Abstract: Nowadays, Performance Evaluation is one of
the most important fields of information technology. Hence,
it has been widely studied in recent years. This paper
presents the performance evaluation method using
Stochastic Petri Net. With the capability of simulating
complex systems and mapping to Markov chain, this
method is powerful widely used in many systems, especially
in computer and communication systems.
I. ĐẶT VN ĐỀ
Đánh giá hiu năng thông qua mô phng h thng
là mt phương pháp hiu quđặc bit hu ích đối
vi các nhà thiết kế, xây dng h thng. Nn tng ca
phương pháp là:
Mô phng h thng: mô hình hoá cu trúc
(structure) và mô t hành vi (behaviour) ca h
thng.
Phân tích, đánh giá hiu năng trên mô hình mô
phng h thng.
Hin nay, có ba phương pháp đánh giá hiu năng
thông qua mô phng h thng [1], đó là: phương pháp
s dng Mng hàng đợi (Queue Network - QN) [1,2],
phương pháp s dng Mng Petri (Petri Net - PN) [3]
và phương pháp s dng Chương trình máy tính được
thiết kế đặc thù ch để mô phng cho mt h thng [1].
Trong đó, phương pháp cui cùng tuy cho kết qu vi
độ tin cy và chính xác cao nhưng phi tr giá v s
đòi hi và chiếm dng tài nguyên rt ln, vì vy,
phương pháp này thường ít được s dng trong đánh
giá hiu năng. Phương pháp s dng mng hàng đợi,
vi nn tng là lý thuyết xếp hàng và lut Little, do
chi phí thp, vic mô phng đơn gin, tr nên rt hu
dng đối vi các h thng không phc tp, đòi hi độ
chính xác ca kết qu phân tích không cao. Đối vi
các h thng phc tp do kh năng hn chế trong vic
biu din các quan h tương tranh (concurrency),
đồng b (synchronization) cũng như các hot động
ni ti ca server nên phương pháp s dng mng
hàng đợi không đáng tin cy. Trong bi cnh đó,
phương pháp s dng mng Petri để mô phng h
thng, sau đó, trên cơ s phân tích cây trng thái
(được th hin thông qua tp hình trng ca mng) để
rút ra các kết qu đánh giá hiu năng c v định tính
định lượng, được coi như mt gii pháp dung h
hai phương pháp trên, trong đó, kết hp kh năng mô
phng phc tp ca phương pháp th ba vi kh năng
phân tích đơn gin, hiu qu ca phương pháp đầu.
Phương pháp dùng mng Petri có th áp dng đối vi
các h thng có hot động phc tp vi đầy đủ các
mi quan h gia các thành phn trong h thng.
Mô hình mng Petri được Carl Adam Petri đề xut
vào năm 1962, tri qua hơn 40 năm phát trin, t mt
mng Petri đơn gin ban đầu, nhng người quan tâm
nghiên cu đã cho ra đời mt lot các loi mng Petri
mc cao (Coloured Petri Net, Predicate Petri Net,
Stochastic Petri Net...) có th mô phng cũng như
phân tích hiu năng cho các h thng t đơn gin đến
phc tp. Trong đó, mng Stochastic Petri (SPN) [1,4]
do kh năng quy tương đương v chui Markov đã to
ra mt ưu thế vượt tri trong đánh giá hiu năng định
lượng và tr thành mt hướng nghiên cu nhiu ha
hn. PN nói chung và SPN nói riêng là nhng vn đề
Phương pháp đánh giá hiu năng h thng
s dng mng Stochastic Petri
A System Performance Evaluation Method
Using Stochastic Petri Net
T Hi Tùng
tương đối phc tp, vì vy, trong gii hn ngn gn
ca bài báo chúng tôi tp trung vào vic ng dng
SPN trong đánh giá hiu năng, các khía cnh chuyên
sâu có th được tìm hiu thêm trong các tài liu tham
kho [1,3,4,6].
