1
Phần 1: Lý thuyết chung về mô phỏng mạng và đánh giá hiệu năng Chương 1 - Tổng quan v ề sự đánh giá và phân tích hi ệu năng của hệ thống (system
performance evaluation and analysis)
Tác giả: R. Jain
Dịch thuật: Nguyễn Thị Hiền, Nguyễn Mạnh Linh
Biên tập: Hoàng Trọng Minh
1.1 Các lỗi thường gặp
Mục này sẽ trình bày v ề các lỗi thường gặp trong phân tích và đánh giá hi ệu năng hệ thống. Hầu hết
các lỗi được liệt kê ở đây là lỗi không cố ý mà do các nhầm lẫn đơn giản, nhận thức sai hoặc thiếu
kiến thức về các kỹ thuật đánh giá hi ệu năng.
E1- Không có mục đích
Mục đích là phần quan trọng nhất trong bất kỳ phương pháp đánh giá hi ệu năng nào. Tuy nhiên ,
trong nhiều trường hợp, khởi đầu của việc đánh giá hiệu năng chưa xác định được mục đích rõ ràng.
Một người làm công vi ệc phân tích hiệu năng thường gắn bó chặt chẽ và lâu dài cùng với bộ phận
thiết kế. Sau quá trình thi ết kế, người phân tích hiệu năng có thể bắt đầu mô hình hóa hoặc mô
phỏng thiết kế đó. Khi được hỏi về mục đích, nh ững câu trả lời tiêu bi ểu của các nhà phân tích là :
mô hình này sẽ giúp chúng ta trả lời các vấn đề phát sinh t ừ thiết kế. Yêu cầu chung đối với các mô
hình kiểu này là đ ảm bảo tính mềm dẻo và dễ thay đổi để giải quyết những vấn đề phức tạp. Người
phân tích có kinh nghi ệm đều hiểu rằng: Không có mô hình cụ thể nào được sử dụng cho một mục
đích chung chung. Mỗi một mô hình phải được phát tri ển với mục đích cụ thể xác định trước. Các
thông số, khối lượng công vi ệc và phương pháp thực hiện đều phụ thuộc vào m ục đích. Các phần
của thiết kế hệ thống trong m ột mô hình được nghiên cứu tùy theo các vấn đề khác nhau. Bởi vậy,
trước khi viết dòng mã chương tr ình mô ph ỏng đầu tiên hoặc viết phương trình đầu tiên của một mô
hình phân tích hoặc trước khi cài đ ặt một thí nghiệm đo, người phân tích cần hiểu về hệ thống và
lớn của các nỗ lực phân tích là dùng cho vi ệc xác định một vấn đề. Phần này thường chiếm tới 40%
tổng số nỗ lực này. Điều này khẳng định một châm ngôn xưa : “Khi một vấn đề được nêu ra rõ ràng
thì đã được giải quyết xong m ột nửa”. 60% còn l ại liên qua t ới vấn đề thiết kế các phương pháp ,
giải thích kết quả và trình bày kết luận. Việc phát triển của mô hình t ự bản thân nó là ph ần nhỏ của
quá trình gi ải quyết vấn đề. Ví dụ như, xe ô tô và tàu h ỏa là phương tiện để đi tới đâu đó chứ không
phải là điểm đến cuối cùng. Các mô hình là phương th ức để đi đến kết luận chứ không phải là kết
quả cuối cùng. Các nhà phân tích đã được đào tạo về các khía cạnh mô hình hóa của vấn đề đánh
giá hiệu năng nhưng không được đào tạo về việc xác định vấn đề hoặc trình bày kết quả thì thường
thấy rằng mô hình c ủa họ bị bỏ đi bởi người phê duy ệt, vì người phê duyệt là người đang tìm kiếm
đường hướng chứ không tìm kiếm một mô hình.
E5. Các thông s ố hiệu năng không đ úng
Một thông số hiệu năng (metric) ứng với một tiêu chí được sử dụng để định lượng hiệu năng của hệ
thống. Các ví dụ về các thông số hiệu năng hay dùng là thông lượng (throughput) và thời gian đáp
ứng (response time) . Sự lựa chọn của các thông số hiệu năng đúng đắn phụ thuộc vào các dịch vụ
cung cấp bởi hệ thống hoặc bởi hệ thống con đang được mô hình hóa.
Một lỗi chung khi l ựa chọn các thông số hiệu năng đ ó là các nhà phân thích thường chọn các thông
số dễ tính toán hoặc dễ đo đạc hơn là chọn thông s ố thích hợp.
E6 Tải làm việc không có tính đại diện (unrepresentative workload)
Tải làm việc được sử dụng để so sánh hai h ệ thống cần đại diện cho khía c ạnh sử dụng thực tiễn của
các hệ thống này trong lĩnh vực của chúng. Ví dụ, nếu các gói dữ liệu trong m ạng thông th ường bao
gồm hai loại có kích thước ngắn và dài thì tải làm việc dùng để so sánh hai m ạng phải bao gồm các
gói dữ liệu có kích thước ngắn và dài.
Việc chọn tải làm việc ảnh hưởng rất lớn tới kết quả của việc nghiên c ứu hiệu năng. Tải làm việc sai
sẽ dẫn tới các kết luận sai.
E7 Phương pháp đánh giá sai
Có ba phương pháp đánh giá: đo lư ờng, mô ph ỏng và mô hình hóa phân tích . Các nhà phân tích
thường có một phương pháp ưa thích và được sử dụng thường xuyên đ ối với mọi vấn đề về đánh
E10 Thiết kế thí nghiệm không thích h ợp
Sự thiết kế thí nghiệm liên quan t ới số lượng các phép đo hoặc các thí nghiệm mô phỏng được thực
hiện và các giá trị củ a các thông số sử dụng trong m ỗi thínghiệm. Việc chọn đúng các giá trị nà y có
thể mang tới nhiều thông tin hơn đ ối với cùng một số lượng các thí nghiệm. Chọn lựa không đ úng
có thể gây ra lãng phí thời gian của nhà phân tích và tài nguyên.
E11. Mức độ chi tiết không thích đáng
Mức độ chi tiết được sử dụng trong mô hình c ủa hệ thống có ảnh hưởng quan trọng trong v iệc hệ
thống hóa, công thức hóa vấn đề. Một lỗi chung xảy ra là việc sử dụng lối tiếp cận chi tiết đối với
mô hình hóa ở mức cao sẽ thực hiện và ngược lại.
