💳 මූල්‍ය — ගෙවීම් මෙහෙයුම් සජීවී ආකෘතිය

පදනම — සංඛ්‍යා පිටුපස ඇති ආකෘතිය

සිමියුලේටරය භාවිත කරන සෑම සම්බන්ධතාවයක්ම, එහි මූලාශ්‍රය සමඟ. උපකල්පන ලෙස සලකුණු කළ නියත නිදර්ශන ක්‍රමාංකන වේ.

නව ගනුදෙනු පාදක අනුපාතයකින් × විකුණුම් වැඩිවීමකින් පැමිණේ; මිනිත්තුවකට ගණන අහඹු ය (පොයිසන්, සාමාන්‍ය ආසන්නනය) සුළු ආවේගශීලීභාවයක් සමඟ.

λ(t) = base × surge(t) (2-min lag); count/min ≈ N(60λ, √(60λ)) × (1 + N(0, 0.03))[2]උපකල්පනය: ස්ලොට් ගණන්, සේවා සහ නිකුත් කරන්නන්ගේ කාල, ලකුණු වෙන් කිරීම, අමතර සත්‍යාපන සමත් අනුපාත, නාස්ති වූ වැඩවල කොටස, ප්‍රමාණ සහ මිල මධ්‍යම ප්‍රමාණයේ ස්විචයක් සඳහා නිදර්ශන අගයන් ය, කිසිදු සැබෑ ජාලයක සංඛ්‍යා නොවේ.

ද්විසාමාන්‍ය වංචා ලකුණු: සැබෑ සහ වංචා ලකුණු d′ ක් දුරින් පිහිටි සාමාන්‍ය වක්‍ර දෙකකි; සීමාව ROC වක්‍රයේ ලක්ෂ්‍යයක් තෝරයි.

genuine score ~ N(0,1), fraud ~ N(d′,1), d′ = 2.5; FPR(t) = 1 − Φ(t), TPR(t) = 1 − Φ(t − d′); AUC = Φ(d′/√2) ≈ 0.96[6][7]උපකල්පනය: ස්ලොට් ගණන්, සේවා සහ නිකුත් කරන්නන්ගේ කාල, ලකුණු වෙන් කිරීම, අමතර සත්‍යාපන සමත් අනුපාත, නාස්ති වූ වැඩවල කොටස, ප්‍රමාණ සහ මිල මධ්‍යම ප්‍රමාණයේ ස්විචයක් සඳහා නිදර්ශන අගයන් ය, කිසිදු සැබෑ ජාලයක සංඛ්‍යා නොවේ.

පිරිවැය-ප්‍රශස්ත සීමාව: සම්භාවිතා අනුපාතය පාදක අනුපාතයෙන් බර කළ පිරිවැය අනුපාතය ඉක්මවන විට ප්‍රතික්ෂේප කරන්න — වංචාව දස ගුණයකින් වැඩි වූ විට එය ln 10 / d′ ≈ 0.9σ ක් පහළට යයි.

decline when e^(d′x − d′²/2) ≥ (1 − π)·c_FP / (π·c_FN) ⇒ t* = [ln((1 − π)c_FP/(π c_FN)) + d′²/2] / d′[8][7]

අමතර සත්‍යාපනය: සීමාවට පහළින් පරාසයේ ලකුණු තීරණය කිරීම වෙනුවට අභියෝගයට ලක් කෙරේ.

scores in [t − b, t) are challenged: genuine pass 85 %, fraud pass 5 %; scores ≥ t declined[10]උපකල්පනය: ස්ලොට් ගණන්, සේවා සහ නිකුත් කරන්නන්ගේ කාල, ලකුණු වෙන් කිරීම, අමතර සත්‍යාපන සමත් අනුපාත, නාස්ති වූ වැඩවල කොටස, ප්‍රමාණ සහ මිල මධ්‍යම ප්‍රමාණයේ ස්විචයක් සඳහා නිදර්ශන අගයන් ය, කිසිදු සැබෑ ජාලයක සංඛ්‍යා නොවේ.

නිකුත් කරන්නාගේ ප්‍රමාදය ඝාතීය ය; ස්ලොට් එකක් ප්‍රමාදය හෝ කාල සීමාව යන දෙකෙන් පළමුව පැමිණෙන කාලයට රඳවා ගැනේ.

L ~ Exp(mean m); E[min(L, T)] = m(1 − e^(−T/m)), P(L > T) = e^(−T/m); S = 80 ms + forwarded × Σ share·E[min(L,T)][2][9]

ලිට්ල්ගේ නීතිය: කාර්යබහුල ස්ලොට් = පැමිණීමේ අනුපාතය × රඳවා ගැනීමේ කාලය.

busy slots = λ·S (Little) ⇒ utilization = λ·S / (32 × servers)[3]

අර්ලං C: ගනුදෙනුවක් නිදහස් ස්ලොට් එකක් සඳහා බලා සිටීමේ සම්භාවිතාව, සහ එය පෝලිමේ තත්පර 2 කාල සීමාවට වඩා වැඩි කාලයක් බලා සිටීමේ සම්භාවිතාව.

P(W > 2 s) = C(a, N)·e^(−(N/S − λ)·2 s), a = λS; mean wait = C / (N/S − λ)[1][2]

ධාරිතාවෙන් ඔබ්බට ස්විචය පසුව ඉවත දමන ඉල්ලීම් සඳහා ද වැඩ වියදම් කරයි, එබැවින් බර ඉහළ යන විට ප්‍රයෝජනවත් ප්‍රතිදානය පහත වැටේ; බර අඩු කිරීම අතිරික්තය ලාභදායී ලෙස ප්‍රතික්ෂේප කරයි.