II. PHƯƠNG PHÁP ĐÁNH GIÁ HIU NĂNG
H THNG S DNG MNG STOCHASTIC
PETRI
Hình1 ch rõ các bước ca phương pháp (mi bước
ng vi mt cung, bước tương ng vi cung đứt nét
có th được thc hin nhiu ln để mang li kết qu
ti ưu):
Bước 1: Mô phng h thng thành mt SPN.
Bước 2: Xây dng cây trng thái ca h thng
thông qua vic xây dng tp hình trng ca SPN.
Bước 3: Tiến hành phân tích hiu năng định tính.
Hình 1: Sơ đồ ng dng SPN trong đánh giá hiu năng
Bước 4: Trên cơ s cây trng thái, xây dng chui
Markov thi gian liên tc (Continuous Time Markov
Chain - CTMC) đại din cho h thng.
Bước 5: Tiến hành phân tích hiu năng định lượng.
Bước 6: T kết qu đánh giá hiu năng tiến hành
xây dng h thng (bước này không được đề cp do
ngoài phm vi bài báo).
Các mc tiếp sau s đi vào c th ca tng bước.
1. Mô phng h thng v SPN
a) SPN
Mô hình SPN là mt đồ th có hướng. Trong đó các
đỉnh là: các place đại din bi các hình tròn, các
transition đại din bi các hình ch nht: hình ch
nht đen là transition tc thi (immediate transition –
i-transition), hình ch nht trng là các transition gn
thi gian (timed transition – t-transition). Các đỉnh
khác loi ni vi nhau bi các cung, đối vi đỉnh là
transition tương ng có các cung vào (input arc), cung
ra (output arc), cung c chế (inhibitor arc) phân bit
bi đon thng có hình tròn đầu. Mi place có cha
các token, được biu din bi các hình tròn đen (do
vn đề ng nghĩa nên trong bài báo này vn s dng
nguyên gc các thut ng: place, transition, token).
Mt s phân b các token ti mi place là mt hình
trng (marking) ca SPN
V mt hình thc, SPN được định nghĩa như sau:
Định nghĩa 1: Mt SPN được biu din bi:
SPN = (P, T, Pr, I, O, H, W, m0)
Trong đó: P: tp các place (|P| = np).
T: là tp các transition (|T| = nt).
Pr: tp ưu tiên gn vi mi transition. Vi lưu ý mt i-
transition luôn có giá tr ưu tiên ln hơn bt k mt t-
transition nào.
I, O, H: Các tp trng s tương ng vi cung vào, cung
ra, cung c chế.
W:T
R+ mt hàm liên kết vi mi transition t. Đối
vi t-transition thì W(t) là tc độ kích hot (firing rate).
P
m
Nm
0 là hình trng ban đầu.
Hình 2: Mng Stochastic Petri
Trong hình 2:
P = {p1,p2,p3}; T = {t1,t2}; m0 = (1,2,0)
Nét đặc thù ca SPN là s liên kết yếu t thi gian
(tuân theo phân b xác sut mũ) vi s kích hot ca
t-transition trong SPN thông qua tc độ kích hot W(t-
B nh
p2
t2 CPU kết thúc
x lý lnh
t1 CPU bt đầu
x lý lnh
p3 CPU đang x
lnh
CPU sn sàng
p1
Mô phng
(1)
Xây dng
cây
trng thái
(
2
)
Phân tích
định lượng
(5)
Phân tích
định tính
(3)
Din gii,
xây dng
h thng
(6)
Xây dng CTMC
(4)
H thng mong đợi
SPN
Cây trng thái CTMC
Kết qu đánh
g
iá hi
u năn
g
transition).
Ngoài các thành phn cơ bn trên, hin nay để
phng các h thng phc tp, người ta còn thêm vào
mt s thành phn m rng to nên mng Stochastic
Reward (SRN) [6,7]
Ý nghĩa các thành phn ca SPN trong mô phng h
thng:
Place: Đại din cho tài nguyên hay tình trng ca
tài nguyên.