E12. Không phân tích
Một vấn đề chung trong d ự án đo lường là chúng thư ờng được thực hiện bởi các nhà phân tích hiệu
năng, đó thường là những người giỏi về các kỹ thuật đo nhưng thi ếu sự thành thạo trong phân tích
dữ liệu. Họ thu thập một lượng khổng lồ các dữ liệu nhưng không bi ết phương pháp phân tích ho ặc
giải thích nó như th ế nào.
E13. Phân tích sai
Các nhà phân tích có thể gây nên hàng loạt các lỗi trong khi đo đ ạc, mô phỏng và mô hình hóa phân
tích vì dụ như lấy giá trị trung bình của các tỷ số và thời gian mô phỏng quá ngắn.
E14. Không phân tích đ ộ nhậy
Các nhà phân tích thường quá nhấn mạnh đến kết quả của sự phân tích của họ, trình bày nó như là
một thực tế hơn là một bằng chứng. Thực tế mà trong đó các kết quả nhạy cảm đối với tải làm việc
và thông số hệ thống thì thường bị coi nhẹ. Khi không có sự phân tích độ nhậy, không thể chắc chắn
rằng liệu các kết luận có thay đổi hay không n ếu như phân tích này được thức hiện trong m ột thiết
lập khác biệt đôi chút. Không có phân tích đ ộ nhạy thì sẽ khó khăn cho vi ệc đánh giá sự quan trọng
tương đối của các thông s ố khác nhau.
có ích nếu như không tính t ới đặc tính tải đạt đỉnh điểm theo gi ờ, gây tác động bất lợi tới hiệu năng
người sử dụng.
E19 Phân tích quá phức tạp
Các nhà phân tích hiệu năng nên đi đến kết luận bằng phương th ức đơn giản nhất có thể. Tốt nhất là
luôn bắt đầu với một mô hình hoặc thí nghiệm đơn giản nhằm đạt được một số kết quả và sau đó
tăng thêm tính phức tạp. Các mô hình công b ố trong tài liệu khoa học và các mô hình sử dụng trong
thực tế khác nhau rõ rệt. Các mô hình trong các tài liệu khoa học, trong các trường học thường là
quá phức tạp. Phần lớn các vấn đề hiệu năng trong th ực tế hàng ngày được giải quyết bởi các mô
hình đơn giản. Các mô hình phức tạp nếu có thì cũ ng hiếm khi được sử dụng.
E20. Trình bày kết quả không thích hợp
Đích cuối cùng của mọi nghiên cứu hiệu năng là để hỗ trợ bài toán quyết định. Một phân tích mà
không tạo ra bất kỳ kết quả hữu ích nào thì đó là một sự thất bại bởi đó là sự phân tích với kết quả
khó hiểu đối với người đưa ra quy ết định. Người phân tích phải có trách nhiệm chuyển tải các kết
quả phân tích tới người đưa ra quy ết định qua việc sử dụng các từ ngữ, hình ảnh, đồ thị để giả i thích
kết quả phân tích.
E21. Bỏ qua các khía cạnh xã hội
Sự trình bày thành công k ết quả phân tích yêu c ầu 2 loại kỹ năng: xã hội và chuyên biệt. Kỹ năng
viết và nói là k ỹ năng xã hội trong khi mô hình hóa và phân tích d ữ liệu là các kỹ năng chuyên biệt.
Hầu hết các nhà phân tích đ ều có các kỹ năng chuyên biệt tốt, nhưng ch ỉ những người có các kỹ
năng xã hội tốt thì mới thành công khi bán các kết quả của họ cho những người ra quyết định. Việc
chấp nhận kết qủa phân tích yêu c ầu hình thành sự tin tưởng giữa người ra quyết định và nhà phân
tích, và sự trình bày các kết quả tới người ra quyết định theo cách hiểu chính xác nh ất. Nếu những
người ra quyết định không tin t ưởng hoặc không hi ểu sự phân tích, thì nhà phân tích thất bại trong
việc tạo nên ấn tượng đối với quyết định cuối cùng. Các kỹ năng xã hội đặc biệt quan trọng khi
trình bày các kết quả mà chú ng có ảnh hưởng tới niềm tin và giá trị củ a người ra quyết định hoặc
yêu cầu về một thay đổi quan trọng trong thi ết kế.
20. Sự phân tích này có dễ giải thích không?
21. Cách thức trình bày có phù hợp với người đọc không?
22. Các kết quả có được trình bày dưới dạng đồ thị nhiều nhất có thể không?
23. Các giả thiết và các giới hạn của sự phân tích được đưa vào tài liệu rõ ràng không ?
Một cách tiếp cận có hệ thống cho việc đánh giá hi ệu năng
Các thông s ố, tải làm việc và kỹ thuật đánh giá được sử dụng đối với một vấn đề thì thường không
thể được sử dụng cho v ấn đề tiếp theo. Tuy nhiên có các bước chung cho t ất cả dự án đáng giá hi ệu
năng mà chúng giúp bạn tránh đư ợc các lỗi ghi trong ph ần 1.1 Các bư ớc này thực hiện như sau.
Bước 1- Xác định mục tiêu và định nghĩa hệ thống
Bước đầu tiên trong vài d ự án đánh giá hi ệu năng là xác định mục tiêu của việc nghiên cứu và định
nghĩa xem cái gì tạo nên hệ thống bằng cách phác h ọa các giới hạn của hệ thống.
Bước 2: Lập danh sách các dịch vụ và kết quả nhận được
Mỗi một hệ thống cung c ấp một tập hợp các dịch vụ. Danh sách c ủa dịch vụ và kết quả khả thi sẽ
hữu ích sau này trong vi ệc chọn thông s ố và tải làm việc đúng.
Bước 3 Lựa chọn các thông s ố đo
Bước tiếp theo là l ựa chọn các tiêu chuẩn để so sánh hiệu năng, chúng được gọi là các thông s ố đo.
Nhìn chung, các thông s ố này liên hệ với tốc độ, độ chính xác, và ích lợi của dịch vụ.
Bước 4: Lập danh sách các thông số
Bước tiếp theo trong d ự án thực hiện là tạo danh sách t ất cả các thông s ố ảnh hưởng tới hiệu năng.
