d ordonnancement 51 S.C.O. Politiques d ordonnancement
27 Exemple 3 niveaux de files d attente de priorités distinctes 1 RR : 2 SRR : 3 FCFS : jobs très courts partent très vite éventuellement encore subdivisé pour éviter OVERHEAD de commutation beaucoup de jobs longs en MC Ordonnancement processeur virtuel Ordonnancement processeur virtuel Système divisé en sous-systèmes qui possèdent leur propre processeur virtuel Exemple : Système général Sous- Sous- Sous- système traitement par lot (FCFS) système TS (RR) système temps réel (FCFS) S.C.O. Politiques d ordonnancement 53 S.C.O. Politiques d ordonnancement
28 Ordonnancement processeur virtuel Exemple : n sous-systèmes avec 1 cpu Références : OSC 03 : Chap 6 : CPU scheduling Chap 20 : Linux Chap 21 : Windows 2000 Chap 22 : Windows XP S.C.O. Politiques d ordonnancement 55 55
Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailPartie 7 : Gestion de la mémoire
INF3600+INF2610 Automne 2006 Partie 7 : Gestion de la mémoire Exercice 1 : Considérez un système disposant de 16 MO de mémoire physique réservée aux processus utilisateur. La mémoire est composée de cases
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailÉcole Polytechnique de Montréal. Département de Génie Informatique et Génie Logiciel. Cours INF2610. Contrôle périodique.
École Polytechnique de Montréal Département de Génie Informatique et Génie Logiciel Cours INF2610 Contrôle périodique Automne 2013 Date : 11 octobre 2013 de 18h à 20h Professeur : Boucheneb Hanifa Documentation
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
Plus en détailDAns un système multi-utilisateurs à temps partagé, plusieurs processus
Chapitre 8 Ordonnancement des processus Dns un système multi-utilisateurs à temps partagé, plusieurs processus peuvent être présents en mémoire centrale en attente d exécution. Si plusieurs processus sont
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailProcessus! programme. DIMA, Systèmes Centralisés (Ph. Mauran) " Processus = suite d'actions = suite d'états obtenus = trace
Processus 1) Contexte 2) Modèles de Notion de Points de vue Modèle fourni par le SX Opérations sur les 3) Gestion des Représentation des Opérations 4) Ordonnancement des Niveaux d ordonnancement Ordonnancement
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailPLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique
Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailJulien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
Plus en détailIntégrale et primitives
Chpitre 5 Intégrle et primitives 5. Ojetif On herhe dns e hpitre à onstruire l opérteur réiproue de l opérteur de dérivtion. Les deux uestions suivntes sont lors nturelles. Question : Soit f une pplition
Plus en détailCompression Compression par dictionnaires
Compression Compression par dictionnaires E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CompressionCompression par dictionnaires 1/25 Compression par dictionnaire Principe : Avoir une
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailINTRODUCTION AUX SYSTEMES D EXPLOITATION. TD2 Exclusion mutuelle / Sémaphores
INTRODUCTION AUX SYSTEMES D EXPLOITATION TD2 Exclusion mutuelle / Sémaphores Exclusion mutuelle / Sémaphores - 0.1 - S O M M A I R E 1. GENERALITES SUR LES SEMAPHORES... 1 1.1. PRESENTATION... 1 1.2. UN
Plus en détailInitiation à l algorithmique
Informatique S1 Initiation à l algorithmique procédures et fonctions 2. Appel d une fonction Jacques TISSEAU Ecole Nationale d Ingénieurs de Brest Technopôle Brest-Iroise CS 73862-29238 Brest cedex 3 -
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCorrection de l épreuve CCP 2001 PSI Maths 2 PREMIÈRE PARTIE ) (
Correction de l épreuve CCP PSI Mths PREMIÈRE PARTIE I- Soit t u voisinge de, t Alors ϕt t s = ϕt ρt s ρs Pr hypothèse, l fonction ϕt ϕt est lorsque t, il en est donc de même de ρt s ρt s ρs cr ρ s est
Plus en détailExercices sur le chapitre «Probabilités»
Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Pour démarrer Exercices sur le chapitre «Probabilités» Exercice 1 (Modélisation d un dé non cubique) On considère un parallélépipède rectangle de
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailSystèmes d exploitation Gestion de processus
Systèmes d exploitation Gestion de processus SITE : http://www.sir.blois.univ-tours.fr/ mirian/ Systèmes d exploitation - Mírian Halfeld-Ferrari p. 1/5 Les processus, à quoi ça sert? À faire plusieurs
Plus en détailla virtualisation pour quoi faire?