λ ≥ N/S: goodput = (N/S − ω·λ)/(1 − ω), ω = 0.3; load shedding admits ≤ 0.9·N/S and answers the rest at once[4][5]උපකල්පනය: ස්ලොට් ගණන්, සේවා සහ නිකුත් කරන්නන්ගේ කාල, ලකුණු වෙන් කිරීම, අමතර සත්‍යාපන සමත් අනුපාත, නාස්ති වූ වැඩවල කොටස, ප්‍රමාණ සහ මිල මධ්‍යම ප්‍රමාණයේ ස්විචයක් සඳහා නිදර්ශන අගයන් ය, කිසිදු සැබෑ ජාලයක සංඛ්‍යා නොවේ.

සේවාදායක නැවත උත්සාහ: සෑම තාක්ෂණික අසාර්ථකත්වයක්ම තෙවරක් දක්වා, වහාම හෝ අහඹු ඝාතීය පසුබැසීමකින් නැවත උත්සාහ කෙරේ.

failed attempt → retry with p = 0.95, ≤ 3 retries; immediate: next minute; backoff: delay ~ Exp(mean 1, 2, 4 min)[4][5]උපකල්පනය: ස්ලොට් ගණන්, සේවා සහ නිකුත් කරන්නන්ගේ කාල, ලකුණු වෙන් කිරීම, අමතර සත්‍යාපන සමත් අනුපාත, නාස්ති වූ වැඩවල කොටස, ප්‍රමාණ සහ මිල මධ්‍යම ප්‍රමාණයේ ස්විචයක් සඳහා නිදර්ශන අගයන් ය, කිසිදු සැබෑ ජාලයක සංඛ්‍යා නොවේ.

නිකුත් කරන්නාගේ කාල සීමාව, ප්‍රතිවර්තනය සහ ආදේශක අනුමැතිය: ප්‍රමාණ ලොග්-සාමාන්‍ය බැවින් සීමාවට පහළින් කොටස සහ අනුමත පරිමාව සාමාන්‍ය CDF වලින් ලැබේ.

issuer timeout → reversal; stand-in approves if amount ≤ limit: P = Φ((ln L − μ)/σ), volume = e^(μ+σ²/2)·Φ((ln L − μ − σ²)/σ)[9][11]

අනුමත ප්‍රමාණයේ පාදක ලක්ෂ්‍ය වලින් වංචා අනුපාතය; කුඩා දුරස්ථ කාඩ්පත් ගෙවීම් සඳහා යොමු පරිමාණයක් ලෙස 13 bp භාවිතා කෙරේ.

fraud rate = approved fraud amount / approved amount × 10,000 bp (reference scale: 13 bp)[10]

ආකෘතිය භාවිතා කරන වෙනත් මෙහෙයුම් නියත.

32 slots per server, 2–24 servers, +5 min boot, 6 u per server-hour · switch time 80 ms · queue timeout 2 s · issuer latency 250 ms (group B = 25 % of traffic, ±15 % per minute) · amounts lognormal, median 40 u, σ = 1, fraud ×1.5 · ω = 0.3 · shedding at 90 % · reversal = 80 ms of switch timeඋපකල්පනය: ස්ලොට් ගණන්, සේවා සහ නිකුත් කරන්නන්ගේ කාල, ලකුණු වෙන් කිරීම, අමතර සත්‍යාපන සමත් අනුපාත, නාස්ති වූ වැඩවල කොටස, ප්‍රමාණ සහ මිල මධ්‍යම ප්‍රමාණයේ ස්විචයක් සඳහා නිදර්ශන අගයන් ය, කිසිදු සැබෑ ජාලයක සංඛ්‍යා නොවේ.

අහඹුබව: බීජ සහිත mulberry32 උත්පාදකයක්; භාවිත කළ ව්‍යාප්ති — ඒකාකාර, ඝාතීය (ප්‍රතිලෝම CDF), සාමාන්‍ය (Box–Muller), පොයිසන් (Knuth). බීජය පෙන්වන අතර බෙදාගත හැකිය.

මූලාශ්‍ර

1. Teletraffic Engineering Handbook — Erlang C formula; waiting-time distribution for M/M/n, FCFS — ITU-D Study Group 2 Question 16/2 (V. B. Iversen), 2005
2. M. Harchol-Balter — Performance Modeling and Design of Computer Systems: Queueing Theory in Action (M/M/k, capacity provisioning) — Cambridge University Press, 2013
3. J. D. C. Little — A Proof for the Queuing Formula: L = λW — Operations Research 9(3):383–387, 1961
4. Site Reliability Engineering — Ch. 22 Addressing Cascading Failures (retries, randomized exponential backoff, load shedding, work on requests past their deadline) — Beyer, Jones, Petoff, Murphy (eds.), O'Reilly, 2016
5. N. Bronson, A. Aghayev, A. Charapko, T. Zhu — Metastable Failures in Distributed Systems — HotOS ’21, ACM, 2021
6. T. Fawcett — An introduction to ROC analysis — Pattern Recognition Letters 27(8):861–874, 2006
7. R. J. Bolton, D. J. Hand — Statistical Fraud Detection: A Review — Statistical Science 17(3):235–255, 2002
8. C. Elkan — The Foundations of Cost-Sensitive Learning — IJCAI 2001, 2001
9. ISO 8583-1:2003 Financial transaction card originated messages — Interchange message specifications — Part 1 (authorization, reversal messages) — ISO/TC 68/SC 9, 2003
10. Commission Delegated Regulation (EU) 2018/389 — RTS on strong customer authentication, Annex: reference fraud rates (0.13 % for remote card payments up to EUR 100) — Official Journal of the European Union, 2018
11. N. L. Johnson, S. Kotz, N. Balakrishnan — Continuous Univariate Distributions, Vol. 1 (lognormal distribution, partial moments) — Wiley, 1994