Danh sách này có th ể được phân chia thành các thông số hệ thống và các thông s ố tải làm việc
Bước 5: Lựa chọn các thừa số để nghiên c ứu
6
Danh sách các th ông số có thể phân chia thành 2 phần: các thông s ố sẽ được thay đổi trong quá
2. Thời gian yêu c ầu
Ngắn
Trung bình
Thay đổi
3. Công c ụ
Nhà phân tích
Các ngôn ng ữ
máy tính
Các dụng cụ đo
4. Tính chính xác
a
Thấp
Vừa phải
Thay đổi
5. Tính đánh đ ổi
Dễ
Vừa phải
Khó
6. Giá thành
Thấp
Trung bình
Cao
7. Tính d ễ bán
Thấp
Trung bình
Cao
a
dẫn tới kết luận sai.
Mục đích của công vi ệc nghiên c ứu hiệu năng là v ừa để so sánh các phương án khác nhau v ừa để
tìm ra giá tr ị tham số tối ưu. Các m ô hình phân tích th ường cung c ấp một cái nhìn t ốt nhất về tác
dụng của các tham s ố khác nhau và s ự tương tác gi ữa chúng. V ới các phương pháp mô ph ỏng, có
thể tìm được khoảng giá trị tham số cho tổ hợp tối ưu, nhưng thư ờng không th ể hiện được rõ ràng
sự tương x ứng giữa tham số này với tham số khác. Các phương pháp đo đ ạc là kỹ thuật ít thể hiện
được tính tương x ứng giữa các tham s ố nhất. Thật không d ễ khi khẳng định rằng hiệu năng đư ợc cải
thiện là kết quả của một vài sự thay đổi ngẫu nhiên về môi trường hoặc hiệu chỉnh một vài tham s ố
nhất định.
Chi phí cấp cho dự án cũng là một yếu tố quan trọng. Đo đ ạc đòi hỏi phải có thiết bị thật, dụng cụ
đo đạc và thời gian. Đây chính là k ỹ thuật tốn kém nh ất trong 3 k ỹ thuật đã nêu. Chi phí, đi kèm v ới
khả năng dễ dàng thay đ ổi cấu hình, th ường là lí do đ ể phát triển các phương pháp mô ph ỏng cho
các hệ thống đắt tiền. Mô hình hóa phân tích ch ỉ đòi hỏi giấy và bút chì (c ộng với thời gian của nhà
phân tích) nên có th ể xem như là k ỹ thuật rẻ nhất.
Tính bán đ ược của kết quả đánh giá có th ể là lý lẽ quan trọng khi ch ọn xem xét các chi phí, lao
động của phương pháp đo đ ạc. Và kết quả đó dễ được thuyết phục hơn nếu nó được thực hiện với
hệ thống thực. Nhiều người hoài nghi v ề các kết quả phân tích đơn gi ản vì họ không hiểu công ngh ệ
thực hiện hoặc kết quả cuối cùng. Trong th ực tế, người phát tri ển các k ỹ thuật mô hình hóa phân
tích mới thường kiểm chứng, xác nh ận chúng b ằng cách s ử dụng các phương pháp mô ph ỏng hoặc
đo lường thực sự.
Đôi khi vi ệc sử dụng hai hay nhiều kỹ thuật đồng thời mang lại nhiều lợi ích. Ví d ụ, bạn có thể sử
dụng mô ph ỏng và mô hình hóa phân tích cùng nhau để kiểm tra và xác nh ận kết quả riêng của từng
phương pháp. Cho đến khi chưa ch ứng mình được tội lỗi, mọi người đều được xem là vô t ội, nghĩa
là cho đến khi chưa đư ợc xác nhận kiểm chứng thì mọi kết quả đánh giá đ ều đáng nghi ng ờ. Điều
đó đưa chúng ta đ ến với 3 quy t ắc xác minh sau đây:
Không tin tư ởng vào k ết quả của một mô hình mô ph ỏng cho đ ến khi chúng đ ã được xác
nhận bởi mô hình hóa p hân tích hay đo đ ạc.
dữ liệu để so sánh hai h ệ thống hoặc nhiều hơn.
Ý tưởng cơ bản là một phát biểu chính xác có th ể không chính xá c với các thuộc tính của tất cả các
hệ thống, nhưng m ột tuyên bố xác suất về khoảng trong đó các thu ộc tính của hầu hết các hệ thống
tồn tại có thể đúng. Khái ni ệm về khoảng tin cậy (confidence interval ) được giới thiệu trong phần
này là m ột khái niệm cơ bản mà bất cứ nhà phân tích hi ệu năng hệ thống nào cũng cần biết để hiểu
rõ vấn đề.
1.3.1 Mẫu đối ngược với quần thể
Giả sử chúng ta vi ết một chương tr ình máy tính để tạo ra vài tri ệu số ngẫu nhiên v ới thuộc tính cho
trước, ví dụ như có giá trị trung bình ¼ và độ lệch chuẩn Ã. Bây gi ờ chúng ta đưa các s ố đó vào m ột
cái bình và rút ra m ột mẫu của n số .
Giả thiết mẫu {x
1
, x
2
, . . . , x
n
} có giá tr ị trung bình m ẫu là . Giá trị trung bình mẫu khác với
Ã. Để phân biệt hai giá tr ị đó, được gọi là giá trị trung bình mẫu và ¼ đư ợc gọi là trung bình c ủa
quần thể. Từ quần thể ám chỉ tất cả các số nằm trong chi ếc bình.
Trong hầu hết các vấn đề thực tế, các thuộc tính của quần thể (ví dụ như giá trị trung bình qu ần thể
là không được biết , và mục đích của nhà phân tích là ư ớc lượng các thu ộc tính đó. Ví d ụ, trong th ử
nghiệm của chúng ta v ề đo thời gian x ử lý của một chương tr ình, giá trị trung bình mẫu rút ra t ừ
một mẫu đơn lẻ của n giá trị chỉ là một ước lượng đơn gi ản của giá trị trung bình. Để xác định chính
xác giá tr ị trung bình, chúng ta c ần thực hiện lại thí nghi ệm tới vô hạn lần, điều đó gần như là không
thể làm được.
Các thuộc tính của quần thể được gọi là các tham số trong khi các m ẫu thử được gọi là các thống kê.
