Mário Meireles Teixeira. Departamento de Informática, UFMA. Técnicas de Modelagem. Técnicas de Avaliação de desempenho.

Transcrição

1 Simulação Mário Meireles Teixeira Departameto de Iformática, UFMA Técicas de Modelagem Técicas de Avaliação de desempeho Aferição Modelagem Protótipos Bechmarcks Coleta de Dados Rede de Filas Redes de Petri Statecharts Modelo Solução Métodos Aalíticos Simulação 2 1

2 Soluções para o Modelo Solução por Simulação Uso preferecial das técicas de modelagem 3 Soluções para o Modelo Solução por Simulação Modelos de simulação são programas de computador os quais a operação de um sistema e sua carga são descritas por meio de algoritmos apropriados 4 2

3 Solução por Simulação Simulação - o que é? costrução de um programa computacioal que implemete um modelo; supõe-se que o modelo seja uma represetação válida do sistema em estudo. 5 Solução por Simulação Simulação é uma técica bastate útil para a aálise de desempeho de sistemas computacioais Especialmete: Se o sistema ão estiver dispoível Para prever o desempeho de diversas alterativas Facilidade de realizar comparações para uma maior variedade de cargas e ambietes computacioais 6 3

4 Simulação Emprego Criação de ambietes virtuais Avaliação de desempeho de sistemas complexos Ambietes Virtuais Decisões humaas fazem parte do processo Simulações Aalíticas Decisões humaas ão fazem parte do processo Mudo real simulações militares Jogos Simulação Aumeta o grau de abstração e velocidade Aumeta o grau de realismo e custo 7 Simulação - Ambietes Virtuais Aálise Comportametal Jogos Simuladores 8 4

5 Simulação - Avaliação de Desempeho Exemplo: Simulação de um ambiete que faz reservas de passages e hotéis e cosegue adaptar-se a cargas de trabalho variáveis Pode-se avaliar: Adequabilidade de um ídice de medição da carga Utilização de diferetes arquiteturas de back-ed Utilização de diferetes políticas de escaloameto 9 Técicas de Simulação Objetivo Tempo Iteração humaa Precisão Simulação Aalítica Aálise quatitativa de sistemas complexos O mais rápido possível Observador extero Resultados estatisticamete corretos Ambietes Virtuais Criação realista ou represetação para diversão / apredizado Tempo Real Itegral, a fim de cotrolar os objetos Sesível à precisão humaa 10 5

6 Tipos de Simulação Processos X Evetos X Atividade 11 Tipos de Simulação Simulação Orietada a Eveto Simples de ser implemetada Modelos complexos -> represetação complexa Simulação orietada a Processos Ambiete de simulação complexo Maior clareza o programa Simulação orietada a Atividades Difícil de ser implemetada 12 6

7 Termiologia Variáveis de estado Defiem o estado do sistema. Se iterrompida, a simulação pode ser reiiciada somete se as variáveis de estado são cohecidas. Ex: tamaho da fila de jobs Eveto Mudaça o estado do sistema. Exemplos: chegada de um job; iício de uma ova execução; partida do job. 13 Termiologia Modelo de Tempo Cotíuo: o estado do sistema está defiido em todos os istates. Ex: modelo de escaloameto de uma CPU 14 7

8 Termiologia Modelo de Tempo Discreto: o estado do sistema está defiido apeas em istates particulares Ex: úmero de aluos presetes a cada aula 15 Termiologia Modelos de Estado Cotíuo e Estado Discreto Depede se as variáveis de estado são cotíuas ou discretas Ex: - tempo gasto estudado uma determiada matéria - tamaho da fila Modelo de estado discreto ó Modelo de evetos discretos Modelo de estado cotíuo ó Modelo de evetos cotíuos Cotiuidade de tempo Cotiuidade de estado Combiações possíveis: estado discreto/tempo discreto estado discreto/tempo cotíuo estado cotíuo/tempo discreto estado cotíuo/tempo cotíuo 16 8

