2

我正在尝试如下建模系统：

到达根据预定义的时间表生成，并且具有由数据帧提供的已知处理时间。在模拟开始时有一个容量等于 min_daemons 的服务器。到目前为止很简单，但 nxt 部分变得棘手：根据以下算法，此容量可以在整个模拟过程中的间隔 [min_daemons , max_daemons] 上变化：

如果在模拟过程中的任何时候，队列长度达到或超过 incr_count 的值，并且在 incr_delay 中保持在此水平或以上，则向主服务器添加一个额外的容量单位。这可能随时发生，只要容量不超过 max_daemons。

反之亦然。如果在任何时候，队列长度小于 decr_count，并且在 decr_delay 中保持在此级别或以下，则删除一个容量单位，可能会降至 min_daemons 级别。

当满足上述更改服务器容量的条件时，我为所有到达分支创建了一个轨迹。这样做的问题是容量的变化总是与到达事件相关联。我真正想要的是一个独立于到达轨迹的过程，它始终监控队列长度并进行适当的容量更改。

我考虑过使用某种虚拟到达过程来完成此操作，例如在模拟的每一秒，但我不确定是否可以防止虚拟到达与真实到达竞争服务器容量。

#instantiate simulation environment
env <- simmer("queues") %>% add_resource("daemon",1) %>% add_global("incr_start",99999) %>% add_global("decr_start",99999)

run <-  trajectory() %>% 
  branch(option = function() if (get_queue_count(env,"daemon") >=  incr_count) {1}
                             else if (get_queue_count(env,"daemon") <= decr_count) {2}
                             else {3}
         ,
         continue = c(T, T, T)
         ,
         trajectory("increment?")
         %>% branch(option = function() if (now(env) - get_global(env,"incr_start") >= incr_delay
                                            & get_capacity(env,"daemon") < max_daemons) {1}
                                        else if (get_global(env,"incr_start")==99999) {2}
                                        else {3}
                    ,
                    continue = c(T, T, T)
                    ,
                    trajectory("increment")
                    %>% log_(function () {paste("Queue size is: ",get_queue_count(env,"daemon"))})
                    %>% log_(function () 
                      {paste("Queue has exceeded count for ",now(env)-get_global(env,"incr_start")," seconds.")})
                    %>% set_capacity(resource = "daemon", value = 1, mod="+")
                    ,
                    trajectory("update incr start")
                    %>% set_global("incr_start",now(env))
                    %>% log_("Queue count is now above increment count. Starting increment timer.")
                    ,
                    trajectory("do nothing")
                    %>% log_("Did not meet increment criteria. Doing nothing.")
         )
         ,
         trajectory("decrement?")
         %>% branch(option = function() if (now(env) - get_global(env,"decr_start") >= decr_delay
                                            & get_capacity(env,"daemon") > min_daemons) {1}
                                        else if (get_global(env,"decr_start")==99999) {2}
                                        else {3}
                    ,
                    continue = c(T, T, T)
                    ,
                    trajectory("decrement")
                    %>% log_(function () {paste("Queue size is: ",get_queue_count(env,"daemon"))})
                    %>% log_(function () 
                      {paste("Queue has been less than count for ",now(env)-get_global(env,"incr_start")," seconds.")})
                    %>% set_capacity(resource = "daemon", value = -1, mod="+")
                    ,
                    trajectory("update decr start")
                    %>% set_global("decr_start",now(env))
                    %>% log_("Queue count is now below decrement count. Starting decrement timer.")
                    ,
                    trajectory("do nothing")
                    %>% log_("Did not meet decrement criteria. Doing nothing.")
         )
         ,
         trajectory("reset_timer")
         %>% log_("Did not meet criteria to increment or decrement. Resetting timers.")
         %>% set_global("decr_start", values = 99999)
         %>% set_global("decr_start", values = 99999)
  ) %>%
  seize("daemon") %>% 
  log_("Now running") %>%
  log_(function () {paste(get_queue_count(env,"daemon")," runs in the queue.")}) %>%
  timeout_from_attribute("service") %>% 
  release("daemon") %>% 
  log_("Run complete")

env %>% 
  add_dataframe("run", run, arr,time="absolute") %>% 
  run(200)