Ví dụ, trung bình t ập hợp là một tham số trong khi giá trị trung bình mẫu là một thống kê. Ta c ần
phải phân biệt hai khái ni ệm này bởi vì các tham s ố là cố định (fixed) trong khi th ống kê là m ột biến
ngẫu nhiên. Ví d ụ, nếu chúng ta l ấy ra hai m ẫu n phần tử từ một tập phân ph ối bình thường với
trung bình ¼ và độ lệch chuẩn Ã, kỳ vọng mẫu
):
Probability{c
1
d¼dc
2
} = 1 - ±
Khoảng (c
1
,c
2
) được gọi là khoảng tin cậy cho giá trị trung bình của quần thể , ± được gọi là mức ý
nghĩa (significant level), 100(1 - ±) được gọi là mức tin cậy (confidence level), và (1 - ±) được
gọi là hệ số tin cậy (confidence coefficient) . Chú ý rằng mức tin cậy thường được biểu diễn dưới
dạng phần trăm và thư ờng gần đến giá trị 100%, ví d ụ, 90% hay 95%; trong khi m ức ý nghĩa được
biểu diễn bởi một phân số và thường có giá tr ị gần 0, ví d ụ 0.05 hay 0.1.
Một cách để xác định khoảng tin cậy 90% là sử dụng 5% và 95% của các giá trị trung bình mẫu làm
các biên. Ví d ụ, chúng ta có th ể lấy k mẫu, tìm các giá trị trung bình mẫu, sắp xếp chúng ra theo
một thứ tự tăng dần và lấy ra trong t ập sắp xếp đó phần tử thứ [1+0.05( k-1)] và [1+0.95( k-1)] .
Có một điều may m ắn là chúng ta không c ần thiết phải lấy ra quá nhi ều mẫu. Có thể xác định được
khoảng tin cậy chỉ từ duy nhất một mẫu, bởi vì định lý giới hạn trung tâm cho ta xác đ ịnh được
phân phối của giá trị trung bình mẫu. Định lý đó phát bi ểu rằng nếu các giá t rị trong m ẫu {x1, x2, . .
. , xn} là đ ộc lập và được lấy ra từ cùng m ột tập có giá trị trung bình ¼ và độ lệch chuẩn à thì giá
trị trung bình mẫu của mẫu đó có phân ph ối thường xấp xỉ với giá trị trung bình ¼ và độ lệch chuẩn
/ n
.
( , / )x N n
:
4.17. Xác su ất sai của phát biểu này là 10%. Có ngh ĩa là, nếu chúng ta l ấy 100 m ẫu và đưa ra m ột
khoảng tin cậy cho mỗi mẫu như chỉ ra trên hình 13.1, thì trong 90 m ẫu sẽ có khoảng tin cậy chứa
giá trị trung bình lý thuyết và 10 m ẫu thì giá trị trung bình lý thuyết sẽ không n ằm trong kho ảng tin
cậy.
Tương tự như vậy:
Khoảng tin cậy 95% cho k ỳ vọng =
3.90 (1.960)(0.95) / 32m
= (3.57, 4.23)
Khoảng tin cậy 99% cho giá trị trung bình =
3.90 (2.576)(0.95) / 32m
= (3.46, 4.33)
Hình 1.3.2 Ý nghĩa của khoảng tin cậy
Khoảng tin cậy đề cập ở trên chỉ áp dụng cho các m ẫu lớn có độ lớn (kích thư ớc) lớn hơn 30 giá tr ị.
Với các mẫu nhỏ, khoảng tin cậy chỉ có thể được xây dựng nếu các giá tr ị đến từ một tập phân bố
chuẩn. Với những mẫu như v ậy khoảng tin cậy 100(1 - ±)% đư ợc đưa ra:
[1 /2; 1] [1 /2; 1]
( / , / )
n n
x t s n x t s n
Ở đây t
[1-±/2;n-1]
là điểm phân vị (1 - ±/2) của biến ngẫu nhiên t với n – 1 bậc tự do. Các đi ểm phân v ị
đó được liệt kê trong b ảng A.4 c ủa phụ lục. Khoảng này dựa trên một sự thật là với các mẫu từ một
[1 /2; 1]n
t
m
là 1-±.
Ví dụ 13.2: Xét dữ liệu bị lỗi ở ví dụ 12.5 (đ ã được chỉ ra là có phân b ố chuẩn). 8 giá tr ị lỗi là -0.04,
-0.19, 0.14, -0.09, -0.14, 0.19, 0.04, và 0.09.
Trung bình c ủa các giá tr ị lỗi trên là 0 và đ ộ lệch chuẩn của chúng là 0.138. Giá tr ị t
[0.95;7]
từ bảng
A.4 là 1.895. Do v ậy, khoảng tin c ậy cho lỗi trung bình là:
0 1.895 0.138 0 0.262 ( 0.262,0.262) m m1.3.3 Kiểm tra một giá trị trung bình ZERO
Một ứng dụng thông thư ờng của khoảng tin cậy là để kiểm tra xem m ột giá trị đo đạc có khác
Zero hay không ?. Khi so sánh m ột phép đo đ ạc ngẫu nhiên với Zero, các phát bi ểu cần mang tính
xác suất, nghĩa là ở một độ mức tin tưởng nhất định nào đó. Nếu giá trị đo đạc thỏa mãn phép ki ểm
tra sự khác bi ệt với một xác suất lớn hơn ho ặc bằng mức tin cậy 100(1 - ±)% thì giá tr ị đó là khác 0.
Khâu kiểm tra bao gồm xác định một khoảng tin vậy và đơn gi ản xác định xem kho ảng đó có ch ứa
giá trị 0 hay không. B ốn trường hợp được chỉ ra trên hình 13. 3, CI viết tắt cho confidence interval
(khoảng tin cậy). CI được thể hiện bằng một đoạn thẳng đứng giữa giới hạn tin cậy trên và dư ới. Kỳ
vọng mẫu được thể hiện bằng một vòng tròn nh ỏ. Trong trư ờng hợp (a) và (b), kho ảng tin cậy bao
gồm giá trị 0, do đó, giá tr ị của phép đo có th ể không khác 0. Trong trư ờng hợp (c) và (d), kho ảng
tin cậy không ch ứa giá trị 0, và do đó giá tr ị đo đạc là khác giá tr ị 0.
Hình 1.3.3 Kiểm tra m ột
khoảng tin cậy chứa giá trị a thì giả thiết cho rằng kỳ vọng bằng a không th ể bị loại bỏ ở một mức
độ tin cậy. Ví dụ sau sẽ phác họa sự mở rộng của phép ki ểm tra này.
12
Ví dụ 1.3.3.2. Xét m ột lần nữa dữ liệu trong ví d ụ 1.3.3.1 Để kiểm tra xem s ự khác nhau v ề giá trị
có bằng 1 với mức tin cậy 99% hay không, kho ảng bảo vệ được xác định trong ví d ụ đó là (-1.21,
3.21). Kho ảng tin cậy này chứa 1. Do đó, m ột giá trị khác nhau b ằng 1 được công nh ận với mức tin
cậy đó.