9 Termiologia Modelos Determiísticos e Probabilísticos Nos modelos determiísticos, os resultados podem ser previstos com certeza Nos modelos probabilísticos, diferetes repetições para os mesmos parâmetros de etrada produzem resultados diferetes Modelos Estáticos e Diâmicos Modelos estáticos são aqueles os quais o tempo ão é uma variável. Ex: E = mc 2 vs. Modelo de escaloameto de CPU Modelos Lieares e Não-Lieares output = f (iput) 17 Termiologia Modelos Abertos e Fechados Nos modelos abertos a etrada é extera ao modelo e idepedete do mesmo. Nos fechados, ão há etrada. Modelos Estáveis e Istáveis Estável atige regime permaete (equilíbrio) Istável muda cotiuamete de comportameto 18 9

10 Modelos de Sistemas Computacioais Tempo cotíuo Estados discretos Probabilístico Diâmico Não-liear Aberto ou fechado Estável ou istável 19 Tipos de Simulação Avaliação de Desempeho Emulação Utiliza-se hardware ou firmware Ex: emulador de termial, de processador Evolve basicamete questões de projeto de hardware Simulação de Mote Carlo Simulação Dirigida por Traces Simulação de Evetos Discretos 20 10

11 Método de Mote Carlo Simulação estática (sem eixo do tempo) Usado para modelar feômeos probabilísticos cujas características ão mudam com o tempo Necessita de úmeros pseudo-aleatórios, assim como as simulações diâmicas Também pode ser usado para avaliar expressões ão probabilísticas através de métodos probabilísticos. Ex: cálculo de itegrais 2 I = e 0 x 2 dx aproximada por: x i y = 2e i ~ Uiforme(0,2) 2 xi 1 I = E( y) = i= 1 y i 21 Simulação Dirigida por Traces Trace: registro de evetos de um sistema ordeado de acordo com o tempo. Uma simulação dirigida por traces utiliza traces para gerar sua etrada Exemplos: trace de escaloameto de jobs, de istruções de processador, de págias refereciadas o disco, logs de servidores web, de proxies Método comum a avaliação de desempeho de sistemas computacioais, p.ex., para aalisar algoritmos de gereciameto/escaloameto de recursos. Exemplos: pagiação, caches, escaloameto de processador, de requisições HTTP, preveção e detecção de deadlocks, balaceameto de carga 22 11

12 Simulação Dirigida por Traces: Vatages Credibilidade: resultados fáceis de veder Validação fácil: pode-se comparar o resultado da simulação com a aferição do sistema em estudo Carga de trabalho precisa: preserva correlações e iterferêcias a carga de trabalho Trade-offs detalhados: carga de trabalho detalhada permite verificar os efeitos de pequeas alterações os algoritmos 23 Simulação Dirigida por Traces: Vatages Meor aleatoriedade Trace é uma etrada determiística Meor úmero de repetições para alcaçar o mesmo ível de cofiaça estatística Comparação justa: pode-se comparar diferetes alterativas usado a mesma etrada (melhor do que etrada aleatória) Semelhaça com a implemetação real: o modelo dirigido por traces é semelhate ao sistema sedo modelado 24 12

13 Simulação Dirigida por Traces: Desvatages Complexidade: modelo mais detalhado Represetatividade: as características da carga de trabalho variam com o tempo e o tipo de sistema Tamaho do trace: os traces são seqüêcias muito logas; poucos miutos echem um disco Poto úico de validação: cosiderar o uso de mais de um trace (um trace = um ceário específico) Detalhes: um trace evolve muitos detalhes que podem atrasar a simulação Verificação de trade-offs: um trace é pouco flexível; difícil alterar a carga de trabalho 25 Simulação de Evetos Discretos Baseia-se em um modelo de estados discreto do sistema, i.e., um modelo o qual o estado do sistema assume valores discretos Tempo pode ser discreto ou cotíuo Compoetes da Simulação de Evetos Discretos: Escaloador de evetos Relógio da simulação Variáveis de estado do sistema Rotias para tratameto de evetos Rotias de etrada de dados, iicialização e trace Geração de relatórios Gereciameto de memória Programa pricipal 26 13

