问题：为什么流量强度为 1 时排队时延是无穷？

​
TL;DR : 包抵达是随机过程中的泊松过程，若包处理并发出的速率恒定，其稳态下平均排队时延为：$W_q=\frac{\rho }{2\mu (1-\rho )}$，当流量强度 ρ 趋近于1时，排队时延趋于无限。

---

A Top Down Approach 第一章1.4.2部分中，提到的流量强度为1时队长趋于无限。

根据书中内容，有 $\lambda =La$的（每个分组 $L$比特， $a$ 分组/秒），$R$ 为传输速率如10Mbps，即 $\mu =R$.

其中 $\lambda$ 和 $\mu$ 这两个参数是重点，容易看出流量强度就是 $\rho =\lambda /\mu$。

问题就在于，为什么输入路由器的速率跟路由器发出的速率一致时，会无限排队（如果队列空间无限大），而不是进一个出一个使得排队情况稳定在某个值上？

首先得确定一点，如果所有分组都是周期性抵达，稳定一秒来一个分组，并且一秒处理完一个分组（发出），那么队列将稳定在一个定值上（本来有3个分组在排队，之后队伍+1和-1同时发生，那么将会永远保持3个分组）。

然而就像书中强调的，所有分组的抵达是随机过程，并且此过程一般符合泊松分布(Poisson distribution)，那结果就有点不一样了。

---

根据排队论中以 Kendall表示法 所标示的M/M/1排队模型理论，包抵达是泊松过程，即包抵达时间间隔服从指数分布(Exponential distribution)，则将会有稳态下 i 个分组在路由器中的概率为：$$P(i)=(1-\rho ){\rho }^i\text{\hspace{1em}(1)}$$

那么在路由器中的平均分组数量 Ls 可以用下面的公式表示：

$$L_s=0\ast P(0)+1\ast P(1)+2\ast P(2)+\cdot \cdot \cdot n\ast P(n)=\sum _{n=1}^{\infty }nP(n)\text{\hspace{1em}(2)}$$

将 （1） 代入 （2） 中并推导可得（具体推导流程不赘述）：

$$L_s=\frac{\rho }{(1-\rho )}\text{\hspace{1em}(3)}$$

从（3）中容易看出，当流量强度 $\rho \to 1$ 时，路由器中平均留存分组数 $L_s\to \infty$，即平均排队时延 :

$$W_q=\frac{\rho }{\mu -\rho }\text{\hspace{1em}(4)}$$

将趋于无穷。（具体可参考Birth–death process）

然而M/M/1模型的服务时间是指数分布(Exponential distribution)，而路由器发射数据包的耗时应该服从确定性分布/退化分布(Degenerate distribution)，处理一个等长的数据包理论时间应该是固定的，那流量强度为1时结果还是排队时延无穷吗？

是的。

同样的，根据 Kendall表示法 ，这种模型被称为M/D/1排队模型，与M/M/1模型类似，能求出系统中平均分组数量（省略推导流程）:

$$W_q=\rho +\frac{1}{2}(\frac{{\rho }^2}{1-\rho })\text{\hspace{1em}(5)}$$

而平均排队时延为:

$$W_q=\frac{\rho }{2\mu (1-\rho )}$$

从 （5） 和 （6） 中容易看出，当流量强度 $\rho \to 1$时，路由器中平均留存分组数$L_s\to \infty$，即平均排队时延$W_q\to \infty$。

​