杜 楠, 彭文成, 譚亞新

(陸軍裝甲兵學(xué)院演訓(xùn)中心, 北京 100072)

0 引 言

信息化條件下,武器裝備體系化特征更加明顯,裝備試驗對象由單個裝備向裝備體系拓展,試驗環(huán)境由單一簡單環(huán)境向?qū)崙?zhàn)化的復(fù)雜環(huán)境轉(zhuǎn)變成為當(dāng)前裝備體系試驗的必然要求[1-3]。真實-虛擬-構(gòu)造(live-virtual-constructive, LVC)仿真可將當(dāng)前分散的試驗場、訓(xùn)練基地、演習(xí)場等環(huán)境連接、集成起來,解決虛實融合、數(shù)據(jù)傳輸、綜合評估、資源管理等一系列問題并且形成統(tǒng)一規(guī)范和標(biāo)準(zhǔn),從而提供一個貼近實戰(zhàn)、功能多樣、綜合性強(qiáng)、開放性好的一體化環(huán)境,為裝備體系試驗提供有效技術(shù)手段[4-5]。LVC仿真的關(guān)鍵是真實、虛擬、構(gòu)造仿真資源的建模與通信,實現(xiàn)資源間的互操作[6-8]。因此,如何使仿真資源間實現(xiàn)實時調(diào)度,以便更高效地執(zhí)行仿真應(yīng)用、更快返回仿真結(jié)果是需要解決的關(guān)鍵問題[9-10]。仿真即服務(wù)(simulation as a service, SAAS)是一種能夠快速、按需部署和執(zhí)行仿真應(yīng)用的方法,本文基于SAAS理念,通過遠(yuǎn)程方法和優(yōu)化調(diào)度策略實現(xiàn)云環(huán)境中裝備試驗資源的高效實時調(diào)度[9,11-14]。

文獻(xiàn)[15]將應(yīng)用調(diào)度虛擬機(jī)和為虛擬機(jī)分配物理計算機(jī)資源的問題建模為約束滿足非確定性多項式(nondeterministic polynomially, NP)問題模型,將資源調(diào)度的目標(biāo)作為算法的目標(biāo)函數(shù)優(yōu)化虛擬機(jī)資源分配,利用遺傳算法、粒子群算法、蟻群算法等啟發(fā)式算法求解資源調(diào)度問題。這類算法在網(wǎng)格計算中,取得了不錯的資源調(diào)度結(jié)果。然而,在云計算環(huán)境中,資源異構(gòu)多樣,交互復(fù)雜,算法會面臨搜索速度慢、陷入局部最優(yōu),以及并行機(jī)制得不到充分應(yīng)用的局面。文獻(xiàn)[16]設(shè)計了一種基于深度強(qiáng)化學(xué)習(xí)的資源調(diào)度算法框架,首先利用從網(wǎng)絡(luò)節(jié)點(diǎn)獲取的大量先驗數(shù)據(jù),訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)。其次,采用蒙特卡羅方法,對數(shù)據(jù)進(jìn)行降維。最后,利用強(qiáng)化學(xué)習(xí)分配網(wǎng)絡(luò)資源,通過大量的自我對弈,實現(xiàn)算法的價值網(wǎng)絡(luò)學(xué)習(xí)。這種方法可解決大型、復(fù)雜、動態(tài)的資源分配問題,但計算機(jī)集群的可擴(kuò)展性差,如果想要擴(kuò)展計算機(jī)集群,需要重新開展神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。從文獻(xiàn)中可以看出,云仿真調(diào)度取得了一些成果,但大多數(shù)調(diào)度策略較為簡單,無法同時滿足云仿真按需自助服務(wù)、廣泛的網(wǎng)絡(luò)接入、資源池、快速彈性、可度量的服務(wù)特點(diǎn)。

1 模型建立

基于SAAS的LVC裝備試驗資源實時調(diào)度模型包括遠(yuǎn)程方法通信實現(xiàn)子模型、遠(yuǎn)程方法云服務(wù)子模型、優(yōu)化調(diào)度策略子模型,如圖1所示。遠(yuǎn)程方法通信實現(xiàn)子模型,負(fù)責(zé)為LVC仿真提供及時、可控的遠(yuǎn)程通信;遠(yuǎn)程方法云服務(wù)子模型支持在云環(huán)境下,計算訂閱單元提出的調(diào)用需求,并將實現(xiàn)后的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸反饋給訂閱單元。優(yōu)化調(diào)度策略子模型通過優(yōu)化調(diào)度算法完成遠(yuǎn)程方法實現(xiàn)的優(yōu)化調(diào)度,使遠(yuǎn)程方法實現(xiàn)的效率接近最優(yōu)。