13
Chương 2- Tổng quan v ề kỹ thuật mô phỏng-
Tác giả: R. Jain
Dịch thuật: Tô Thành Công, Hoàng Diệp Anh
Biên tập: Nguyễn Xuân Hoàng Phần này sẽ đưa ra các v ấn đề trọng tâm trong mô hình hóa mô phỏng. Dưới là danh sách các câu
hỏi mà độc giả có thể trả lời được sau kh i đọc xong phân này.
- Các lỗi phổ biến trong mô ph ỏng là gì và t ại sao khi th ực hiện mô phỏng thường gặp các lỗi này ?
- Ngôn ngữ bạn nên sử dụng để phát triển một mô hình mô ph ỏng là gì ?
- Các loại mô phỏng?
- Bạn sẽ lập lịch (schedule) các sự kiện trong quá trình mô ph ỏng như th ế nào ?
- Bạn sẽ kiểm tra và xác th ực một mô hình nh ư thế nào ?
- Làm cách nào b ạn xác định được một mô phỏng đã đạt tới một trạng thái ổn định?
- Thời gian mô ph ỏng sẽ mất bao nhiêu lâu?
- Bạn sẽ tạo ra các s ố ngẫu nhiên như th ế nào ?
- Bạn sẽ kiểm tra lại bộ tạo số ngẫu nhiên có t ốt hay không như th ế nào ?
để thực hiện. Điều này đặc biệt quan trọng đối với các công vi ệc mô phỏng lớn, ở đó thời gian thực
hiện có thể mất nhiều giờ hoặc nhiều ngày.
Về tổng quát có th ể cho rằng một mô hình càng chi ti ết thì càng t ốt, vì nó ch ỉ cần ít giả thiết
hơn. Tuy nhiên đi ều này không ph ải lúc nào cũng đúng. M ột mô hình chi ti ết yêu cầu các kiến thức
chi tiết của thông s ố đầu vào, và nếu không có các ki ến thức chi tiết đó có th ể sẽ làm cho các mô
hình không chính xác. Ví d ụ, trong quá trình mô ph ỏng hệ thống phân chia th ời gian, giả sử rằng
cần phải mô phỏng thời gian đáp ứng yêu cầu của đĩa . Một cách là t ạo ra nó b ằng cách s ử dụng
một hàn phân b ố hàm mũ. Một cách chi ti ết hơn là mô ph ỏng sự chuyển động của đầu đọc và sự
quay của đĩa Nếu lựa chọn thứ 2 được chọn thì kết quả sẽ chỉ chính xác hơn khi các thông tin c ần
tham chiếu của sector và track là đ ã biết . Trong th ực tế, người phân tích s ẽ chọn lựa chọn 2. Tuy
nhiên, khi thông tin tham kh ảo về sector không có s ẵn để đưa vào mô h ình thì ng ười phân tích s ẽ
quyết định tạo ra các con s ố sector ng ẫu nhiên theo phân b ố hàm mũ. Kết quả là thời gian phục vụ
là theo phân b ố hàm mũ, một kết quả mà có th ể sẽ ít tốn kém hơn n ếu lựa chọn theo cách đ ầu tiên
Một vấn đề khác nữa trong các mô hình chi ti ết là chúng t ốn nhiều thời gian để phát triển. Tốt hơn
hết là hãy bắt đầu với một mô hình ít chi ti ết hơn, thu đư ợc một số kết quả, xem xét các t ác động,
sau đó đưa thêm chi ti ết trong nh ững yếu tố có ảnh hưởng lớn nhất đến kết quả.
2. Ngôn ng ữ không thích h ợp: Việc lựa chọn ngôn ngữ lập trình có ảnh hưởng khá quan tr ọng đối
với giai đoạn đầu phát triền của mô hình. Các ngôn ng ữ mô phỏng với mục đích đặc biệt cho phép
rút ngắn thời gian phát tri ển mô hình và d ễ dàng hơn trong các nhi ệm vụ thường phải thực hiện như
việc xác nhận (sử dụng các vết) và các phân tích th ống kê. M ặt khác, các ngôn ng ữ có mục đích
tổng quan có tính kh ả chuyển cao hơn v à cho phép đi ều khiển nhiều hơn về mức độ hiệu quả và
thời gian th ực hiện của mô ph ỏng.
3. Các mô hình ch ưa được kiểm tra . Các mô hình mô ph ỏng thường là các chương tr ình máy tính
lớn và trừ khi được đề phòng đặc biệt, nó có kh ả năng sẽ có nhiều lỗi chương trình hoặc lỗi về lập
trình, dẫn đến việc cho ra các k ết quá không có ý ngh ĩa.
4.Các mô hình không h ợp lệ. Ngay cả khi chương tr ình mô ph ỏng không có l ỗi,nó vẫn có thể biểu
diễn hệ thống không chính xác b ởi vì các gi ả thiết không chính xác v ề hành vi của hệ thống. Do đó
các mô hình c ần phải được kiểm tra để đảm bảo rằng kết quả có được là giống với kết quả có được
từ hệ thống thật Kết quả của tất cả các mô hình mô ph ỏng này đều có thể sai, nó ch ỉ đúng sau khi đ ã
được xác nhận bằng các mô hình phân t ích, các phép đó, ho ặc bằng trực giác.
triển một mô hình mô ph ỏng. Thời gian giành cho các d ự án mô ph ỏng thường được bắt đầu là các
dự án 1 tuần, 1 tháng và sau đó th ì kéo dài đến một vài năm. N ếu một mô phỏng thành công và
cung cấp nhiều thông tin h ữu ích, các ngư ời dùng sẽ muốn thêm vào nhi ều tính năng, nhi ềuthông s ố
và chi tiết hơn. M ặt khác thì, n ếu một chương tr ình mô phỏng không cung c ấp thông tin h ữu ích thì
nó thường được mong mu ốn rằng nếu bổ xung thêm nhi ều tính năng, nhi ều thông s ố và chi tiết hơn
có thể làm chương tr ình có ích h ơn. Trong b ất kỳ tình huống nào k ể trên thì các d ự án thường kéo
dài hơn so v ới kế hoạch ban đ ầu.
Trong 3 k ỹ thuật phân tích hi ệu năng : mô h ình hóa phân tích, đo đạc và mô ph ỏng thì việc thực
hiện mô phỏng là cần nhiều thời gian nhất, nhất là đối với các mô hình hoàn toàn m ới thì quá trình
phát triển phải bắt đầu từ con số không. Ngoài ra c ũng cần có thời gian để xác thực lại mô hình.