14 Compoetes da Simulação: Escaloador de Evetos Matém uma Lista de Evetos Futuros (LEF) da simulação Atribuições do escaloador: Escaloar um eveto e o tempo t Cacelar um eveto previamete escaloado Suspeder um eveto durate um itervalo de tempo dt Escaloador é um dos compoetes mais solicitados durate a simulação ð implicações de eficiêcia LEF pode ser: Lista duplamete ecadeada Lista idexada (caledar queues) Árvores biárias; heaps 27 Compoetes da Simulação de Evetos Discretos Relógio da Simulação: Variável global que represeta o tempo simulado. Avaçado pelo escaloador de evetos. Mecaismos de Avaço do Tempo: baseado em uidades de tempo dirigido a evetos Variáveis de Estado: variáveis globais que descrevem o estado do sistema. Ex: - úmero de jobs o sistema (global) - tempo de CPU gasto por um job (local) 28 14

15 Compoetes da Simulação de Evetos Discretos Rotias para Tratameto de Evetos: cada eveto possui uma rotia associada, resposável por atualizar as variáveis de estado e escaloar ovos evetos Três evetos: chegada de um job, escaloameto e partida Rotias de etrada de dados Obteção dos parâmetros do modelo Variação detro de uma certa faixa Rotias de iicialização Atribuem os valores iiciais das variáveis de estado Iicializam as semetes 29 Compoetes da Simulação de Evetos Discretos Rotias de trace (acompahameto) Depuração da simulação Mecaismo O/Off Geração de relatórios: resultado fial da simulação Gereciameto de memória: coleta de lixo Programa Pricipal Iicialização Execução Resultados 30 15

16 Simulação - Exemplo Cotrole de tráfego aéreo Simulação orietada a evetos: chegada do avião escaloa pouso escaloa partida 31 Simulação - Exemplo chegada schedules 8:00 partida pouso 8:05 schedules 9:15 chegada 9:30 Eveto processado Eveto correte Eveto ão processado Tempo da simulação Evetos ão processados são armazeados em uma lista de evetos futuros (LEF) Evetos são processados seguido a ordem de time stamp 32 16

17 Simulação - Exemplo Modelo do sistema físico Aplicação variáveis de estado código modelado o comportameto do sistema etrada e saída (iterface com o usuário) Idepede da aplicação Chamadas para escaloameto dos evetos Simulação Gerecia a lista de evetos Avaça o tempo da simulação Chamadas para gereciameto dos evetos 33 Procedimetos para gereciameto dos evetos Variáveis de estado Iteger: NoAr; Iteger: NaTerra; Eveto Chegada { } Eveto Pouso { } Eveto Partida { } Aplicação Simulação Laço de processameto dos evetos Agora = 8:45 Lista de Evetos Futuros (LEF) 9:00 10:10 9:16 Equato (simulação ão é ecerrada) faça E = eveto com meor timestamp a LEF Retire E da LEF Agora = timestamp de E Chamada ao maipulador do procedimeto 34 17

18 Fases de uma Simulação 1. estudo do sistema e defiição dos objetivos; 2. costrução do modelo; 3. determiação dos dados de etrada e saída; 4. tradução do modelo; 5. verificação do programa de simulação; 6. validação do programa (modelo) de simulação; 7. experimetação; 8. aálise dos resultados; 9. documetação. 35 Solução por Simulação validação operacioal experimetação Programa Simulação Problema Implemetação do programa aálise e modelameto validação do modelo Modelo Verificação do modelo computacioal 36 18

19 Fases de uma Simulação 1. estudo do sistema e defiição dos objetivos; 2. costrução do modelo; 3. determiação dos dados de etrada e saída; 4. tradução do modelo; 5. verificação do programa de simulação; 6. validação do modelo de simulação; 7. experimetação; 8. aálise dos resultados; 9. documetação. 37 Desevolvimeto de simulação Cohecimetos ecessários para o desevolvimeto de uma simulação seqüecial Modelagem Programação / Liguages para simulação Probabilidade e estatística para aálise dos resultados 38 19