圖1 調(diào)度模型結(jié)構(gòu)組成圖Fig.1 Composition diagram of scheduling model

遠(yuǎn)程,是指提出訂閱需求的訂閱單元所使用的計算機(jī)和遠(yuǎn)程方法云服務(wù)子模型位于不同的計算機(jī)上,訂閱需求的實現(xiàn)方法即為遠(yuǎn)程方法[17-18]。遠(yuǎn)程方法是定義在虛擬化狀態(tài)對象(virtualization infrastructure object, VIO)中的方法,使得模型節(jié)點(diǎn)中想進(jìn)行的操作得以執(zhí)行。例如,坦克瞄準(zhǔn)操作、函數(shù)計算操作。VIO為遵循虛擬試驗分布式對象描述語言定義的標(biāo)準(zhǔn)狀態(tài)對象,虛擬試驗分布式對象描述語言包括狀態(tài)分布對象、消息對象、本地對象、向量、接口、枚舉、狀態(tài)分布對象指針、基本類型,及其繼承、組合、聚合關(guān)系,訂閱了VIO的模型都可以對該VIO進(jìn)行遠(yuǎn)程調(diào)用[19-21]。使用遠(yuǎn)程方法的必要性主要體現(xiàn)在,LVC試驗中存在大量分布的仿真軟件、模型資源、通用工具、數(shù)據(jù)庫等靶場資源,這些資源之間交互復(fù)雜,且為異構(gòu)仿真資源對象。因此,當(dāng)仿真資源之間通信量較大或某個模型的實現(xiàn)邏輯被多次調(diào)用時,交互的實時性通常難以滿足武器裝備體系快速響應(yīng)的試驗任務(wù)需求。遠(yuǎn)程方法通信作為一種通信機(jī)制,可為LVC裝備試驗系統(tǒng)提供及時、可控的遠(yuǎn)程通信和模型處理,能最大限度地利用網(wǎng)絡(luò)資源處理遠(yuǎn)程方法實現(xiàn)邏輯,縮短方法執(zhí)行時間,提高執(zhí)行效率,并且具有很好的可擴(kuò)展性。

1.1 遠(yuǎn)程方法通信實現(xiàn)子模型

遠(yuǎn)程方法通信實現(xiàn)子模型,基于VIO通信機(jī)制完成實現(xiàn)單元和訂閱單元之間的信息傳輸,訂閱單元的訂閱需求為中間件對象時,可視為調(diào)用VIO的遠(yuǎn)程方法。實物/半實物的設(shè)備模型被調(diào)用時,便等同于一個設(shè)備命令。例如,人員操控火炮發(fā)射可以通過遠(yuǎn)程方法通信完成,在該過程中人員相當(dāng)于主從調(diào)用關(guān)系的主體,火炮發(fā)射相當(dāng)于聽從人員命令的從屬設(shè)備。遠(yuǎn)程方法的復(fù)雜計算由遠(yuǎn)程方法的Agent實現(xiàn),在云服務(wù)端的計算機(jī)機(jī)群中進(jìn)行合理分配,分配原則由優(yōu)化調(diào)度策略子模型定義。模型節(jié)點(diǎn)之間通過點(diǎn)對點(diǎn)的通信完成數(shù)據(jù)交互,使信息由任何單獨(dú)的模型實現(xiàn)和訂閱,數(shù)據(jù)信息被直接從源路傳到任何感興趣的模型,雙方交互的數(shù)據(jù)信息從遠(yuǎn)程方法云服務(wù)子模型獲取[22-23]。