Những người phân tích m ới đối với lĩnh vực này thư ờng không đánh giá đúng v ề độ phức tạp khi
triển khai mô ph ỏng. Đối với các dự án mô ph ỏng trong th ời gian dài, c ần phải chuẩn bị trước cho
16
những thay đổi trong h ệ thống, điều khó có th ể tránh kh ỏi đối với các dự án mô ph ỏng trong th ời
gian dài.
2. Mục tiêu không th ể thực hiện được. Mô phỏng là m ột kế hoạch khá ph ức tạp, cũng giống như
các kế hoạch khác,c ần phải xác định rất rõ ràng các m ục tiêu với các đặc tính như cụ thể, đo lường
được, có thể thực hiện được, có thể lặp lại được và toàn di ện. Mục tiêu cần được viết ra rõ ràng và
có sự thống nhất giữa người phân tích và ngư ời sử dụng về kết quả trước khi phát tri ển mô hình
Một ví dụ phổ biến của mục tiêu đo lư ờng được là “ mô hình X”. Có th ể mô hình các đặc tính khác
nhau của X với các mức độ chi tiết khác nhau.đư ợc cấu thành từ một vài mô hình có m ức độ chi tiết
khác nhau. N ếu không có quy đ ịnh đúng, không th ể nói rằng mục tiêu đã đạt được hay chưa. K ế
hoạch mà kh ông có m ục tiêu sẽ kéo dài mãi và cu ối cùng sẽ kết thúc khi tài tr ợ đã hết.
3. Thiếu các kỹ năng cần thiết. Một dự án mô ph ỏng cần ít nhất bốn kỹ năng sau
(a) Kỹ năng về lãnh đạo dự án. Có khả năng tạo ra động lực, lãnh đạo và quản lý các thành
viên tron g nhóm mô ph ỏng.
(b) Kỹ năng về mô hình hóa và th ống kê thông tin. Có khả năng ch ỉ ra các đ ặc trưng ch ủ
chốt của hệ thống và mô hìnhchúng ở mức độ chi tiết cần thiết.
(c) Kỹ năng về lập trình. Là khả năng viết ra một chương tr ình máy tính có th ể đọc được, kiểm
động của hệ thống hoặc các đặc tính của hệ thống cần được chi tiết hóa hơn n ữa.
Danh sách dư ới gồm 3 danh sách con tương ứng với các giai đoạn lập kế hoạch, phát tri ển, sử dụng
của một dự án mô ph ỏng.
Bảng 2.1 Danh sách c ần KIỂM TRA v ề các MÔ PH ỎNG
1.Các vi ệc cần kiểm tra trư ớc khi phát tri ển mô phỏng.
(a) M ục tiêu của mô ph ỏng trên lý thuy ết đã được xác định hợp lý ?
(b) M ức độ chi tiết trong mô hình thích h ợpvới mục đích hay không ?
(c) Nhóm mô ph ỏng có bao g ồm đầy đủ các thành viên v ới các vị trí: lãnh đạo, mô hình
hóa, lập trình và am hi ểu về hệ thống máy tính hay không ?
(d) Có đ ủ thời gian cho k ế hoạch của dự án hay không ?
2.Kiểm tra trong quá trình phát tri ển.
(a) Tính đ ộc lập và tính đơn tr ị của bộ sinh số ngẫu nhiên đư ợc sử dụng trong mô ph ỏng đã
được kiểm tra hay chưa ?
(b) Mô hình có được xem xét thư ờng xuyên b ởi người sử dụng hay không?
(c) Có tài li ệu của mô hình hay không ?
3.Kiểm tra sau khi th ực hiện mô ph ỏng.
(a) Đ ộ dài của mô phỏng có thích h ợp hay không ?
( b) Quá trình chuy ển tiếp của giai đo ạn đầu đã đượclooại bỏ trước khi tính toán hay chưa
(c) Mô hình đã được kiểm tra k ỹ lưỡng hay chưa ?
(d) Mô h ình đã được xác nh ận là hợp lý trước khi sử dụng kết quả của nó hay chưa ?
(e) N ếu có kết quả đáng ng ạc nhiên, xem chúng đ ã được kiểm duyệt hay chưa ?
(f) Các b ộ số đầu tiên (h ạt giống)của các dải số ngẫu nhiên có b ị trùng lặp hay không ?
2.3 Các thuật ngữ
Dưới đây là m ột số thuật ngữ thường được sử dụng trong mô hình hóa. Để định nghĩa chúng, m ột
ví dụ mô phỏng về việc lập lịch của CPU sẽ được sử dụng trong ph ần này. Vấn đề đặt ra là nghiên
cứu các kỹ thuật lập lịch khác nhau cho CPU v ới những đặc điểm về yêu cầu công vi ệc khác nhau.
Các thành ph ần khác của hệ thống như phương ti ện ghi nhớ, thiết bị đầu cuối sẽ bị bỏ qua trong
phần này.
Biến trạng thái: Các biến mà giá tr ị của nó để xác định các trạng thái của hệ thống gọi là
19
Hình 2.2 Mô hình tr ạng thái liên t ục và trạng thái tiếp diễn
Hình 2.3 Mô hình t ất định và mô hình xác su ất
Chú ý rằng tính liên t ục của thời gian không bao hàm tính liên t ục của trạng thái và ngư ợc lại. Vì
vậy đối với các ví d ụ có thể tìm thấy nhiều ví dụ cho 4 kết hợp có thể xảy ra đó là: tr ạng thái rời
rạc/thời gian rời rạc, trạng thái r ời rạc /thời gian liên t ục, trạng thái liên t ục/ thời gian rời rạc và
trạng thái liên t ục/ thời gian liên t ục.
Mô hình tất định và mô hình xác xu ất: Nếu đầu ra (kết quả) của mô hình có th ể dự đoán
một cách ch ắc chắn thì đó là một mô hình t ất định. Mặt khác, m ột mô hình là mô hình xác xu ất nếu
với lặp lại cùng m ột bộ thông s ố đầu vào nhưng cho các k ết quả khác nhau . Đi ều này thể hiện trong
hình 24.3. Hình 24.3b là k ết quả của mô hình xác xu ất. Các điểm trên đư ờng thẳng đứng bi ểudiễn
các kết quả của đầu ra khác nhau cho m ột giá trị đầu vào. Trong hình 2.3, với đầu vào gi ống nhau
thì cho đầu ra giống nhau, do v ậy trên trục tung ch ỉ có một điểm.