J. F. DAVID Ingénieur Commercial Agence Paris Industrie de Base et de Transformation 24 Mai 1975 la virtualisation pour quoi faire? "Etre transparent, c'est exister et ne pas se voir. Etre virtuel, c'est
Plus en détailModule d Electricité. 2 ème partie : Electrostatique. Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere
Module d Electricité 2 ème partie : Electrostatique Fabrice Sincère (version 3.0.1) http://pagesperso-orange.fr/fabrice.sincere 1 Introduction Principaux constituants de la matière : - protons : charge
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailOrdonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailGestion de mémoire secondaire F. Boyer, Laboratoire Sardes Fabienne.Boyer@imag.fr
Gestion de mémoire secondaire F. Boyer, Laboratoire Sardes Fabienne.Boyer@imag.fr 1- Structure d un disque 2- Ordonnancement des requêtes 3- Gestion du disque - formatage - bloc d amorçage - récupération
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailSécurité & Authentification. Sécurité Authentification utilisateur Authentification applicative
Sécurité & Authentification Sécurité Authentification utilisateur Authentification applicative 2 SECURITE : Principes SECURITE : Principes ATTENTION au respect des règles élémentaires 3 IAS IAS GPO GPO
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailCondition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1
General Mathematics Vol. 18, No. 4 (2010), 85108 Condition de stabilité d'un réseau de les d'attente à deux stations et N classes de clients 1 Faiza Belarbi, Amina Angelika Bouchentouf Résumé Nous étudions
Plus en détailSommaire. Introduction.2. 1. Définition..2. 2. Historique.2. 3. Domaine d application.2. 4.Les Travaux réalisés sur les domaines d application.
Sommaire Introduction.2 1. Définition..2 2. Historique.2 3. Domaine d application.2 4.Les Travaux réalisés sur les domaines d application.3 5.Algorithme 4 6.Exemple d application 5 7. Avantage et inconvénient..6
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailGdsCompta. Logiciel de comptabilité générale
GdsCompta Logiciel de comptabilité générale CARACTERISTIQUES Logiciel sous Windows Fonctionne sous Windows XP, Vista, 7 et 8 Multi-dossier De la saisie des écritures au bilan, une comptabilité complète.
Plus en détailCALCUL DES PROBABILITES
CALCUL DES PROBABILITES Exemple On lance une pièce de monnaie une fois. Ensemble des événements élémentaires: E = pile, face. La chance pour obtenir pile vaut 50 %, pour obtenir face vaut aussi 50 %. Les
Plus en détailTriangle de Pascal dans Z/pZ avec p premier
Triangle de Pascal dans Z/pZ avec p premier Vincent Lefèvre (Lycée P. de Fermat, Toulouse) 1990, 1991 1 Introduction Nous allons étudier des propriétés du triangle de Pascal dans Z/pZ, p étant un nombre
Plus en détailI- Définitions des signaux.