1.2 遠(yuǎn)程方法云服務(wù)子模型

云服務(wù)環(huán)境是指為訂閱單元和實現(xiàn)單元按需提供服務(wù)的計算機(jī)機(jī)群,該計算機(jī)機(jī)群的每個計算機(jī)為一個模型節(jié)點(diǎn),該計算機(jī)中存儲有能完成訂閱單元訂閱需求的一個或多個遠(yuǎn)程方法,并且Agent依托模型節(jié)點(diǎn)完成遠(yuǎn)程方法的復(fù)雜計算[24-25]。遠(yuǎn)程方法云服務(wù)子模型支持?jǐn)?shù)個訂閱單元在同一時刻訪問云服務(wù)端提出訂閱需求,調(diào)用不同模型節(jié)點(diǎn)的遠(yuǎn)程方法,并將實現(xiàn)后的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸反饋給訂閱單元。遠(yuǎn)程方法的實現(xiàn)分布在機(jī)群的多個模型節(jié)點(diǎn)中,當(dāng)有訂閱需求時,遠(yuǎn)程方法云服務(wù)子模型自動為該遠(yuǎn)程方法創(chuàng)建實現(xiàn)Agent,由Agent根據(jù)訂閱單元的訂閱需求調(diào)用遠(yuǎn)程方法的實現(xiàn)邏輯進(jìn)行計算,得出輸出結(jié)果(即訂閱信息),通過遠(yuǎn)程方法通信將輸出結(jié)果反饋給訂閱單元。遠(yuǎn)程方法云服務(wù)子模型能夠根據(jù)每個遠(yuǎn)程方法的實際調(diào)用需求,為該遠(yuǎn)程方法創(chuàng)建多個Agent,該Agent的數(shù)量由云服務(wù)計算機(jī)機(jī)群中的計算機(jī)數(shù)量決定。如果該機(jī)群中有n臺計算機(jī),則最多只能為遠(yuǎn)程方法創(chuàng)建n個Agent。

1.3 優(yōu)化調(diào)度策略子模型

優(yōu)化調(diào)度策略子模型能夠針對訂閱單元不同的訂閱需求,綜合評估計算機(jī)機(jī)群的軟硬件性能,優(yōu)化網(wǎng)絡(luò)資源,合理進(jìn)行模型節(jié)點(diǎn)分配,通過基于Agent的優(yōu)化調(diào)度算法完成遠(yuǎn)程方法實現(xiàn)的優(yōu)化調(diào)度,使遠(yuǎn)程方法實現(xiàn)的效率達(dá)到或接近最優(yōu)。優(yōu)化調(diào)度策略子模型支持在兩個以上訂閱單元提出訂閱需求的情況下,通過遠(yuǎn)程方法云服務(wù)子模型調(diào)用優(yōu)化調(diào)度策略,將實現(xiàn)遠(yuǎn)程方法的Agent合理分配到計算機(jī)機(jī)群中的相應(yīng)計算機(jī)(即模型節(jié)點(diǎn))中,仿真運(yùn)行過程中不再動態(tài)創(chuàng)建或變更遠(yuǎn)程方法的實現(xiàn)Agent。

遠(yuǎn)程方法通信實現(xiàn)子模型,從遠(yuǎn)程方法云服務(wù)子模型中作為訂閱單元的模型節(jié)點(diǎn)處接收訂閱需求,將該訂閱需求傳輸給遠(yuǎn)程方法云服務(wù)子模型。優(yōu)化調(diào)度策略子模型從遠(yuǎn)程方法云服務(wù)子模型提取訂閱需求,根據(jù)訂閱需求,通過優(yōu)化調(diào)度策略確定實現(xiàn)訂閱需求需調(diào)用的模型節(jié)點(diǎn)。優(yōu)化調(diào)度策略即采用基于Agent的優(yōu)化調(diào)度算法,確定實現(xiàn)訂閱需求的模型節(jié)點(diǎn),完成遠(yuǎn)程方法(即實現(xiàn)訂閱需求的方法)調(diào)用,使遠(yuǎn)程方法實現(xiàn)的效率達(dá)到或接近最優(yōu)。遠(yuǎn)程方法云服務(wù)子模型在云環(huán)境下為選定的模型節(jié)點(diǎn)分配Agent。如果當(dāng)前計算機(jī)機(jī)群節(jié)點(diǎn)地的所有計算機(jī)均不能合理有效地執(zhí)行遠(yuǎn)程方法的復(fù)雜計算,或其執(zhí)行效率較低,可在仿真試驗前增加模型節(jié)點(diǎn),即增加計算機(jī)數(shù)量,該模型節(jié)點(diǎn)只能用于遠(yuǎn)程方法的實現(xiàn)[26-28]。

2 模型運(yùn)行步驟

基于SAAS的LVC裝備試驗資源實時調(diào)度方法步驟如下:

步驟 1遠(yuǎn)程方法通信實現(xiàn)子模型,從遠(yuǎn)程方法云服務(wù)子模型中作為訂閱單元的模型節(jié)點(diǎn)處接收訂閱需求,將該訂閱需求傳輸給遠(yuǎn)程方法云服務(wù)子模型。