20 Tradução do modelo Software para simulação Liguages de programação de uso geral Costrução do ambiete e do programa Liguages de simulação Apredizado de ovas liguages Oferece suporte para a implemetação da simulação Exemplos: SIMSCRIPT (evetos) GPSS, SIMULA (processos) 39 Tradução do modelo Software para simulação Extesões fucioais Uso de liguages cohecidas Implemeta o ambiete Dispoibiliza os recursos da liguagem hospedeira Exemplos: SimPy, SMPL, SIMPACK, Sim++ Pacotes de uso específico Voltados a um ou mais domíios de aplicação Pouco flexíveis Exemplos: NS-2, PeerSim, CloudSim 40 20

21 Exemplos de Pacotes de Simulação Software ARENA OPNET Modeler QueGAUS S PROVISA WorkFlow Aalyzer Proprietári o Systems Modelig Corporatio MIL 3, Ic. Aptech Systems, Ic. AT&T Meta Software Corp. Aplicações Típicas Plataforma s Ferrameta de Simulação geral, molda- -se a muitas aplicações diferetes. PC s (DOS) e Estações (UNIX) Modelagem de protocolos de comuicaç ão de redes. DEC-Alpha, HP-UX, IBM, SUN Sistemas de filas. IBM PC, SUN, IBM RISC. Maufatu ra com capacida de fiita de escaloameto IBM PC, SUN, HP. Melhorias de processo s de egócios IBM, MAC, SUN. Preço (U$) Versão Padrão Cotato com o vededor Cotato com o vededor Tradução do modelo Software para simulação Ambietes para Simulação Automáticos Facilitam a elaboração de programas de simulação Pouco cohecimeto de simulação ou programação Usuário deve cohecer as técicas de modelagem Geram o programa automaticamete Oferecem ferrametas que orietam o usuário a descrição, coleta de dados e aálise de resultados 42 21

22 Desevolvimeto do Programa Depede da Abordagem escolhida 1. Atividade 2. Eveto 3. Processo 43 Desevolvimeto do Programa Depede da Abordagem escolhida 1. Processos Desevolvimeto de um processo para cada recurso Ativação de todos os processos cocorretemete Problema: Sicroismo etre os processos 44 22

23 Desevolvimeto do Programa Depede da Abordagem escolhida 2. Atividade Loop verificado a cada pulso de clock se existe atividade a ser executada Sobrecarga de processameto muito alta Iviável por problemas de desempeho 45 Desevolvimeto do Programa Depede da Abordagem escolhida 3. Evetos Defie-se uma lista de evetos futuros (LEF) Todos os evetos a ser executados devem estar essa lista em ordem de timestamp Detro de um loop, o próximo eveto é retirado da lista, executado e evetualmete são colocados a lista ovos evetos ativados pela execução do eveto atual 46 23

24 Desevolvimeto do Programa Abordagem mais utilizada para simulação de sistemas computacioais: 1. Evetos Implemetação mais fácil 2. Processos Sistemas complexos geram programas mais claros 47 Aspectos importates: Nível de detalhameto do modelo Nem sempre um modelo mais detalhado é o melhor modelo Problemas com detalhes excessivos: Mais tempo de desevolvimeto do modelo Maior probabilidade de erros e mais tempo gasto para idetificá-los Maior tempo de execução da simulação Necessidade de um maior cohecimeto dos parâmetros de etrada que, se ão estiverem dispoíveis, toram o modelo impreciso Melhor itroduzir detalhes o modelo aos poucos 48 24

