Transaction Analyzer 模型
SteelCentral Transaction Analyzer 可以通过分析来自实际应用的网络数据包跟踪记录捕获来生成该应用的模型。该模块基于捕获文件推断应用实际的消息交换模式,包括消息大小、时序和依赖关系。你可以把 Transaction Analyzer 模型导入离散事件仿真环境,并回放这些模型,从而产生与在真实网络中捕获到的相同流量模式。
注意: 本节仅涉及 Transaction Analyzer 的 DES(离散事件仿真)功能。Transaction Analyzer 还有其他重要功能,不在本文档的范围内。
优点
Transaction Analyzer 模型已经尽可能接近于对现有应用建立精确模型。由于 Transaction Analyzer 不对应用行为做任何假设,并且严格按照在真实网络中捕获的样子回放消息,因此所得的流量模式与真实应用行为高度吻合。
Transaction Analyzer 模型所需的配置极少,因为与需要你自己配置应用行为的自定义应用程序模型不同,Transaction Analyzer 模型已经包含了应用行为的细节,这降低了配置中出现用户错误的可能性。Transaction Analyzer 还与高级服务器模型(Advanced Server Models)集成。
局限
Transaction Analyzer 的起点是来自真实网络的应用数据包跟踪记录捕获;因此,Transaction Analyzer 只能用于已经在真实网络中实现并运行的应用。对于仍处于设计阶段或尚未完全实现的应用,不能使用 Transaction Analyzer。
典型应用每次执行事务时产生的流量都略有不同。例如,一次数据库查询可能因检索条件不同而产生不同的流量模式。某一份跟踪记录只表示该事务的一个实例以及与该实例相关的流量模式,无法涵盖所有可能的变化。
你可以使用 AppDoctor 统计量 “Network Throughput (Kbits/sec)” 来度量 Transaction Analyzer 文件中的吞吐量。你也可以从离散事件仿真中生成吞吐量统计量。但是,AppDoctor 与离散仿真可能给出不同的吞吐量结果——即使网络条件和假设相同——因为二者对以太网packet大小的解释不同。
Transaction Analyzer 按如下方式计算packet大小:
<size_of_ethernet_packet> = <header_size> + <data_size>
离散事件仿真按如下方式计算packet大小:
<size_of_ethernet_packet> = <preamble_size>
+ <header_size> + <CRC_size> + <data_size>
你可以在一个场景中部署一份或多份跟踪记录(在 Project Editor 中选择 Protocols > Applications > Import from AppTransaction Xpert > as Discrete Traffic...)。该操作会创建一个自定义应用程序,其中每份数据包跟踪记录对应一个任务。这些任务在仿真过程中不会复用同一个 TCP 连接;每个任务都会发起自己独立的 TCP 连接。如果你想模拟使用同一个 TCP 连接的应用,必须在一次捕获操作中捕获整个事务。这样可确保整个事务被建模在一个 Transaction Analyzer 模型文件中(而不是分散在多个文件中)。
适用场景
Transaction Analyzer 适合用于精确表示现有应用的流量模式。它可以从真实网络的packet捕获中推断出流量模式,从而消除复现流量模式时的猜测。
Transaction Whiteboard
Transaction Whiteboard(Transaction Analyzer 的组成部分)提供了另一种生成可用于仿真的应用程序模型的方式。使用它,你可以在网络上把流量模式绘制为一组相互依赖的消息,然后使用所得的应用程序模型运行仿真。
注意: 你必须拥有 Transaction Analyzer 的许可证才能编辑 Transaction Whiteboard 文件。
Transaction Whiteboard 是一个功能完整的消息编辑器,因此你可以
- 指定消息大小
- 指定收到消息时该层的处理时间
- 创建消息所发送的连接
- 创建消息块等
注意: 本节仅涉及 Transaction Whiteboard 的 DES(离散事件仿真)功能。Transaction Whiteboard 还有其他若干重要功能,不在本文档的范围内。
Transaction Whiteboard 最强大的功能之一是它提供了 Python 接口,可以在模型中嵌入逻辑脚本。通过在 Transaction Whiteboard 模型的关键位置引入 Python 脚本,可以在运行时动态控制模型的行为。
优点
Transaction Whiteboard 可用于建模仍处于设计阶段或尚未完全实现的应用。它提供完整的 Python 解释器和标准 Python 库,可以编写任意复杂的脚本。由于 Transaction Whiteboard 还可以导入 Transaction Analyzer 的数据包跟踪记录并使其可编辑,你可以对现有应用进行重新设计和修改。
局限
由于 Python 是解释型语言,在 Transaction Whiteboard 模型中执行 Python 脚本可能会拖慢仿真。不过对大多数模型而言这种影响可能可以忽略,因为执行 Python 脚本所花的时间相对于整体仿真时间较小。该局限不适用于不包含任何 Python 脚本的模型。
适用场景
Transaction Whiteboard 是一个应用设计环境,用于在实现之前对不同的应用设计或设计修改(包括应用逻辑和模块层次结构)进行建模和研究。