我需要做更多的调试来验证模拟是否按我的预期工作，但我完全理解这个模型是错误的。我希望该设计不会过多地损害其有效性，但我也希望获得有关如何设计更符合现实生活的东西的反馈。

4

1 回答 1

2

定期检查状态会破坏离散事件的全部目的。我们这里有一个异步过程，因此对其建模的正确方法是使用信号。

我们需要问自己：什么时候可以排队...

  1. 增加？当到达seize()活动时。因此，在尝试获取资源之前，我们需要检查排队到达的数量并采取相应措施：

    • 如果它等于decr_count，则必须发送一个信号来取消任何降低服务器容量的尝试。
    • 如果等于incr_count - 1，则必须发送信号以请求增加服务器的容量。
    • 否则什么都不做。

  2. 减少？当一个到达被服务时（即，继续到下一个活动之后seize()。所以在抢占资源之后，我们还需要检查入队到达的数量：

    • 如果它等于incr_count - 1，则必须发送一个信号来取消任何增加服务器容量的尝试。
    • 如果它等于decr_count，则必须发送一个信号来请求减少服务器的容量。
    • 否则什么都不做。

检查入队到达的数量并决定需要哪种信号（如果有）的过程可以捆绑在一个可重用的函数中（我们称之为它check_queue），如下所示：

library(simmer)

env <- simmer()

check_queue <- function(.trj, resource, mod, lim_queue, lim_server) {
  .trj %>% branch(
    function() {
      if (get_queue_count(env, resource) == lim_queue[1])
        return(1)
      if (get_queue_count(env, resource) == lim_queue[2] &&
          get_capacity(env, resource)    != lim_server)
        return(2)
      0 # pass
    },
    continue = c(TRUE, TRUE),
    trajectory() %>% send(paste("cancel", mod[1])),
    trajectory() %>% send(mod[2])
  )
}

main <- trajectory() %>%
  check_queue("resource", c("-", "+"), c(decr_count, incr_count-1), max_daemons) %>%
  seize("resource") %>%
  check_queue("resource", c("+", "-"), c(incr_count-1, decr_count), min_daemons) %>%
  timeout_from_attribute("service") %>%
  release("resource")

这样一来，主轨迹就相当简单了。然后，我们需要几个进程来接收这样的信号并在一些延迟后增加/减少容量：

change_capacity <- function(resource, mod, delay, limit) {
  trajectory() %>%
    untrap(paste("cancel", mod)) %>%
    trap(mod) %>%
    wait() %>%
    # signal received
    untrap(mod) %>%
    trap(paste("cancel", mod),
         handler = trajectory() %>%
           # cancelled! start from the beginning
           rollback(Inf)) %>%
    timeout(delay) %>%
    set_capacity(resource, as.numeric(paste0(mod, 1)), mod="+") %>%
    # do we need to keep changing the capacity?
    rollback(2, check=function() get_capacity(env, resource) != limit) %>%
    # start from the beginning
    rollback(Inf)
}

incr_capacity <- change_capacity("resource", "+", incr_delay, max_daemons)
decr_capacity <- change_capacity("resource", "-", decr_delay, min_daemons)

最后，我们将资源、流程和数据添加到模拟环境中：

env %>%
  add_resource("resource", min_daemons) %>%
  add_generator("incr", incr_capacity, at(0)) %>%
  add_generator("decr", decr_capacity, at(0)) %>%
  add_dataframe("arrival", main, data)

请注意，我没有检查此代码。它可能需要一些调整，但总体思路就在那里。

于 2019-03-27T18:34:19.673 回答