数据收集与仿真
大多数建模工作的目标是获得系统性能的度量,或观察系统的行为。Modeler 通过创建系统的可执行模型来支持这些活动。只要模型足以代表实际系统,Modeler 就能通过运行仿真获得对性能和行为的逼真估计。Modeler 提供了若干机制,用于从一个或多个系统仿真中收集所需的数据。
更多信息参见
仿真输出数据类型
离散事件仿真能够产生多种类型的输出。当然,由于进程模型和链路模型具有通用的可编程性,开发者可以定义自己类型的输出文件,包括文本报告、专用二进制文件等。但在大多数情况下,建模者使用的是离散事件仿真直接支持的数据类型:
关键概念——如果需要,建模者可以利用 Riverbed 模型的可编程性创建专用形式的仿真输出。但在大多数情况下,用户使用离散事件仿真能够自动提供的输出,即输出向量、输出标量和动画。
输出向量
可收集的数据有若干不同的形式。从仿真中提取的最常见结果称为输出向量(output vector),它就是一组实数对的集合,每一对称为一个条目(entry)。输出向量通常简称为向量,它包含在一次仿真运行中收集到的、长度不限的条目列表。条目中的第一个值可以看作自变量,第二个值可以看作因变量,二者分别称为横坐标(abscissa)和纵坐标(ordinate)。在大多数情形下,向量的自变量是仿真时间,它随仿真执行的推进单调增加。换句话说,大多数向量表示某个受关注量随时间的变化。在某些条件下,构造横坐标不是时间的向量也是有意义的;这一主题在本手册后面会加以描述。下图展示了向量中所含的典型数据集。请注意,向量可以在同一横坐标值下存储多个纵坐标取值。
关键概念——输出向量表示时间序列的仿真数据。它由条目列表构成,每个条目都是一个时间-取值对。
图 11:输出向量的内容

输出标量
与向量不同,标量统计量是单个的取值。通常,标量统计量是由一组测量值导出的平均值、概率或峰值。例子包括队列的平均长度或最大长度、数据包的平均端到端时延、呼叫被阻塞或掉落的比率、平均呼叫时长等。从这些例子可以清楚看出,许多标量其实就是输出向量中所获得的那一组值对的某种特性或统计量。换句话说,给定输出向量中的所有取值,仿真可以计算并记录若干个有意义的标量。请注意,通常并不需要记录向量中的所有取值,就能计算出反映整个数据集的标量。例如,向量的纵坐标平均值可以通过在取值出现时维护一个累加和,再除以已记录取值的累计个数来获得。因此,就磁盘空间和磁盘 I/O 而言,记录标量通常比记录向量高效得多。
把标量作为单个数据点来看时,其用途通常是有限的。常见的做法是把多次仿真记录下的标量组合起来,形成一张图或一条曲线,用以表示某个系统变量如何随其他系统参数变化。生成这种图所用的因变量和自变量系统变量都记录为标量。例如,性能分析中一张典型的图是 Throughput vs. Offered Load(吞吐量对 offered load),它表示随着数据量增加,网络交付其被要求交付的数据的能力如何。这里 Offered Load 标量是作为每次仿真输入而被改变的自变量。Throughput 在仿真过程中被测量,其最终取值(因为它本身已经是平均值)被记录为另一个标量。
关键概念——标量统计量是表示某个受关注指标的单个取值。它们通常由向量统计量导出,例如平均值、峰值、最终值或其他统计量。通常一次仿真中每个标量统计量只记录一个取值;当运行多次仿真时,它们的标量输出被组合起来形成一张图。
当以 Offered Load 为横轴绘制 Throughput 时,图中的每个点由同一次仿真运行中相应标量统计量的横坐标值和纵坐标值构成。图中的每个点通常对应一次新的仿真运行。下图展示了由标量取值生成的典型曲线。
图 12:标量统计量取值的曲线图

应用专用统计量
对于一组预定义统计量,标量统计量和向量统计量都可以自动计算并记录。预定义统计量与可以在模型内特定对象上测量的取值相关,包括队列长度、链路吞吐量、误码率、排队时延等统计量。此外,模型在仿真过程中计算应用专用统计量并把它们记录到向量输出文件中,也是很常见的做法。这些统计量的计算方式可以完全通用,可以考虑已经发生的事件、系统的当前状态、数据包的内容等。
进程模型可以声明自定义统计量,此时 Modeler 会把它们添加到使用这些进程模型的队列和处理器内置统计量的集合中。自定义统计量的作用域可以是局部的或全局的。局部作用域的统计量为每个声明它的处理器或队列分别维护,适合记录只与某个特定位置的事件相关的信息,例如某台服务器上 CPU 的利用率。相比之下,全局统计量由模型中的许多实体共享并共同贡献取值,适合记录与整个系统的性能或行为相关的信息。全局统计量的一个典型例子是网络所传输的全部应用数据的端到端时延,而不区分其源和目的。
关键概念——Modeler 支持仿真研究中通常受关注的预定义统计量。但许多项目需要以应用特定的方式计算的定制统计量。Modeler 同时支持局部(与某个对象相关)和全局(与整个系统相关)的应用专用统计量。
动画
除了数值形式的输出之外,离散事件仿真还可以对网络模型的行为提供可视化分析。动画是对仿真期间发生的某些选定事件的动态图形表示。这些事件可以在网络、节点或进程领域的图中呈现,也可以简单地呈现在一个空白窗口中。
离散事件仿真可以被配置为自动生成某些类型的预定义动画。Animation 内核过程包还提供了编程实现复杂动画的能力,以定制方式表示仿真事件。Animation 包的内核过程既包含一般绘图功能,也包含 Modeler 专用的图形功能,从而提供灵活的动画能力。
自动动画和自定义动画都可以在仿真运行期间交互式查看,也可以在事后以“回放”方式查看。有关开发和查看动画的更多信息,参见 Discrete Event Simulation API Reference Manual 中 Animation 包内核过程的文档,以及 Animation Viewers Reference Manual 中对动画程序的说明。
关键概念——离散事件仿真可以生成动画,你可以在运行期间或事后查看。Modeler 提供若干形式的预定义或自动动画(数据包流、节点移动、状态转移以及统计量)。你也可以自己编程实现细致的定制动画。
选择要收集的数据
由于标准模型通常包含数量庞大的潜在统计量和动画,仿真执行时收集机制默认并不激活。取而代之,Modeler 提供了一种机制,可以显式激活特定的统计量或动画,使它们被记录到相应的输出文件中。这是通过在运行仿真时指定一个**探针(probe)**列表来实现的。每个探针表明应当收集某个标量统计量、向量统计量或某种形式的动画。探针列表使用 Project Editor 中的 Choose Results 操作定义。你也可以在 Probe Editor 中定义更高级形式的探针,本手册后面会加以描述。
除了启用某个统计量或动画之外,探针还可以规定影响数据收集方式的选项。对于统计量,常用选项包括限定数据收集的时间窗、即时数据缩减,以及修改统计量名称。对于动画,探针允许你定义窗口几何以及若干与动画类型相关的选项。有关探针的更多信息,参见第 10 章“仿真设计”(第 375 页)。
关键概念——仿真可能产生海量输出数据。因此默认情况下每个输出数据源都是禁用的,建模者必须显式启用要收集的特定输出数据。待收集的结果由探针定义,探针还规定影响结果收集或显示方式的选项。