步驟 2優(yōu)化調(diào)度策略子模型從遠(yuǎn)程方法云服務(wù)子模型提取訂閱需求,根據(jù)訂閱需求,通過優(yōu)化調(diào)度策略確定作為實現(xiàn)單元的模型節(jié)點(diǎn)。

步驟 3將選定的實現(xiàn)單元信息發(fā)送給遠(yuǎn)程方法云服務(wù)子模型。

步驟 4遠(yuǎn)程方法云服務(wù)子模型在云環(huán)境下為選定的模型節(jié)點(diǎn)分配Agent,Agent可通過該選中的模型節(jié)點(diǎn)實現(xiàn)訂閱需求,同時能夠收到訂閱信息,將子模型的反饋信息發(fā)送給訂閱單元的模型節(jié)點(diǎn)。

3 模型運(yùn)行實現(xiàn)

遠(yuǎn)程方法通信實現(xiàn)基于公共對象請求代理體系結(jié)構(gòu)(common object request broker architecture, CORBA)服務(wù)完成,CORBA是由對象管理組織(object management group, OMG)指定的一種標(biāo)準(zhǔn)的面向?qū)ο髴?yīng)用程序體系規(guī)范,在將包含遠(yuǎn)程方法的VIO對象映射為CORBA的接口描述語言(interface definition language, IDL)文件并生成相應(yīng)的目錄結(jié)構(gòu)之后,可進(jìn)一步生成支持遠(yuǎn)程方法通信的客戶端和服務(wù)端代碼。但是,并不能直接使用CORBA服務(wù)的通信功能,模型開發(fā)人員需編寫VIO對應(yīng)CORBA對象的引用綁定和引用獲取方面的C++代碼,技術(shù)難度較大,使用不方便。遠(yuǎn)程方法通信子模型將煩瑣的任務(wù)封裝起來,使其對模型開發(fā)人員透明,模型開發(fā)人員不需要關(guān)心其通信的具體實現(xiàn)機(jī)制,僅需調(diào)用開放的遠(yuǎn)程方法應(yīng)用編程接口(application programming interface, API)編寫實現(xiàn)邏輯即可,極大地方便了試驗程序的開發(fā)[29-30]。由客戶端和服務(wù)端來完成遠(yuǎn)程方法通信的底層實現(xiàn),信息的交互要通過對象請求代理(object request broker, ORB)來完成訂閱單元的信息交互。如圖2所示,在模型層將VIO中的遠(yuǎn)程方法封裝在RemoteMethodsImpl類中,該類繼承自遠(yuǎn)程方法實現(xiàn)接口。遠(yuǎn)程方法實現(xiàn)包括以下6類:遠(yuǎn)程方法接口類、遠(yuǎn)程方法工廠接口類、代理類、攔截器調(diào)用類、公共ORB體系結(jié)構(gòu)服務(wù)者實施類和服務(wù)者類。其中,還包括郵局協(xié)議(post office protocol, POA)。

圖2 遠(yuǎn)程方法通信實現(xiàn)子模型的設(shè)計類圖Fig.2 Design class diagram of remote method communication implementation submodel

6類通過工廠模式、委派模式、攔截器模式,協(xié)作實現(xiàn)了遠(yuǎn)程方法實現(xiàn)和遠(yuǎn)程方法調(diào)用與CORBA客戶端和服務(wù)端的解耦。CORBA的服務(wù)者類中,委派一個攔截器調(diào)用類成員,攔截器調(diào)用類繼承自遠(yuǎn)程方法接口類,其中對一個遠(yuǎn)程方法接口類進(jìn)行引用,同時采取Delegate模式將自身委托給遠(yuǎn)程方法接口類。與此同時,公共ORB體系結(jié)構(gòu)服務(wù)者實施類調(diào)用攔截器調(diào)用類成員的方法,該方法需繼承自服務(wù)端所提供的POA_Servant,用攔截器的模式來實現(xiàn)服務(wù)端所提供的所有遠(yuǎn)程方法的接口。