Transition: Đại din cho mt s kin trong chui s
kin xy ra trong quá trình hot động ca h thng.
i-transition: Đại din cho s kin xy ra tc thi khi
điu kin kích hot được tho mãn.
t-transition: Đại din cho s kin cn tri qua thi
gian tr trước khi kích hot.
Cung: Đại din cho lung vào và lung ra ca h
thng.
Token: Bn thân token không có ý nghĩa bng s
lượng token. S lượng token đại din cho s lượng tài
nguyên, s lượng yêu cu... S lượng token kết hp
vi các place và các cung cu thành điu kin để kích
hot mt transition (cu thành mt s kin). S lưu
chuyn token th hin hot động ca h thng. S
phân b các token đại din cho các trng thái ca h
thng.
Xut phát t ý nghĩa trên chúng ta thy được rng:
Cu trúc ca h thng có th được mô phng bi s
biu din v mt hình hc các thành phn ca SPN
(place, transition, token, cung).
Hot động ca h thng có th được mô phng bi
s lưu chuyn các token (chính là s biến đổi các
trng thái ca h thng) gia các đỉnh ca SPN
thông qua s kích hot ca các transition (hay s
xut hin ca các s kin). Đây chính là quá trình
mô t hành vi trong mô phng h thng.
Định nghĩa 2: Mt transition t gi là có kh năng
kích hot (enabled) trong mt hình trng m khi mà
mi place đầu vào ca t cha s token không nh hơn
trng s ca cung liên kết và mi place đầu vào c
chế có s lượng token nh hơn trng s ca cung c
chế liên kết.
Định nghĩa 3: Hình trng m tn ti mt i-transition
có kh năng kích hot được gi là hình trng vô hình
(vanishing marking). Ngược li, ta hình trng hu
hình (tangible marking).
Mt transition có kh năng kích hot t được chn
kích hot s tri qua mt khong thi gian tr tuân
theo phân b hàm mũ (nếu là i-transition thì thi gian
tr bng 0) trước khi kích hot. Khi kích hot, t s loi
khi các place vào (kết ni vi t thông qua cung vào)
s lượng token tương ng vi trng s ca cung liên
kết và đưa ra place ra (kết ni vi t thông qua cung
ra) s token tương ng vi trng s ca cung liên kết.
Trong hình 3 , chúng ta s xem xét s biến đổi hình
trng ca SPN khi kích hot t.
Hình 3: S lưu chuyn token trong SPN
Khi trong mt hình trng có nhiu hơn mt
transition có kh năng kích hot thì lut sau s được
áp dng để chn ra mt transition được kích hot [4]:
Mt transition trong s các i-transition có kh năng
kích hot (nếu tn ti) s được chn đầu tiên theo xác
sut: W
W(t)
=p. Vi W là tng độ phc tp ca các
i-transition có kh năng kích hot.
Nếu không tn ti i-transition có kh năng kích
hot, mt t-transition s được chn theo mt trong hai
chiến lược:
1. Chiến lược “chy đua” (race policy)
Trong chiến lược này thì t-transition nào có tc độ
ln nht (hay thi gian tr nh nht) trong s các t-
transition có kh năng kích hot s được chn kích
hot trước. Chính vì vy, ny sinh mt vn đề: So
sánh thi gian tr gia các t-transition có gc thi gian
khác nhau. Trong bi cnh đó có hai phương pháp:
Phương pháp khi to li t đầu (resampling): Khi
2
2
3
t
(b)
M’ = (1,0,0,3,1)
(a)
M = (4,1,2,1,0)
kích hot t
2
2
3
t
xét chn transition kích hot thì đồng thi khi to
li gc thi gian đối chng. Nghĩa là không ht
đến các yếu t lch s.