25 Aspectos importates Escolha da liguagem Liguagem de simulação (SIMULA, SIMSCRIPT) Liguagem de propósito geral (C, FORTRAN) Extesão de uma liguagem (GASP, SMPL, SIMPACK) Pacotes de simulação (QNET4, OPNET, NS-2) Verificação do modelo Implemetação do modelo ão pode coter erros Validação do modelo Modelo tem que represetar corretamete o sistema real Cuidado com hipóteses equivocadas! Tratameto das codições iiciais A parte iicial da simulação (warm-up) geralmete ão é represetativa do comportameto do sistema em regime permaete (equilíbrio) 49 Aspectos importates Duração da simulação Simulações muito curtas são muito depedetes das codições iiciais e podem ão represetar o sistema real Geração de úmeros aleatórios Utilize geradores amplamete cohecidos e aalisados! Seleção de semetes Escolha cuidadosa evita correlação estatística idesejada etre diferetes rodadas da simulação Habilidades esseciais Modelagem Estatística; Programação; Cohecimeto do sistema sedo modelado Objetivos claros O que se pretede avaliar? 50 25

26 Exemplos SimPack Diagrama de Classes Future 1 1 Vlist 0..1 Toke Evet Liked Leftist Caledar Heap +Isert() +Remove() * 1 Facility +Request() +Preempt() +Release() * * Lode * 1 Flist 52 26

27 Exemplo: Fila M/M/1 #iclude queuig.h // Biblioteca SimPack eum EvetId {ARRIVAL, REQUEST_SERVER, RELEASE_SERVER}; cost it TIME_LIMIT = 1000; Facility * queue = NULL; // cetro de serviço (fila) // Rotias de tratameto de evetos void Arrive (void); void RqstSrvr (void); void RlsSrvr (void); 53 Programa Pricipal it mai () { ew Future (LINKED); // cria LEF queue = ew Facility ("queue"); // cria fila M/M/1 Toke customer (1); // primeiro cliete (toke) Future::Schedule (ARRIVAL, 0.0, customer); // escaloa chegada The image caot be displayed. Your computer may ot have eough memory to ope the } while (Future::SimTime() < TIME_LIMIT) // codição de parada { // da simulação Estatus es = Future::NextEvet (); // próximo eveto da LEF switch(es.evet_id) { case ARRIVAL : Arrive (); break; case REQUEST_SERVER : RqstSrvr (); break; case RELEASE_SERVER : RlsSrvr (); break; default : ErrXit (1, "evet_id ivalido"); } } Future::ReportStats (); // resultados retur 0; 54 27

28 Tratameto de Evetos (1) The image caot be displayed. Your computer may ot have eough memory to ope the image, or the void Arrive () { Toke customer = Future::CurretToke (); Future::UpdateArrivals (); // registra a chegada (λ) Future::Schedule (REQUEST_SERVER, 0.0, customer); customer.id (customer.id() + 1); // Escaloa a próxima chegada Future::Schedule (ARRIVAL, exptl(2.0), customer); } void RqstSrvr () { Toke customer = Future::CurretToke (); // obtém toke atual if (queue->request (customer) == FREE) // solicita o recurso { double sample = exptl (2.0); Future::Schedule (RELEASE_SERVER, sample, customer); } } 55 Tratameto de Evetos (2) void RlsSrvr () { Toke customer = Future::CurretToke (); it who = customer.id(); } queue->release (who); // libera o recurso Future::UpdateDepartures (); // registra o térmio (X) 56 28

29 Resultados Future costructed: Mo Ju 28 09:55: SimPack SIMULATION REPORT Total Simulatio Time: Total System Arrivals: 501 Total System Departures: 494 System Wide Statistics NOTE: facility 1 'queue' has 1 busy server(s) System Utilizatio: 97.7% Arrival Rate: , Throughput: Mea Service Time per Toke: Mea # of Tokes i System: Largest FEL size was 3 Mea Residece Time for each Toke: Facility Statistics F 1 (queue): Idle: 2.3%, Util: 97.7%, Preemptios: 0, LogestQ: Exemplo: Servidor Web com múltiplas classes #iclude "queuig.h // Biblioteca SimPack // Defiição de costates cost log TEMPO_SIMUL = 1000; cost it VISITAS_DISCO = 1; cost double INTERVALO_CHEG = 0.2; cost it NUMCLASS = 4; Requisições Disco CPU Iterface de Rede Resultados cost double media_cpu[4] = {0.375, 0.325, 0.2, 0.075}; cost double media_disco[4] = {0.175, 0.175, 0.175, 0.125}; cost double media_ic[4] = {0.2, 0.225, 0.25, 0.525}; cost double p[numclass] = {0.35, 0.85, 0.99, 1.00}; eum TipoEveto {CHEGADA, REQ_CPU, LIBERA_CPU, REQ_DISCO, LIBERA_DISCO, REQ_NIC, LIBERA_NIC}; // Variáveis globais Facility *cpu = NULL, *disco = NULL, *ic = NULL; // cetros de serviço (filas) Toke cliete; // toke da simulação 58 29