遠(yuǎn)程方法云服務(wù)子模型采用私有云模式,只有參與LVC裝備試驗仿真遠(yuǎn)程方法通信的模型才能管理云。以資源共享為基礎(chǔ),所有模型均可使用云服務(wù)端的遠(yuǎn)程方法,并認(rèn)為在某一時刻可由自身獨(dú)立使用。在LVC裝備試驗仿真系統(tǒng)中布設(shè)的所有節(jié)點(diǎn)均屬于云服務(wù)端,該計算機(jī)機(jī)群同時又隸屬于可實現(xiàn)遠(yuǎn)程方法調(diào)用的單元機(jī)群,故而各個模型中都可以包含屬于自己的遠(yuǎn)程方法。遠(yuǎn)程方法云服務(wù)子模型的工作流程如圖3所示。

圖3 遠(yuǎn)程方法云服務(wù)子模型的工作流程圖Fig.3 Workflow diagram of remote method cloud service submodel

用于實現(xiàn)遠(yuǎn)程方法的Agent是用于輔助完成遠(yuǎn)程方法實現(xiàn)的代理,即遠(yuǎn)程方法邏輯填寫并編譯通過之后,在仿真運(yùn)行過程中可通過相應(yīng)的Agent進(jìn)行實現(xiàn)。遠(yuǎn)程方法云服務(wù)子模型端為每個遠(yuǎn)程方法實現(xiàn)創(chuàng)建一個或多個Agent,并根據(jù)實際的LVC裝備試驗仿真需求靈活累加。需求包括云服務(wù)端機(jī)群的計算性能不足以滿足仿真性能,需要分布式并行計算;LVC一體化仿真系統(tǒng)在之前所用的仿真模型基礎(chǔ)上又增加了其他模型,需要再增加Agent完成遠(yuǎn)程方法的計算;為滿足某特殊計算需求,在云服務(wù)端機(jī)群中增加相應(yīng)的高性能計算機(jī),使用該計算機(jī)完成遠(yuǎn)程方法計算等。當(dāng)Agent沒有計算工作時,將其標(biāo)志位設(shè)為0,當(dāng)Agent正在參與遠(yuǎn)程方法計算時,將其標(biāo)志位設(shè)置為1。遠(yuǎn)程方法Agent實現(xiàn)流程如圖4所示。

圖4 遠(yuǎn)程方法Agent實現(xiàn)流程圖Fig.4 Flowchart of remote method Agent implementation

例如,LVC裝備試驗仿真系統(tǒng)中有5個模型需要調(diào)用遠(yuǎn)程方法a,云服務(wù)端可為遠(yuǎn)程方法A創(chuàng)建5個分布于云服務(wù)端的實現(xiàn)單元機(jī)群的Agent,并將其初始標(biāo)志位設(shè)為0。當(dāng)程序運(yùn)行到某個時刻時,模型1調(diào)用遠(yuǎn)程方法a,云服務(wù)端綜合考慮網(wǎng)絡(luò)現(xiàn)有資源,將Agent1分配用于遠(yuǎn)程方法實現(xiàn)。此時,Agent1的標(biāo)志位設(shè)為1,完成計算之后,標(biāo)志位重置為0。模型2調(diào)用遠(yuǎn)程方法A,云服務(wù)端將Agent3分配用于遠(yuǎn)程方法實現(xiàn)。此時,Agent3的標(biāo)志位設(shè)置為1,完成計算之后,標(biāo)志位重置為0;依此類推。