Mô hình t ĩnh và mô hình động: Một mô hình mà trong đó thời gian không là bi ến số thì
được gọi là mô hình t ĩnh, còn nếu trạng thái của hệ thống thay đ ổi theo thời gian thì g ọi là mô hình
động. Ví dụ, mô hình l ập lịch cho CPU là m ộ mô hình động. Một ví dụ về mô hình t ĩnh là mô hình
cho thể hiện công th ức tính năng lư ợng: E=mc
2
.
20
Mô hình tuy ến tính và mô hình phi tuy ến: Nếu mô hình có thông s ố đầu ra là m ột hàm
phỏng. Một quyết định sai trong bư ớc này có thể làm cho th ời gian thực hiện mô ph ỏng lâu,
không hoàn thành đư ợc việc nghiên c ứu và không kh ả thi
Có bốn lựa chọn: một ngôn ng ữ mô phỏng, một ngôn ngữ lập trình đa dụng, ngôn ng ữ lập trình đa
dụng mở rộng, và gói mô ph ỏng (như là m ột bộ giải quyết mạng). Mỗi lựa chọn có ưu như ợc
điểm riêng.
Các ngôn ng ữ mô phỏng tiết kiệm được cho ngư ời phân tích đáng k ể thời gian khi phát tri ển mô
hình. Những ngôn ng ữ này có sẵn các ch ức năng đ ể cải thiện về thời gian, lập lịch sự kiện, biến
đổi các th ực thể, tạo các biến ngẫu nhiên , thu th ập dữ liệu thống kê, và t ạo các báo cáo. Chúng
cho phép các nhà phân tích danh nhi ều thời gian vào các k ết quả cụ thể của hệ thông đư ợc mô
hình mà không c ần phải quan tâm nhi ều đến các vấn đề chung chung đ ối với các mô ph ỏng. Các
ngôn ngữ này cũng cho phép m ột mã module r ất dễ đọc, có thể phát hiện lỗi rất tốt.….
Ngôn ngữ lập trình đa dụng như Pascal ho ặc FORTRAN đư ợc chọn chủ yếu bởi vì các nhà phân
tích đã quen v ới ngôn ngữ này. Hầu hết các nhà thi ết kế mạng máy tính và các nhà p hân tích m ới
không quen v ới những loại ngôn ng ữ mô phỏng. Bên c ạnh đó các yêu c ầu về thời hạn cũng không
cho phép h ọ học một loại ngôn ngữ mô phỏng nào. Hơn n ữa, các ngôn ng ữ mô phỏng thường
không có s ẵn trên hệ thống máy tính c ủa họ. Đó là lý do tại sao hầu hết mọi người viết mô phỏng
đầu tiên của mình bằng ngôn ng ữ lập trình đa dụng
Ngay cả đối với những người mới, thời gian ch ọn lựa giữa ngôn ng ữ mô phỏng và ngôn ng ữ lập
trình đa dụng cũng không x ảy ra. Nếu họ chọn ngôn ng ữ mô phỏng, họ phải bỏ thời gian để học
ngôn ngữ này. Trong m ột số trường hợp, họ thậm chí còn ph ải cài đặt nó vào trong h ệ thống máy
tính của họ và chú ý để không b ỏ sót một file nhỏ nào trong quá trình cài đặt. Nếu họ chọn ngôn
ngữ lập trình đa dụng, họ có thể bắt đầu ngay lập tức . Nhưng họ phải mất thời gian để thực hiện
các thường trình để xử lý sự kiện, tạo số ngẫu nhiên và nh ững thứ tương tự như thế. Có thể phải
mất một khoảng thời gian đáng k ể để tìm hiểu các vấn đề này và khám phá l ại những vấn đề đã
22
biết.
Điều đó không có ý l à các nhà phân tích lúc nào c ũng phải sử dụng các ngôn ng ữ mô phỏng. Có
những điều phải quan tâm khác, như hi ệu xuất, tính linh đ ộng và tính cơ đ ộng, những yếu tố này
có thể làm cho ngôn ng ữ lập trình đa dụng trở thành m ột sự lựa chọn tốt nhất. Một mô hình được
học. Mặt khác, các ngôn ng ữ mô phỏng sự kiện rời rạc được thiết kế để xử lý những thay đ ổi sự
kiện dời rạc. Hai ví d ụ của loại ngôn ng ữ này là SIMULA và GPSS. M ột số ngôn ng ữ như
SIMSCRIPT và GASP cho phép các mô ph ỏngrời rạc, liên t ục, và kết hợp. Bốn ngôn ng ữ sau là
các loại ngôn ngữ được các nhà phân tích hi ệu suất hệ thông máy tính s ử dụng.
2.5 Các loại mô phỏng
Trong các lo ại mô ph ỏng khác nhau đư ợc để cập đến trong các tài li ệu, những loại như mô
phỏng Monte Carlo, mô ph ỏng Trace -Driven và mô ph ỏng sự kiện dời dạc là những loại mô
23
phỏng thu hút đư ợc nhiều hứng thú nh ất của các nhà khoa h ọc máy tính
Mô phỏng sử dụng phần cứng hoặc phần sụn gọi là sự giả lập. Ví dụ, một bộ giả lập đầu cuối mô
phỏng một loại đầu cuối trên m ột đầu cuối khác. Gi ả lập bộ xử lý giả lập một tập lệnh của một
bộ xử lý trên một bộ khác. M ặc dù giả lập là một loại của mô phỏng, các v ấn đề thiết kế cho giả
lập hầu hết là các v ấn đề về thiết kế phần cứng. Do đó, gi ả lập sẽ không đư ợc để cập đến trong tài
liệu này nữa.
Ba loại mô phỏng khác đư ợc miêu tả ở đoạn sau.
2.5.1 Phương pháp mô ph ỏng Monte Carlo
Phương pháp mô ph ỏng tĩnh hay m ột phương pháp mô ph ỏng nào đó không có tr ục thời gian thì
được gọi là phương pháp mô ph ỏng Monte Carlo. Nh ững phương pháp thư ờng được dùng đ ể mô
hình nh ững hiện tượng xác su ất , những hiện tượng không thay đ ổi đặc tính theo th ời gian.
Giống như m ột phương pháp mô ph ỏng động, các phương pháp mô ph ỏng tĩnh cũng c ần phải có
một bộ tạo các số giả ngẫu nhiên. Phương pháp mô ph ỏng Monte Carlo c ũng được sử dụng để
tính toán các bi ểu thức không theo s ắc xuất bằng cách s ử dụng các phương pháp theo s ắc xuất.