Phương pháp nh (memory policy) được b sung
thêm vào chính sách để lưu li các thông tin lch s
kích hot, phương pháp nh gm các phương pháp
con sau:
Phương pháp nh mc thp: Trong phương pháp
này, ti hình trng hin ti, nếu transition ti vn tiếp
tc gi kh năng kích hot có được t các nhp trước
nhưng ti đó không được chn kích hot thì s không
phi khi to li gc thi gian khi đem so sánh vi các
transition có kh năng kích hot khác.
Phương pháp nh mc cao: Phương pháp này,
ngoài kh năng lưu vết các transition vn tiếp tc gi
kh năng kích hot, còn có kh năng lưu vết mt
transition khi nó không có kh năng kích hot nhp
sau, để đến khi nó li có kh năng này mt nhp nào
đó trong tương lai thì gc thi gian không phi khi
to li.
2. Chiến lược la chn trước (preselection policy)
Trong đó t-transition s được chn vi xác sut
W
W(t)
=p. Vi W là tng tc độ kích hot ca các t-
transition có kh năng kích hot.
b) Các bước mô phng h thng
Bước 1: Xác định các hot động, chui s kin ca
hành động và tài nguyên cn thiết cho quá trình hot
động ca h thng.
Bước 2: Sp đặt các hot động theo mi quan h
nhân qu xác định trước (hot động nào kéo theo
hot động nào)
Bước 3: Mi hot động hoc s kin s được đại
din bi mt transition.
Bước 4: Các tài nguyên cn thiết, các trng thái
tri qua trong quá trình hot động ca tài nguyên
được đại din bi các place.
Bước 5: Xác định hình trng ban đầu ca h thng.
Bước 6: Chn la chiến lược hot động (mt trong
hai chiến lược: chy đua hay la chn trước)
2. Xây dng cây trng thái
Cây trng thái ca h thng được th hin thông
qua tp hình trng ca SPN, vi mi hình trng đại
din cho mt trng thái. Gi:
RS (Reachability Set) là tp hình trng ca h
thng.
NM (New Marking) là tp hình trng mi chưa
được xét.
Et(m) là tp các transition có kh năng kích hot ti
hình trng m.
Ta có thut toán xây dng cây trng thái vi tư
tưởng ca thut toán là: Xut phát t hình trng ban
đầu, ta xác định các transition có kh năng kích hot
(chính là các s kin có th xy ra trong h thng), ln
lượt kích hot các transition để to ra các hình trng
mi (trng thái mi ca h thng), đồng thi lưu tr
các thông tin v phép chuyn đổi hình trng đó để to
ra ma trn Q' (vi m, m' là ch s hàng và ct, W(t,m)
là giá tr ca phn t tương ng). Công vic được tiếp
tc lp li vi các hình trng mi (theo nghĩa không
có trong tp các hình trng đã có), đến khi không th
ny sinh ra mt hình trng mi nào.
1. input {P,T,PR,I,O,H,W,m0}
2. NM := {m0}; RS := {m0}
3. while NM
4. begin
5. let m
NM
6. NM := NM - {m}
7. for all t
Et(m)
8. begin
9. let m
t m'
10. store_Q’(m,m',W(t,m))
11. if m'
RS
12. then NM := NM
{m'}
13. RS := RS
{m'}
14. else mark(m’)
15. end
16. end
17. p(0) = (1,0,...,0)
18. Output RS,Q’,p(0)
Vi đầu vào là SPN tri qua thut toán trên chúng ta
thu được tp hình trng ca SPN, đồng thi thu được
ma trn Q’ có s chiu bng s trng thái trong h
thng và xác sut thi đim ban đầu p(0) phc v cho
quá trình xây dng CTMC sau này.
Thut toán trên ch dng khi s lượng trng thái ca
h thng là hu hn. Đối vi các h thng mà vic
xut hin các trng thái mi là vô hn thì cây trng
thái cũng có st không th xác định được và thut
toán không dng, đó chính là hin tượng bùng n
trng thái (state explosion). Phương pháp đánh giá
hiu năng đề cp trong bài báo này ch quan tâm đến
các h thng hu hn trng thái.