優(yōu)化調(diào)度策略子模型,通過優(yōu)化調(diào)度策略實現(xiàn)遠(yuǎn)程方法訂閱單元的優(yōu)化調(diào)度,優(yōu)化網(wǎng)絡(luò)資源。為了提高遠(yuǎn)程方法的訪問效率及減少訪問時間,縮短程序執(zhí)行時間,降低仿真執(zhí)行延遲,優(yōu)化調(diào)度策略子模型對LVC裝備試驗仿真任務(wù)(任務(wù)依賴關(guān)系、計算成本等)和實現(xiàn)單元機(jī)群的軟硬件性能進(jìn)行分析(計算機(jī)顯卡、CPU使用率、內(nèi)存使用率、吞吐量等),合理進(jìn)行模型節(jié)點(diǎn)分配,使遠(yuǎn)程方法實現(xiàn)的效率達(dá)到或接近最優(yōu)。通過遠(yuǎn)程方法云服務(wù)子模型調(diào)用優(yōu)化調(diào)度策略將實現(xiàn)遠(yuǎn)程方法的Agent合理分配到計算機(jī)機(jī)群中的相應(yīng)計算機(jī)(即模型節(jié)點(diǎn))中,仿真運(yùn)行過程中不再動態(tài)創(chuàng)建或變更遠(yuǎn)程方法的實現(xiàn)Agent,保證系統(tǒng)運(yùn)行過程中不再增加仿真系統(tǒng)的運(yùn)行負(fù)擔(dān)。Agent合理分配在仿真試驗前完成,仿真試驗是指模擬訂閱者提供訂閱需求,通過遠(yuǎn)程方法通信實現(xiàn)子模型傳給遠(yuǎn)程方法云服務(wù)子模型,優(yōu)化調(diào)度策略子模型提取訂閱需求后根據(jù)優(yōu)化調(diào)度策略挑選出能夠完成訂閱需求的模型節(jié)點(diǎn),并由該節(jié)點(diǎn)對訂閱者的需求進(jìn)行反饋。例如,LVC仿真系統(tǒng)中含有m個遠(yuǎn)程方法,p個模型,n個節(jié)點(diǎn),每個節(jié)點(diǎn)的計算性能各不相同,則可以為每個遠(yuǎn)程方法最多創(chuàng)建n個Agent。為合理分配網(wǎng)絡(luò)資源,最大限度地減少仿真程序的執(zhí)行時間,優(yōu)化調(diào)度子模型采用近似優(yōu)化算法,假設(shè)節(jié)點(diǎn)ni分配的是模型pi調(diào)用的遠(yuǎn)程方法a的Agent1,Agent1在節(jié)點(diǎn)ni上的實現(xiàn)時間為ta,節(jié)點(diǎn)ni上實際分配的是模型pi調(diào)用的遠(yuǎn)程方法b的Agent2,Agent2在節(jié)點(diǎn)ni上的實現(xiàn)時間為tb,應(yīng)使Δt=|ta-tb|接近于零。近似優(yōu)化算法的原則如下:

(1) 不斷移動每個節(jié)點(diǎn)需要實現(xiàn)的遠(yuǎn)程方法的Agent,使得各個節(jié)點(diǎn)的Δt不斷變小;

(2) 如果把ni中某一遠(yuǎn)程方法的Agent移動到nj中,使得ta和tb都變小,則移動該遠(yuǎn)程方法的Agent;

(3) 如果把ni中某一遠(yuǎn)程方法的Agent和nj中某一遠(yuǎn)程方法的Agent交換,使得ta和tb都變小,則交換兩個節(jié)點(diǎn)分配遠(yuǎn)程方法的Agent。

運(yùn)行序列圖如圖5所示,序列如下:

(1) 訂閱單元根據(jù)需求通過遠(yuǎn)程方法通信實現(xiàn)子模型向遠(yuǎn)程方法云服務(wù)子模型的云服務(wù)端提出遠(yuǎn)程方法訂閱需求,云服務(wù)端根據(jù)訂閱需求找到相應(yīng)的遠(yuǎn)程方法。

(2) 遠(yuǎn)程方法云服務(wù)子模型根據(jù)優(yōu)化調(diào)度策略子模型的近似優(yōu)化算法,綜合評估計算機(jī)機(jī)群節(jié)點(diǎn)的軟、硬件性能,合理進(jìn)行模型節(jié)點(diǎn)分配,使遠(yuǎn)程方法實現(xiàn)的效率達(dá)到或接近最優(yōu)。

(3) 遠(yuǎn)程方法云服務(wù)子模型得出優(yōu)化調(diào)度策略之后,根據(jù)訂閱單元的個數(shù)為遠(yuǎn)程方法創(chuàng)建相應(yīng)個數(shù)的實現(xiàn)Agent,并將Agent分配到合理的計算機(jī)機(jī)群節(jié)點(diǎn)中。

圖5 運(yùn)行序列圖Fig.5 Operation sequence diagram

(4) 訂閱單元為其遠(yuǎn)程方法的實現(xiàn)Agent提供輸入,Agent根據(jù)輸入完成遠(yuǎn)程方法的復(fù)雜計算,并將計算結(jié)果反饋給遠(yuǎn)程方法云服務(wù)子模型。