Ví dụ. 2.5.1 Tính toán phép tích phân sau
Một cách để tính phép tích phân trên là t ạo ra các s ố ngẫu nhiên đư ợc phân bố đều x và đối với
từng số tính toán đư ợc một hàm y như sau:
trace-driven này khá thông d ụng trong các phân tích h ệ thống máy tính. Chúng thư ờng được sử
dụng để phân tích và đi ều chỉnh các giải thuật quản lý tài nguyên. Gi ải thuật paging, phân tích b ộ
nhớ cache, các gi ải thuật lập lịch CPU, các gi ải thuật ngăn ch ặn nghẽn và các gi ải thuật để phân
chia động bộ nhớ là các ví d ụ về các trường hợp đã áp dụng thành công phương pháp mô phỏng
Trace-driven và đư ợc để cập đến trong các tài li ệu Trong nh ững nghiên c ứu đó, Trace c ủa tài
nguyên yêu c ầu được dùng làm đ ầu vào để thực hiện mô ph ỏng để mô hình nh ững giải thuật khác
nhau. Ví d ụ, để thực hiện so sánh các lưu đ ồ quản lý bộ nhớ khác nhau, m ột trace các m ẫu tham
chiếu trang nh ớ của các chương tr ình quan tr ọng sẽ được lấy trên hệ thống. Sau đó có th ể sử dụng
các trace này đ ể tìm ra t ập các tham s ố tối ưu đối với một giải thuật quản lý bộ nhớ cho trư ớc
hoặc để so sánh nh ững giải thuật khác nhau.
Cần phải chú ý rằng các trace ph ải là độc lập với hệ thống đang nghiên c ứu. Ví dụ, một trace của
các trang nh ớ được lấy ra từ một đĩa phụ thuộc vào qui mô công vi ệc và các chính sách thay th ế
trang nh ớ được sử dụng. Trace này không th ể dùng để nghiên c ứu các chính sách thay th ế trang
nhớ khác. Do đó, m ột nhà phân tích có th ể cần một trace của các trang nh ớ được tham chi ếu.
Tương tự như vậy, một trace lệnh được lấy từ một hệ điều hành không th ể dùng để phân tích m ột
hệ điều hành khác.
Những ưu điểm của phương pháp mô ph ỏng trace –driven như sau:
1. Tính tin cậy: Rất dễ dàng chuy ển kết quả của phương pháp mô ph ỏng trace-driven cho các thành
viên khác trong đ ội thiết kế. Ví dụ, một trace các tham chi ếu trang nh ớ có độ tin cậy cao hơn so v ới
các tham chiếu được tạo ngẫu nhiên s ử dụng một phân b ố giả định.
2. Dễ dàng kiểm tra: Bước đầu tiên của phương pháp mô ph ỏng trace - driven là th ực hiện giám sát
hệ thông thực để thu các trace. Trong su ốt quá trình giám sát này, nhà phân tích c ũng có th ể đo
kiểm các đặc tính hiệu suất của hệ thống. Bằng việc so sánh hi ệu suất đã đó được với hiệu suất có
được khi mô ph ỏng, nhà phân tích có th ể kiểm tra mô hình trace – driven m ột cách dễ dàng
3. Khối lượng công vi ệc chính xác: M ột trace duy trì các tác d ụng tương quan và đan xen trong
khối lượng công vi ệc (tải). Việc đơn gi ản hoá như khi b ắt đầu một mô hình phân tích v ề tải là
không cần thiết.
4. Cân bằng về mức độ chi tiết: Do mức độ chi tiết trong tải là cao, có th ể nghiên c ứu ảnh
hưởng của từng thay đ ổi nhỏ trong mô hình ho ăc các giải thuật
5. Ít ngẫu nhiên: Trace là m ột đầu vào xác đ ịnh. Nếu lặp lại mô phỏng, đầu vào trace là không đ ổi
thay đổi nó được. Do đó đ ể kết luận về sự ảnh hưởng của những thay đ ổi trong tải, thì cần phải có
một trace cho t ải bị thay đổi. Tương tự như vậy, nếu một trace ch ứa các đặc tính yêu c ầu tài nguyên
của một số công vi ệc thì rất khó để nghiên c ứu các ảnh hưởng tới từng công vi ệc đơn lẻ.
2.5.3 Mô phỏng sự kiện rời rạc
Một mô phỏng sử dụng mô hình tr ạng thái rời rạc của hệ thống được gọi là phương pháp mô
phỏng sự kiện rời rạc. Phương pháp này ngư ợc với các phương pháp mô ph ỏng sự kiện liên tục ở
chỗ trong mô ph ỏng sự kiện liên tục trạng thái c ủa hệ thống lấy các giá tr ị liên tục. Các mô hình
trạng thái liên t ục được sử dụng trong các mô phỏng hóa h ọc do trạng thái của hệ thống được mô
tả bởi sự tập trung của một chất hóa học. Trong các h ệ thống máy tính, các mô hình s ự kiện rời
rạc được sử dụng bởi vì trạng thái của hệ thống được mô tả bởi số lượng công vi ệc ở những thiết
bị khác nhau. Lư u ý rằng thuật ngữ “rời rạc” không dùng đ ể chỉ giá chị thời gian được sử dụng
trong mô ph ỏng. Phương pháp mô ph ỏng sự kiện rời rạc có thể sử dụng các giá tr ị thời gian liên
tục hay rởi rạc.
Tất cả phương pháp mô ph ỏng sự kiện rời rạc đều có chung m ột cấu trúc. Bất kể hệ thống được
mô hình là gì, thì ph ương pháp mô ph ỏng cũng sẽ có một số thành ph ần như sau: N ếu sử dụng
ngôn ng ữ lập trình đa dụng, thì các nhà phân tích ph ải tự phát tri ển tất cả các thành ph ần. Nguôn
ngữ lập trình mô ph ỏng thì có th ể cung cấp một vài thành ph ần còn lại các nhà phân tích ph ải tự
phát triển. Các thành ph ần đó như sau
1. Bộ lập lịch sự kiện (Event Scheduler) : Lưu tr ữ một danh sách liên k ết các sự kiện xắp xẩy ra. Bộ
lập lịch này cho phép tính toán các s ự kiện theo nhi ều cách khác nhau. M ột số phép tính toàn như
Copyright: Tài liệu đại học ©