Имитационное моделирование как метод исследования вычислительных систем

В зависимости от способа разработки имитационных моделей и используемых при этом программных средств в имитационном моделировании могут быть выделены следующие основные направления.

Имитационные модели на основе процедурно-ориентированных алгоритмических языков. При этом имитационная модель разрабатывается как обычная прикладная программа для ЭВМ. Практика показывает, что возможностей универсальных алгоритмических языков высокого уровня, таких, как ФОРТРАН или АЛГОЛ, вполне достаточно для построения имитационных моделей любой степени сложности. Имеются примеры создания имитационных моделей и на языках более низкого уровня: автокодах, ассемблерах и даже в машинном коде.

Первая особенность алгоритмов имитационного моделирования заключается в свойственном сложным ВС параллелизме функционирования. Алгоритмы, описывающие поведение таких систем во времени, относятся к параллельным алгоритмам, т.е. предполагающим выполнение более чем одного преобразования данных на каждый момент времени. Трудности программирования параллельных алгоритмов в том, что наиболее распространённые алгоритмические языки ориентированы на описание чисто последовательных вычислительных процессов. Программная имитация параллельных процессов при использовании языков общего назначения сводится к организации псевдопараллельного развития параллельных процессов, что в общем случае достаточно сложно с точки зрения программирования.

Вторая особенность алгоритмов имитационного моделирования заключается в том, что в процессе моделирования необходима обработка данных, объем которых весьма трудно априорно оценить. Причина этого — динамический характер имитационных моделей и их направленность на изучение массовых процессов в системах. При программировании таких алгоритмов первостепенное внимание должно быть уделено динамическому распределению памяти. Сложность динамического распределения памяти в имитационных моделях такова, что решение этой задачи представляет известные трудности даже при использовании языка АЛГОЛ, имеющего эффективные средства динамического распределения памяти.

Основной недостаток данного подхода к разработке имитационных моделей — трудности программирования. Каждая новая система моделируется новой программой, и между различными моделями преемственность отсутствует или она бывает незначительна. Имитационные модели на языках общего назначения часто громоздки и сложны в отладке. Достоинство подхода — возможность использования стандартного программного обеспечения ЭВМ.

Сетевые имитационные модели. В этом случае модель ВС представляется как совокупность взаимосвязанных систем массового обслуживания (СМО), имитирующих функционирование аппаратурных и программных средств ВС: процессоров, оперативной и внешней памяти, каналов и периферийного оборудования, управляющих и прикладных программ, а также средств, отображающих среду, в которой функционирует исследуемая система. На характеристики СМО, входящих в состав модели, не налагается жестких ограничений: допускаются различные законы и дисциплины обслуживания, потоки, отличные от простейших, и т. д. Модель такого типа в отличие от экспоненциальных сетей можно рассматривать как стохастическую сеть общего вида.

При моделировании ВС имитируются потоки заявок, перемещающихся в сети в соответствии с порядком функционирования системы. Наблюдение за перемещением заявок в сети в течение определенного промежутка времени позволяет накопить статистические данные о функционировании системы. Путем обработки этих данных определяются требуемые характеристики ВС: коэффициенты загрузки оборудования, пропускная способность, информация о длинах очередей и т. д. Имитационный характер моделей такого типа проявляется в двух аспектах. С одной стороны, модель системы представляет собой ее описание в терминах специализированного языка. С другой стороны, использование этой модели производится типичным для имитационных моделей способом: путем прямой реализации случайных процессов и наблюдения за моделью. Назовем модели такого типа сетевыми имитационными моделями (СИМ). Рис. 10.1, б иллюстрирует порядок работ при создании сетевых имитационных моделей (СИМ). 

Сетевые имитационные модели ВС широкого класса строятся из набора типовых СМО. В этот набор могут входить СМО, имитирующие обслуживание заявок различными элементами аппаратурного и программного обеспечения ВС, в частности устройствами типа процессор, допускающими одновременное обслуживание только одной заявки, устройствами типа память, допускающими одновременное обслуживание нескольких заявок, а также элементами, служащими источниками и приемниками заявок, и т. д. Для задания характеристик обслуживания может быть использован определенный типовой набор дисциплин и законов обслуживания. Если набор типовых СМО определен, то сетевые модели различных ВС будут отличаться друг от друга только количеством, составом и связями образующих их СМО. Реализация всех этих моделей может осуществляться единой программой моделирования. 

Использование принципа построения имитационной модели из типовых СМО позволяет исключить этап программирования. В данном случае он заменен этапом подготовки исходных данных для программы моделирования, что сводится к формальному кодированию СИМ. Основное ограничение данного подхода в том, что программа моделирования позволяет исследовать ВС хотя и достаточно широкого, но все же ограниченного класса. При необходимости использования дисциплин или законов обслуживания, не являющихся типовыми, необходимо модифицировать саму программу моделирования. Достоинство СИМ — их явно выраженная структурная направленность: структура исследуемой системы находит последовательное выражение в структуре СИМ. Это качество СИМ значительно облегчает анализ адекватности модели.

Имитационные модели на основе алгоритмических языков системного моделирования. При программировании имитационных моделей возникают задачи, общие для моделей широкого класса: а) организация динамического распределения памяти; б) организация псевдопараллельного выполнения алгоритмов; в) реализация необходимых дисциплин и законов обслуживания заявок; г) имитация случайных процессов; д) организация машинного эксперимента; е) сбор и обработка результатов моделирования. Решение этих задач средствами языков общего применения хотя и возможно, но весьма трудоемко. Более эффективные решения получают, используя специализированные языки имитационного моделирования, предоставляющие пользователю унифицированный