数据发送理想状态分布研究

数据发送理想状态分布研究

目的

为了以后探讨优化网络传输相关问题，讨论理想状态下，数据发送会呈现什么状态，以方便我们的延迟研究

研究前提

1. 网络传输中，一段时间t内发生概率为p，根据二项式分布基础原理，则发生的次数λ为： $\lambda =pt$
2. 将时间长度t拆成m等份，每个小时间段连续可分。即拆成t/m

推导

1. 已知事件在t内发生概率为λt，则在t/m里发生的概率为：

$P=\lambda t/m$

2. t由m个t/m组成，t/m时间内发生概率为λt/m。即每个独立的小块都是一次概率为λt/m的二项式实验，连续做k次试验，则为一个经典的二项式分布

$P(X=k)=C_m^k\times {\left(\frac{\lambda t}{m}\right)}^k\times {\left(1-\frac{\lambda t}{m}\right)}^{m-k}$

3. 由于时间是连续流逝的(空间也一样)，那么时间片就是无限可分割的，我们求一个连续变量下事件发生的概率，需要就是将时间片(或者空间) 无限分割。然后让在$\frac{t}{m}$时间内，事件发生次数为1，概率为$\frac{\lambda t}{m}$。我们对m求极限。

令$\frac{\lambda t}{m}=p$,则公式简化为

${\lim }_{m\to \infty ，p\to 0}P(X=k)=C_m^k\times {\left(p\right)}^k\times {\left(1-p\right)}^{m-k}$

${\lim }_{m\to \infty ，p\to 0}P(X=k)=\frac{m(m-1)(m-2)...(m+1-k)}{k!}\times p^k\times {\left(1-p\right)}^{\frac{\lambda t}{p}-k}$

${\lim }_{m\to \infty ，p\to 0}P(X=k)=\frac{m^k}{k!}\times p^k\times {\left(1-p\right)}^{\frac{\lambda t}{p}}\times {\left(1-p\right)}^{-k}$

${\lim }_{m\to \infty ，p\to 0}P(X=k)=\frac{{\lambda t}^k}{k!}\times {\left(1-p\right)}^{\frac{\lambda t}{p}}\times 1$

${\lim }_{m\to \infty ，p\to 0}P(X=k)=\frac{{\lambda t}^k}{k!}\times {\left[{\left(1-p\right)}^{-\frac{1}{p}}\right]}^{-\lambda t}$

${\lim }_{m\to \infty ，p\to 0}P(X=k)=\frac{{\lambda t}^k}{k!}{e}^{-\lambda t}$
即服从泊松分布

场景

这里主要探究，包数据在交换机里面的排队情况。在交换机处理一个包的时间内，数据到来概率会呈现泊松分布，数据到来之后，该包的等待时间也会呈现泊松分布(泊松分布反向)。到最后，整个排队时间分布就是呈现泊松分布。即，在网络环境好的情况下，发送数据一般会呈现泊松分布现象。不过，网络环境和交换机的优化算法会破坏该现象。