動機
提出獨立引用模型（和其他類似模式）的動機是為了彌補這種存儲設備中“痕跡”的缺失。
“跟蹤”只是記錄有關存儲設備性能的一組數據，重點關注I / O請求：讀取/寫入操作的數量，每個請求的大小，確切地址（LUN-wise） ，和時間戳。
準確，有效和詳細的實際存儲系統跟蹤很難達到學術分析的目的（超出本文範圍的原因），這就是為什麼這些模型是必需的。
通常情況下，與完整跟蹤相比，可用數據更粗糙，質量更低：例如，數據可能會記錄每個時間單位T，即每個LUN發生的I / O數量（或跟蹤），以及總的命中/失敗率 。
例子
例如：對於具有4個磁軌A，B，C和D的磁碟驅動器，工作15分鐘後，I / O請求如下：A，B，C和D分別為7600,20,50,6000 。
很容易明白為什麼這些數據不足以確定實際的工作負載：考慮第二個更簡單的例子：兩條軌道A和B，每個軌道在15分鐘內都有1000個I / O。
要回答這個簡單的問題，“這15分鐘內磁碟有多難？”然後考慮以下兩種情況：
（I）磁碟首先收到並回響軌道A的所有1,000個I / O請求，然後回響軌道B的所有1,000個I / O。
（II）磁碟接收並回響來自不同磁軌的I / O請求，可交換使用：首先在A處，然後在B處，然後再次A，交替A / B高達1000次。
很容易看出，在每種情況下，磁碟完成的工作量都大不相同（在第一種情況下，情況是磁碟執行的工作量最小，不必在磁軌之間移動超過一次，在第二種情況下，最大的工作量）。
I.R.M.最初由E.Coffman和P. Denning提出，並且仍在積極使用。這是最簡化的模型。
在這個“無記憶”模型中，每個I / O引用代表一個i.i.d多項隨機變數，其結果是下一個參考軌道的位置。因此，到達任何給定軌道必須以特定的平均速率發生，這與請求軌道的機率成正比。更具體地說，對給定軌道的請求的到達率等於其被參考的訪問機率乘以總的請求速率。
也就是說，我們將N表示為所有I / O請求（讀取和寫入）的總和，並將每個I / O的數量（由它來自I）分配給每個軌道的機率除以N.在我們的情況下第一個例子：N = 7600 + 20 + 50 + 6000 = 13,670我們將為每個軌道分配以下機率：
A→7600 / N，B→20 / N，C→50 / N，D→6000 / N。
這種模式的好處，除了簡單易用，它的保守特性。這意味著在分析最壞情況時，我們不能在模型的結果中非常關閉，如以下示例所示：
回到第二個例子：
在最好的情況下 - 磁碟只能從A到B移動一次，在最壞的情況下，磁碟會前後移動2000次。
使用I.R.M.模型（不會帶到這裡的技術計算），那么預期的軌道間距就是1000次。
也就是說：結果是從最壞情況下的兩倍，而在最好的情況下，它實際上是1000的倍數！
事實上，可以證明，I.R.M.模型總是滿足它總是“關閉”，最多為2的倍數。