(5) 遠(yuǎn)程方法云服務(wù)子模型通過遠(yuǎn)程方法通信實現(xiàn)子模型將計算結(jié)果反饋給訂閱單元。

4 模型算法驗證

邏輯靶場的實際部署方式示意圖如圖6所示,虛實實體的信息時延是指從仿真網(wǎng)的發(fā)送端傳遞到接收端所消耗的時間,包括傳輸時延、傳播時延、排隊時延、處理時延。傳輸時延,是指從數(shù)據(jù)幀第一個比特到最后一個比特全部傳輸完畢的時間,與計算機(jī)處理性能、數(shù)據(jù)包大小有關(guān),時間單位通常為ms級。傳播時延是指電磁波在無線鏈路上傳播所消耗的時間,其往返于我國距離最長兩地域間的時間約為40 ms。排隊時延是指數(shù)據(jù)在隊列中排隊等待和被處理過程中所消耗的時間,單位通常為ms級或μs級。處理時延是從數(shù)據(jù)包首部分析到數(shù)據(jù)提取、從數(shù)據(jù)調(diào)度到路由選擇、差錯檢驗等過程所消耗的時間,單位通常為ms級或μs級。排隊時延和處理時延一般較難計算,通常與數(shù)據(jù)包大小,先前已經(jīng)到達(dá)的以及目前正在等待的數(shù)據(jù)包數(shù)量,以及交換機(jī)、路由器、中間件調(diào)度模型的性能有關(guān)[29-32]。

圖6 邏輯靶場的實際部署方式示意圖Fig.6 Schematic diagram of actual deployment method of logical range

模型算法性能測試是在條件變量可控、可重復(fù)的條件下,對模型進(jìn)行的接近實際應(yīng)用狀態(tài)的測試。這里假設(shè)虛實實體間能夠?qū)崟r交互,因此將仿真步長定為50 ms。由于要按LVC仿真系統(tǒng)規(guī)定使用等步長推進(jìn)和事件隊列原理,并在步長結(jié)束時,對發(fā)生在步長時間內(nèi)的所有事件合計進(jìn)行匯總,因此,減去傳輸時延,往返于我國距離最長兩地域間的40 ms傳播時延,以及局域網(wǎng)、交換機(jī)、路由器性能造成的排隊時延和處理時延,將模型時延要求定為小于1 ms標(biāo)準(zhǔn)?？紤]裝備體系試驗仿真的規(guī)模大約為30個節(jié)點(diǎn),以及仿真的可信性,因此將模型性能標(biāo)準(zhǔn)定為:標(biāo)準(zhǔn)測試環(huán)境下,模型時延要求小于1 ms,云服務(wù)環(huán)境可承載大約30個節(jié)點(diǎn)同時提出訂閱需求,并且調(diào)度成功率均大于95%,丟包率為0。

為了忽略數(shù)據(jù)包傳輸時延,更精確地測量出調(diào)度模型的性能,實驗測試環(huán)境采用千兆局域網(wǎng),使用6類網(wǎng)線連接,單根網(wǎng)線長度不超過5 m,網(wǎng)絡(luò)拓?fù)鋱D如圖7所示。仿真系統(tǒng)包括計算機(jī)3臺,其中1臺計算機(jī)通過并行發(fā)送數(shù)據(jù)包來模擬一定數(shù)量的訂閱需求節(jié)點(diǎn)同時發(fā)出的訂閱需求;2臺計算機(jī)模擬云服務(wù)環(huán)境中的計算機(jī)機(jī)群,調(diào)度模型基礎(chǔ)環(huán)境和其他所需軟件環(huán)境均已在仿真系統(tǒng)中部署完畢。設(shè)置3臺計算機(jī)的軟硬件性能、包含的遠(yuǎn)程方法、模型個數(shù)均相同。由于該測試具有一定的抽象性,因此可以得到具有度量價值的測試結(jié)果。

圖7 實驗測試網(wǎng)絡(luò)拓?fù)鋱DFig.7 Topology diagram of experimental testing network