3. Phân tích hiu năng định tính
Phân tích hiu năng định tính đem li câu tr li v
các tính cht, thuc tính ca h thng. Dưới đây s
định nghĩa mt s thuc tính tiêu biu ca h thng
cũng như cách phân tích nó trong SPN.
a) Tính dng
Định nghĩa 4: H thng được gi là dng nếu trong
quá trình hot động h thng đạt ti đim chết”
(deadlock) (đim ti đó không có s kin tiếp theo xy
ra và h thng s gi trng thái màđạt được đến
khi nào có tác động ca môi trường bên ngoài).
Ngược li ta có h thng “sng” (live)
Tính cht này được phân tích trong SPN da vào
tp hình trng ca h thng: Nếu tn ti hình trng
không có kh năng kích hot mt transition nào, ta kết
lun: h thng dng.
b) Tính gii hn (Bounded)
Định nghĩa 5: Mt h thng được gi là gii hn
nếu s lượng trng thái ca nó là gii hn.
Trong SPN, khái nim gii hn được gn vi s
lượng token ti mi place: Nếu tn ti mt place có s
lượng token tăng lên không ngng vượt quá mt gii
hn định trước thì coi h thng là không gii hn. Nếu
h thng có s lượng token ti mi place luôn nh hơn
mt s k thì h thng được gi là k-bounded.
c) Tính bo toàn (Conservative)
Định nghĩa 6: Mt SPN được coi là bo toàn nếu
s lượng token ti mi hình trng trong tp hình trng
ca nó là như nhau.
d) Tính khôi phc ngược (Reversible)
Định nghĩa 7: H thng được gi là có kh năng
khôi phc ngược nếu trong quá trình hot động có kh
năng quay li trng thái ban đầu.
Trong SPN, tính cht này s đưc phân tích thông
qua vic tìm kiếm hình trng ban đầu ti các node
khác node gc ca tp hình trng.
4. Xây dng CTMC
CTMC – Continuous Time Markov Chain – được
xác định theo quan h sau:
Pr{Xn+1=xn+1/Xn=xn,...,X0=x0} = Pr{Xn+1=xn+1/Xn=xn} (1)
Vi Xi
Τ
là trng thái ti thi đim ti,
Τ
là tp
trng thái, t0<t1<...<tn+1. Do thi gian là liên tc mà
không gian trng thái li ri rc, nên khi đạt đến mt
trng thái thì CTMC s” trng thái đó trong mt
khong thi gian gi là thi gian tr (residence time)
tuân theo phân b xác sut mũ vi hàm phân b:
)2(0,1)( = tetF t
i
i
µ
Vì vy mt CTMC được đại din bi ma trn Q và
véc-tơ xác sut thi đim ban đầu p(0), trong đó, các
phn t ca ma trn Q chính là thành phn tc độ (
µ
i)
dùng để xác định thi gian tr ti mi trng thái i
trong (1).
Trong SPN do yếu t thi gian được gn vi t-
transition nên các phn t ca ma trn Q lúc này chính
là tc độ kích hot ca t-transition. Q được xây dng
t Q' sau khi đã loi các phn t tương ng vi các
hình trng (trng thái) vô hình (định nghĩa 3) (do
trng thái này thc tế không tn ti, h thng s ngay
lp tc chuyn sang trng thái hu hình kế tiếp). Cơ
s để xây dng Q được mô t thông qua hình 4:
Hình 4: Xây dng ma trn đặc trưng Q t cây trng thái
Trong đó: 1 và 3 là các trng thái hu hình, 2 là
trng thái vô hình
21
1
t
vi t1 là t-transition vi tc độ kích hot
µ
1.
λ
Q =
µ
2
µ
1
1
3
2
-
µ
1
µ
2
µ
1
µ
2
λ
-
λ