101011011100 010110101010 101110101101 100101010101 Du compact-disc, au DVD, en passant par l appareil photo numérique, le scanner, et télévision numérique, le numérique a fait une entrée progressive mais
Plus en détailENS de Lyon TD 1 17-18 septembre 2012 Introduction aux probabilités. A partie finie de N
ENS de Lyon TD 7-8 septembre 0 Introduction aux probabilités Exercice Soit (u n ) n N une suite de nombres réels. On considère σ une bijection de N dans N, de sorte que (u σ(n) ) n N est un réordonnement
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailModule 7: Chaînes de Markov à temps continu
Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R
Plus en détailCours A7 : Temps Réel
Cours A7 : Temps Réel Pierre.Paradinas / @ / cnam.fr Cnam/Cedric Systèmes Enfouis et Embarqués (SEE) Motivations Du jour : les mécanismes multitâches, la gestion des priorités, l ordonnancement, la gestion
Plus en détailRedondance de service
BTS S.I.O. 2 nd Année Option SISR TP 15 Redondance de service 1 Objectifs Mettre en œuvre différentes techniques de haute disponibilité de services et de serveurs. 2 Présentation du déroulement Ce TP se
Plus en détailTraitement du signal avec Scilab : la transformée de Fourier discrète
Traitement du signal avec Scilab : la transformée de Fourier discrète L objectif de cette séance est de valider l expression de la transformée de Fourier Discrète (TFD), telle que peut la déterminer un
Plus en détailCours d électricité. Circuits électriques en courant constant. Mathieu Bardoux. 1 re année
Cours d électricité Circuits électriques en courant constant Mathieu Bardoux mathieu.bardoux@univ-littoral.fr IUT Saint-Omer / Dunkerque Département Génie Thermique et Énergie 1 re année Objectifs du chapitre
Plus en détailChapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping
Chapitre V : La gestion de la mémoire Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping Introduction Plusieurs dizaines de processus doivent se partager
Plus en détailAgrégation de liens xdsl sur un réseau radio
Agrégation de liens xdsl sur un réseau radio Soutenance TX Suiveur: Stéphane Crozat Commanditaire: tetaneutral.net/laurent Guerby 1 02/02/212 Introduction 2 Introduction: schéma 3 Définition d un tunnel
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailPeut-on imiter le hasard?
168 Nicole Vogel Depuis que statistiques et probabilités ont pris une large place dans les programmes de mathématiques, on nous propose souvent de petites expériences pour tester notre perception du hasard
Plus en détailUtilisation du plugin AppliDis SLB (Smart Load Balancing)
Fiche technique AppliDis Utilisation du plugin AppliDis SLB (Smart Load Fiche IS00260 Version document : 1.5 Diffusion limitée : Systancia, membres du programme Partenaires AppliDis et clients ou prospects
Plus en détailInformatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre. Partie I : Introduction
Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre Partie I : Introduction Plan de la première partie Quelques définitions Caractéristiques communes des applications temps-réel Exemples d
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailGEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau
GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles
Plus en détail10 leçon 2. Leçon n 2 : Contact entre deux solides. Frottement de glissement. Exemples. (PC ou 1 er CU)
0 leçon 2 Leçon n 2 : Contact entre deu solides Frottement de glissement Eemples (PC ou er CU) Introduction Contact entre deu solides Liaisons de contact 2 Contact ponctuel 2 Frottement de glissement 2
Plus en détailEconomie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de
Economie de l incertain et de l information Partie 1 : Décision en incertain probabilisé Chapitre 1 : Introduction à l incertitude et théorie de l espérance d utilité Olivier Bos olivier.bos@u-paris2.fr
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailCours de Systèmes d Exploitation
Licence d informatique Synchronisation et Communication inter-processus Hafid Bourzoufi Université de Valenciennes - ISTV Introduction Les processus concurrents s exécutant dans le système d exploitation
Plus en détailComment paramétrer manuellement mon mobile pour accéder à la 2G/3G+ et configurer mes emails?
