估算并行仿真的收益
模型代码并行执行带来的性能收益取决于事件在时间上的分布以及事件的计算强度。从并行事件执行中受益最大的模型具有以下特征:
- 在计算时间上“昂贵”的事件
- 大量事件密集地出现在同一并行执行窗口中
- 发生在网络不同部分的事件
确定一个仿真在并行方式下能跑多快并非易事。不过,串行和并行开发内核都能生成事件仪表化报告,可用于估算预期的性能收益。
性能估算的基础指标是每个并行执行窗口(也称为单元,cell)中的平均事件数。在最坏情况下,平均每个窗口只有一个事件的仿真无法从并行内核获得任何性能收益,因为没有事件被并行处理。另一方面,每个窗口平均事件数较高的仿真可以从并行执行中受益。但仅凭这一数字并不能保证性能提升,因为同一窗口中的多个事件可能是“链式”的:窗口中的一个事件会在同一窗口中生成后续事件,而该事件必须先执行完毕,后续事件才能开始执行。在节点模型各层之间传递数据、且层间没有建模时间延迟的仿真中,这种情况相当常见。
增大 “parallel_sim.event_execution_time_window” 偏好设置或扩大模型规模,都会使多个事件出现在同一窗口的可能性增加。因此,即使初步研究表明某个网络模型不太可能从并行执行中受益,对于更大的模型,情况也可能发生变化。
对于 “parallel_sim.event_execution_time_window” 哪些取值可以接受,必须慎重考虑。例如,大多数数据包传输协议使用退避或重传间隔;因此,“parallel_sim.event_execution_time_window” 绝不应大于平均间隔值。如果你的模型有一个 0.1 秒的超时,窗口必须小于 0.1。窗口过大会产生不同的输出统计量或事件计数。
并行加速比报告
串行开发仿真内核可以生成并行加速比报告,估算在 multiprocessor(多处理器)系统上运行仿真所能达到的最高理论速度提升。生成该报告无需先使现有模型具备并行安全性。因此,由于某些协议和模型可能没有足够的内在并行度来值得投入模型开发资源使其具备并行安全性,在花费时间使模型具备并行安全性之前,并行加速比报告可以作为衡量模型能否从并行处理中受益的有价值的手段。它是对可能收益的初步判定。
要生成该报告,对开发仿真内核使用 ‑verbose_parallel_speedup_report 命令行选项。仿真结束时会产生与下图类似的加速比报告。
图 252:并行加速比报告

报告中的估算加速比是最高理论加速比,只有能够完全并行运行所有代码、且不受强制串行化造成的争用影响的模型才能达到。由于任何模型中总会存在一些共享数据串行化,并行内核中实际达到的加速比永远不会达到理论最大值。
以下命令行选项可启用更详细、更高级的仪表化,串行和并行开发仿真内核都支持:
-verbose_cell_size_report-verbose_event_timing_report
单元大小报告
-verbose_cell_size_report 选项在两个时间点显示时间窗口中事件计数的分布:
- 窗口中第一个事件开始执行时(“in”列)
- 窗口中所有事件执行完毕时(“out”列)
并行内核还会报告并行处理的事件与串行处理的事件。这使你能够看到内核并行处理了多少事件。
当 “verbose_cell_size_report” 偏好设置为 TRUE 时,串行内核会在每次仿真进度更新时产生以下输出(按事件数的 “update_interval” 偏好生成):
图 253:串行内核生成的仿真进度更新

