graficos y mas conclusiones

TP2/sources/doc/analisis.tex

@@ -41,12 +41,42 @@ \subsubsection{Proceso de medici\'on}
 los mismos.
 
 \subsection{Resultados}
+A continuaci\'on se muestran los resultados de la eficiencia (\textit{hit rate}) en funci\'on del tama\~no del buffer, para cada una de las trazas usando cada una de las
+estrategias.
+\subsubsection*{Traza ``BNLJ''} 
+\begin{center}
+  \includegraphics[height=11cm]{bnlj.png}
+\end{center}  
+\subsubsection*{Traza ``Peque\~na''} 
+\begin{center}
+  \includegraphics[height=11cm]{small.png}
+\end{center}  
+\subsubsection*{Traza ``Grande''} 
+\begin{center}
+  \includegraphics[height=11cm]{big.png}
+\end{center}  
 
-(ac\'a vienen los gr\'aficos)
 
 \subsection{An\'alisis de los resultados y conclusiones}
-En el caso de la traza de BNLJ, vemos que mientras tanto MRU como COUNT van creciendo sostenidamente hasta acercarse a la estrategia 
-BEST, LRU y FIFO se mantienen en 0 para tama\~nos menores de buffer y luego reci\'en comienzan a elevar el \textit{hit rate}.
 
-El hit rate supera el 60 a medida que nos acercamos al buffer m\'aximo. Vemos por otra parte, que tanto COUNT como MRU 
-superan para esta traza a las otras estrategias plausibles, salvo a FIFO en el punto en el que abandona el hit rate de 0.
+\subsubsection*{Traza ``BNLJ''}
+En el caso de la traza de \textbf{BNLJ}, se ve que mientras tanto \textbf{MRU}, \textbf{Count} y \textbf{Random} mejoran su eficiencia conforme el tama\~no del buffer
+va aumentando, a partir del $70\%$, \textbf{Count} supera a \textbf{MRU} y esta supera a \textbf{Random}. Por otra parte las estrategias \textbf{FIFO} y \textbf{LRU} tienen
+mala respuesta de performance para buffers peque\~nos y buena respuesta para buffers de mayor capacidad. 
+
+\subsubsection*{Traza ``Grande'' y ``Peque\~na''}
+bla bla bla
+
+\subsection{Tabla de comparaciones}
+En funci\'on de los an\'alisis anteriores se presenta la siguiente tabla comparativa de eficiencia de las distintas estrategias en los distintos contextos:
+\begin{center}
+  \begin{tabular}{ | l | c | c | c | c | }
+    \hline
+    \multirow{2}{*}{Estrategia} & \multicolumn{2}{c|}{\textbf{BNLJ}} & \multicolumn{2}{c|}{\textbf{Aleatorio}} \\
+    & Buffer Peque\~no & Buffer grande & Buffer Peque\~no & Buffer grande \\ \hline
+    \textbf{Count} & Bueno & Bueno & Bueno & Bueno \\ \hline
+    \textbf{MRU} & Bueno & Bueno & Bueno & Bueno \\ \hline
+    \textbf{LRU} & Malo & Bueno & Malo & Bueno \\ \hline
+    \textbf{FIFO} & Malo & Bueno & Malo & Bueno \\ \hline
+  \end{tabular}
+\end{center}

TP2/sources/doc/impl.tex

@@ -26,11 +26,11 @@ \subsection{Estrategias nuevas}
 \item \textbf{MRU}: esta estrategia registra para cada frame en memoria la fecha en la que fue referenciado por \'ultima vez. Para seleccionar la v\'ictima itera a trav\'es de todas las p\'aginas en memoria y selecciona la que fue referenciada m\'as recientemente.
 \item \textbf{LRU}: al igual que MRU, lleva un registro de la \'ultima vez que fue accedida cada p\'agina y escoge como v\'ictima a la que fue referenciada menos recientemente.
 \item \textbf{Count}: esta estrategia lleva una contabilidad de los pedidos a cada p\'agina y para elegir la v\'ictima, escoge 
-la p\'agina menos pedida hasta el momento. Por esto se la conce como ``No usada frecuentemente'' o NFU.
-\item \textbf{Best}: esta estrategia implementa el algoritmo de reemplazo de p\'agina \'optimo de \textit{Belady}. utiliza el conocimiento de la secuencia completa de pedidos antes de ser ejecutada, por lo tanto no es \'util desde el punto de vista pr\'actico
-pero s\'i para comparar con el resto de las estrategias. Selecciona como v\'ictima la p\'agina con mayor distancia a su pr\'oxima referencia, o bien a una de aquellas p\'aginas que no van a ser m\'as referenciadas en la traza.
-\item \textbf{Random}: la estrategia RANDOM devuelve como v\'ictima un frame al azar. Ser\'a usada para 
-comparar eficiencia con otras estrategias.
+la p\'agina menos pedida hasta el momento. Por esto se la conce como ``No usada frecuentemente'' o NFU \cite{wiki1}.
+\item \textbf{Best}: esta estrategia implementa el algoritmo de reemplazo de p\'agina \'optimo de Belady \cite{bel66}. Utiliza el conocimiento de la secuencia completa de pedidos antes de ser ejecutada, por lo tanto no es \'util desde el punto de vista pr\'actico
+pero s\'i para comparar con el resto de las estrategias. Selecciona como v\'ictima la p\'agina con que tiene el tiempo hasta a su pr\'oxima referencia mas grande, o bien a un p\'agina que no va a volver a ser referenciada.
+\item \textbf{Random}: esta estrategia devuelve como v\'ictima un frame al azar. Ser\'a usada para 
+comparar eficiencia con otras estrategias, dada la falta de l\'ogica en esta estrategia ser\'a considerada como un ``piso'' de la eficiencia. 
 \end{itemize}
 Para seguir manteniendo el orden de c\'odigo estas estrategias se implementaron cada un en un sub-paquete de java propio 
 bajo \textit{ubadb.components.bufferManager.bufferPool.replacementStrategies}.

TP2/sources/doc/informe.tex

@@ -10,6 +10,7 @@
 \usepackage{color}
 \usepackage{xcolor}
 \usepackage{alltt}
+\usepackage{multirow}