Comment paramétrer manuellement mon mobile pour accéder à la 2G/3G+ et configurer mes emails? Systèmes d exploitation Définition Qu est-ce qu un système d exploitation? Rôle du système d exploitation Un
Plus en détailTP LINUX Travaux avec Debian ETCH
TP LINUX Travaux avec Debian ETCH Sommaire version du 22/01/2008 1 ère partie Objectif : installer la distribution Linux DEBIAN ETCH R2 (Release 2 sortie en décembre 2007) 2 ème partie Objectif : configurer
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailSites web éducatifs et ressources en mathématiques
Sites web éducatifs et ressources en mathématiques Exercices en ligne pour le primaire Calcul mental élémentaire : http://www.csaffluents.qc.ca/wlamen/tables-sous.html Problèmes de soustraction/addition
Plus en détailExo7. Probabilité conditionnelle. Exercices : Martine Quinio
Exercices : Martine Quinio Exo7 Probabilité conditionnelle Exercice 1 Dans la salle des profs 60% sont des femmes ; une femme sur trois porte des lunettes et un homme sur deux porte des lunettes : quelle
Plus en détailConstruction d un cercle tangent à deux cercles donnés.
Préparation au CAPES Strasbourg, octobre 2008 Construction d un cercle tangent à deux cercles donnés. Le problème posé : On se donne deux cercles C et C de centres O et O distincts et de rayons R et R
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailVeeam Backup & Replication v6
Veeam Backup & Replication v6 Encore plus de bonnes raisons de choisir Veeam Release contents subject to change prior to general availability (GA) Nouveautés de la v6 Scalabilité Entreprise Réplication
Plus en détailStructure fonctionnelle d un SGBD
Fichiers et Disques Structure fonctionnelle d un SGBD Requetes Optimiseur de requetes Operateurs relationnels Methodes d acces Gestion de tampon Gestion de disque BD 1 Fichiers et Disques Lecture : Transfert
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailREALISATION d'un. ORDONNANCEUR à ECHEANCES
REALISATION d'un ORDONNANCEUR à ECHEANCES I- PRÉSENTATION... 3 II. DESCRIPTION DU NOYAU ORIGINEL... 4 II.1- ARCHITECTURE... 4 II.2 - SERVICES... 4 III. IMPLÉMENTATION DE L'ORDONNANCEUR À ÉCHÉANCES... 6
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détail2011 Hakim Benameurlaine 1
Table des matières 1 COLLECTE D'INFORMATIONS SUR LE SYSTÈME... 2 1.1 Moniteur du système... 2 1.2 Commande top... 2 1.3 Commande gnome-system-monitor... 3 1.4 Commande who... 4 1.5 Commande w... 5 1.6
Plus en détailL art d ordonnancer. avec JobScheduler. François BAYART
L art d ordonnancer avec JobScheduler François BAYART 30 Octobre 2010 [1] 234567 introduction Introduction Qui suis-je? François Bayart consultant système en solution libre et propriétaire Redhat (1996),
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailEquations Différentielles
IFIPS S4 Université Paris XI Equations Différentielles Cours et Exercices Jean-Luc Raimbault raimbault@lptp.polytechnique.fr 2007 2 Dans ce petit cours sur les équations différentielles, on vous propose
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailLicence MASS 2000-2001. (Re-)Mise à niveau en Probabilités. Feuilles de 1 à 7
Feuilles de 1 à 7 Ces feuilles avec 25 exercices et quelques rappels historiques furent distribuées à des étudiants de troisième année, dans le cadre d un cours intensif sur deux semaines, en début d année,
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailOUTLOOK GÉRER EFFICACEMENT SON BUSINESS D INGÉNIERIE OU DE CONSEIL AVEC OUTLOOK
GÉRER EFFICACEMENT SON BUSINESS D INGÉNIERIE OU DE CONSEIL AVEC OUTLOOK OBJECTIF GENERAL Mettre à profit les qualités d Outlook pour gérer efficacement l information, la communication, la gestion du temps,
Plus en détailIFT1215 Introduction aux systèmes informatiques
Introduction aux circuits logiques de base IFT25 Architecture en couches Niveau 5 Niveau 4 Niveau 3 Niveau 2 Niveau Niveau Couche des langages d application Traduction (compilateur) Couche du langage d
Plus en détail