30 it mai() { ew Future(LINKED); cpu = ew Facility("CPU", 1);... cliete.id(1); cliete.settokeiattr(0, VISITAS_DISCO); it classe = GeraClasReq(); cliete.settokeiattr(1, classe); Programa Pricipal // repetir para disco e rede // primeiro toke da simulação // attr0 = VISITAS_DISCO // attr1 = Classe Requisicao Future::Schedule(CHEGADA, 0.0, cliete); // primeira chegada de cliete while (Future::SimTime() < TEMPO_SIMUL) { Estatus es = Future::NextEvet(); cliete = es.toke; switch(es.evet_id) { case CHEGADA : Chegada(); break; case REQ_CPU : ReqCpu(); break;... default : ErrXit (1, "evet_id ivalido"); } }... Future::ReportStats(); // imprime o relatório da simulação 59 Tratameto de Evetos (1) void Chegada() { Future::Schedule(REQ_CPU, 0.0, cliete); Future::UpdateArrivals(); Requisições Disco CPU Iterface de Rede Resultados } // Escaloa a chegada do proximo cliete cliete.id(cliete.id() + 1); cliete.settokeiattr(0, VISITAS_DISCO); it classe = GeraClasReq(); cliete.settokeiattr(1, classe); Future::Schedule(CHEGADA, INTERVALO_CHEG, cliete); void ReqCpu() { if (cpu->request(cliete) == FREE) { it classe = cliete.tokeiattr(1); double media = media_cpu[classe] / (VISITAS_DISCO + 1); Future::Schedule(LIBERA_CPU, exptl(media), cliete); } } 60 30

31 void LiberaCpu() { it id = cliete.id(); cpu->release(id); Tratameto de Evetos (2) Requisições Disco CPU Iterface de Rede Resultados } it um_visitas = cliete.tokeiattr(0); // obtém úm. visitas ao disco if (um_visitas > 0) // cliete aida ão termiou Future::Schedule(REQ_DISCO, 0.0, cliete); // escaloa o disco else Future::Schedule(REQ_NIC, 0.0, cliete); // escaloa a Itf. de rede... void LiberaNic() { it id = cliete.id(); ic->release(id); Future::UpdateDepartures(); } // atedimeto cocluído 61 Resultado da Simulação (1) Future costructed: Wed Ju 23 10:46: SimPack SIMULATION REPORT Total Simulatio Time: Total System Arrivals: 5001 Total System Departures: 2584 System Wide Statistics NOTE: facility 1 'CPU' has 1 busy server(s) NOTE: facility 2 'DISCO' has 1 busy server(s) System Utilizatio: 73.8% Arrival Rate: , Throughput: Mea Service Time per Toke: Mea # of Tokes i System: Largest FEL size was 5 Mea Residece Time for each Toke:

32 Resultado da Simulação (2) Facility Statistics F 1 (CPU): Idle: 0.0%, Util: 100.0%, Preemptios: 0, LogestQ: 2414 F 2 (DISCO): Idle: 37.0%, Util: 63.0%, Preemptios: 0, LogestQ: 13 F 3 (REDE): Idle: 41.5%, Util: 58.5%, Preemptios: 0, LogestQ: 9 Parametros da Simulacao (SERVWEB1.CPP) Itervalo etre chegadas...: Classes...: