리틀의 법칙: Difference between revisions
From IT Wiki
No edit summary |
|||
| (4 intermediate revisions by one other user not shown) | |||
| Line 1: | Line 1: | ||
[[분류:소프트웨어 공학]][[분류: | [[분류:소프트웨어 공학]][[분류:경영학]][[분류:프로젝트 관리]] | ||
;Little's Law | ;Little's Law | ||
;MIT 교수 리틀이 제시한 재고 산정 법칙으로, IT에선 성능 평가에 많이 사용됨 | ;MIT 교수 리틀이 제시한 재고 산정 법칙으로, IT에선 성능 평가에 많이 사용됨 | ||
* '''I=λ × R''' | |||
== 기본 == | == 기본 == | ||
* I = 재고 | * I = 재고 | ||
* λ = 산출물 | * λ = 산출물 | ||
| Line 12: | Line 13: | ||
== 성능 테스트 == | == 성능 테스트 == | ||
* I = 동시 사용자 수, | |||
* λ = 시스템이 처리 가능한 용량(Throughput) | |||
* | * R = 단위 처리의 응답 시간 | ||
* | |||
* '''측정 방법''' | * '''측정 방법''' | ||
Latest revision as of 23:31, 6 May 2020
- Little's Law
- MIT 교수 리틀이 제시한 재고 산정 법칙으로, IT에선 성능 평가에 많이 사용됨
- I=λ × R
기본[edit | edit source]
- I = 재고
- λ = 산출물
- R = 흐름시간
- 예시) 식당에 시간당 평균 30명이 오고, 평균 20명이 식사를 하고 있을 경우 평균 식사 시간은?
성능 테스트[edit | edit source]
- I = 동시 사용자 수,
- λ = 시스템이 처리 가능한 용량(Throughput)
- R = 단위 처리의 응답 시간
- 측정 방법
- 사용자가 증가함에 따라서 응답시간이 느려지고 TPS는 증가
- TPS가 더 이상 증가하지 않고 완만하게 되는 시점이 그 시스템의 임계치
