ARCA è l'archivio istituzionale ad accesso aperto della ricerca dell'Università Ca' Foscari Venezia e nasce nel 2014 con lo scopo di raccogliere, diffondere e conservare la produzione scientifica dell'Università. Costituisce di fatto il catalogo della ricerca di Ateneo.ARCA è un sistema Open Access: è non solo consultabile da tutti e visibile nei motori di ricerca, ma anche interoperabile con il portale cerCa. In questo modo vengono valorizzate la produzione scientifica dell'Ateneo e la visibilità dei ricercatori.
EnglishWe consider a fork-join system in which a fixed amount of computational resources has to be distributed among the K tasks forming the jobs. The queueing disciplines of the fork- and join- queues are First Come First Served. At each epoch, at most K tasks are in service while the others wait in the fork-queues. We propose an algorithm with a very simple implementation that allocates the computational resources in a way that aims at minimizing the join-queue lengths, and hence at reducing the expected job service time. We study its performance in saturation and under exponential service time and provide a methodology to derive the relevant performance indices. Explicit closed-form expressions for the expected response time and join-queue length are given for the cases of jobs consisting of two, three and four tasks.
| Autori: | Sottana, Matteo (Corresponding) |
| Data di pubblicazione: | 2018 |
| Titolo: | Biased processor sharing in fork-join queues |
| Rivista: | LECTURE NOTES IN ARTIFICIAL INTELLIGENCE |
| Titolo del libro: | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) |
| Digital Object Identifier (DOI): | http://dx.doi.org/10.1007/978-3-319-99154-2_17 |
| Appare nelle tipologie: | 4.1 Articolo in Atti di convegno |
File in questo prodotto:
| File | Descrizione | Tipologia | Licenza | |
|---|---|---|---|---|
| main.pdf | Articolo principale | Documento in Post-print | Accesso chiuso-personale | Riservato |
http://hdl.handle.net/10278/3710571
Copyright © 2020