图 253 中的表格表示事件在各单元(时间窗口)之间分布的直方图。该表可用于分析并行仿真提速的潜力:起始“较重”(“in”事件很多)的单元较多的仿真,更可能从并行内核执行中受益。表中各列提供以下信息:
- Cell Size – 单元中的事件数。
-
Cells In – 以给定大小起始的单元数量及百分比。
-
Events In – 落在以给定大小起始的单元中的事件数量及百分比。
-
Cells Out – 以给定大小结束的单元数量及百分比。
-
Events Out – 落在以给定大小结束的单元中的事件数量及百分比。
例如,有 11 个单元以大小 2 起始,共 22 个事件。只有 5 个单元以大小 2 结束,共 10 个事件。
单元结束时的事件数可能多于起始时,因为在单元执行期间可以调度更多事件在该单元内稍后执行。因此,某个单元可能在 # Cells In 列的某一行被计数,而在 # Cells Out 列的更低一行(更大的单元大小)被计数。
图 253 中的表格还为时间窗口的合适大小提供了线索。如果“Out”列与“In”列相同(或相近),则 “parallel_sim.event_execution_time_window” 中设置的单元持续时间适合并行执行。一般来说,你可以不断增大时间窗口,直到“In”和“Out”列出现明显差异。
图 254:串行处理期间初始与最终单元大小的分布

图 254 中的表格显示了进入单元时的初始事件数与该单元中处理的事件总数之间的关系。纵轴表示初始单元大小(时间窗口开始时已调度的事件数),横轴表示最终单元大小(处理的事件数)。例如,第一行表明,在进入时只有一个事件的单元中:
- 3 个单元只处理了那个进入事件
- 4 个单元额外调度并处理了一个事件(最终大小为 2 个事件)
- 97 个单元处理的事件总数在 100 到 249 之间
表中大部分数值出现在右下角的仿真很可能在并行内核中获得提速,因为存在大量每个都包含很多事件的单元。当大多数事件都属于这一类别时,可以推断:
- 小单元不会增长,因此并行化将是准确的
- 大单元很多,因此并行化将会很快
彼此太近、无法安全并行化的事件出现在该表的右上角(这包括仿真中的第一个单元,其中包含 BEGINSIM 中断以及由它直接派生的事件)。相距太远、无法并行化(基于当前时间窗口持续时间)的事件出现在左上角。左下角始终为空。
并行内核还提供每个窗口中执行的 MT 安全(并行)事件与不安全(串行)事件的分布信息,如图 255 所示。
图 255:并行内核执行的并行与串行事件分布

对于“In”统计量,所有被标记为可并行处理的事件都报告为 “mt-in” 事件。但是,如果这些事件在执行时是窗口中唯一的事件,则在输出统计量中它们被计为串行事件。在本例中,尽管所有事件进入时都是 mt 安全的——100% 的窗口在进入时有 0 个串行事件——仍有一些事件被串行处理,这可以从 sequential events out 列中看到。幸运的是,大多数窗口(超过 81%)有 50 个或更多事件被并行处理。
事件计时报告
-verbose_event_timing_report 选项产生一份提供事件“权重”分布细节的报告。对于窗口中给定的事件数,它收集平均事件处理速率。这一信息有助于检测事件数很少的窗口却占用大部分实际仿真时间的情况。这种情形会限制并行仿真的提速,因为并行处理轻量事件所节省的总实际时间,与串行处理所花费的实际时间相比可能微不足道。请记住,高处理速率意味着廉价的事件,低速率则意味着计算上昂贵的事件。
图 256:事件处理速率报告

在本报告中,# Samples 列报告一个内部度量,大致与各大小单元中的事件数成正比。与前面的表格一样,表格底部的大数字是支持并行执行的证据。
小结
总之,请注意:
- 并非所有模型都会从并行执行中受益。
- 串行开发内核提供的报告可以帮助你判断模型是否可能从并行执行中受益。
- 要分析并行执行的潜力,可将时间窗口增大到网络中最小的协议特定时间(如退避或超时间隔),或增大到仿真结果(如事件数)发生变化为止。然后查看并行加速比报告。
- 在修改现有模型代码之前,先检查报告输出,以确定模型是否是并行执行的候选。报告表格底部较大的数字表示好的候选。
- 在并行内核中使用同样的报告可能有助于识别并行模型执行的瓶颈。
- 收集这些报告的信息会减慢仿真速度(这与任何性能剖析工具一样常见)。