假設(shè)訂閱需求的數(shù)據(jù)包大小為1 kB,調(diào)度模型允許最大時延為1 ms,測試同時提出訂閱需求的節(jié)點(diǎn)數(shù)分別為1、10、30、40時,調(diào)度模型處理訂閱需求所需時延的大小,分別模擬1 000次,測試結(jié)果統(tǒng)計如圖8所示。可以看出,隨著提出訂閱需求的節(jié)點(diǎn)數(shù)量的增加,調(diào)度模型處理訂閱需求的時延在逐漸增加,節(jié)點(diǎn)數(shù)為1、10、30、40時,平均時延分別為0.42 ms,0.57 ms,0.93 ms,1.24 ms,這是因為云服務(wù)環(huán)境中服務(wù)器性能和分配的Agent資源有限。當(dāng)節(jié)點(diǎn)數(shù)為30時,處理時延接近1 ms,節(jié)點(diǎn)數(shù)為40時,處理時延已經(jīng)超過1 ms,說明在該測試環(huán)境下,云服務(wù)環(huán)境最多可承載大約30個節(jié)點(diǎn)同時提出訂閱需求。如果需要增加云服務(wù)環(huán)境承載量,就需要在環(huán)境中增加服務(wù)器數(shù)量,使到來的訂閱需求可分配到更多的Agent資源,或者提高服務(wù)器性能。在固定訂閱需求節(jié)點(diǎn)數(shù)量后的每1 000次的模擬過程中,模型處理時延會在平均值上下浮動。但是,也會出現(xiàn)一些離群點(diǎn),例如節(jié)點(diǎn)數(shù)為1、10、30、40時,最大時延分別為0.61 ms,0.90 ms,1.37 ms,1.86 ms,這是因為云服務(wù)環(huán)境中,最多可分配兩個Agent。為合理分配網(wǎng)絡(luò)資源,最大限度地減少仿真程序的執(zhí)行時間,優(yōu)化調(diào)度子模型采用近似優(yōu)化算法,使Agent1在服務(wù)器1上的實現(xiàn)時間t1與Agent2在服務(wù)器2上的實現(xiàn)時間t2的差值Δt=|ta-tb|接近于零。同時,雖然使用了優(yōu)化算法由于服務(wù)器性能有限,會出現(xiàn)在處理過程中訂閱需求排隊等待的現(xiàn)象,便造成了離群點(diǎn)現(xiàn)象,但調(diào)度成功率都在98.5%以上,丟包率為0,符合模型性能要求,測試結(jié)果統(tǒng)計表如表1所示。

圖8 測試結(jié)果統(tǒng)計圖Fig.8 Statistical chart of test results

表1 測試結(jié)果統(tǒng)計表Table 1 Statistical table of test results

5 結(jié) 論

本文通過遠(yuǎn)程方法服務(wù)完成訂閱單元與實現(xiàn)單元的通信需求,相比業(yè)內(nèi)通用的發(fā)布訂閱模式,減少了網(wǎng)絡(luò)通信量,數(shù)據(jù)僅在有訂閱需求時才定向傳輸?shù)较鄳?yīng)的節(jié)點(diǎn);通過云服務(wù)技術(shù)降低了數(shù)據(jù)傳輸延遲,遠(yuǎn)程方法的實現(xiàn)被以最優(yōu)的方案分配到相應(yīng)的計算機(jī)機(jī)群節(jié)點(diǎn)中,合理使用網(wǎng)絡(luò)資源,在計算量和通信量方面提高了LVC一體化仿真系統(tǒng)的執(zhí)行效率。該方法與現(xiàn)有方法相比,具有如下優(yōu)點(diǎn):

(1) 基于遠(yuǎn)程方法模式構(gòu)建LVC一體化仿真系統(tǒng),能提供及時、可控的遠(yuǎn)程通信和模型處理。這是因為該遠(yuǎn)程方法采用VIO通信機(jī)制,當(dāng)訂閱單元的訂閱需求為中間件對象時,能夠調(diào)用VIO的遠(yuǎn)程方法來完成實現(xiàn)單元和訂閱單元之間的信息傳輸,進(jìn)而完成模型間的緊耦合通信和模型間的主從調(diào)用關(guān)系。

(2) 基于遠(yuǎn)程方法模式構(gòu)建LVC一體化仿真系統(tǒng),能最大限度地利用網(wǎng)絡(luò)資源處理遠(yuǎn)程方法實現(xiàn)邏輯,縮短方法執(zhí)行時間,提高執(zhí)行效率。這是因為該遠(yuǎn)程方法模式同一時刻支持訂閱單元與遠(yuǎn)程方法之間多對多的調(diào)用關(guān)系,并且根據(jù)不同的遠(yuǎn)程方法調(diào)用需求,通過創(chuàng)建相應(yīng)的Agent實現(xiàn)遠(yuǎn)程方法的復(fù)雜計算。即通過綜合評估計算機(jī)機(jī)群的軟硬件性能,優(yōu)化網(wǎng)絡(luò)資源,合理進(jìn)行模型節(jié)點(diǎn)分配,通過基于Agent機(jī)制的近似優(yōu)化算法實現(xiàn)遠(yuǎn)程方法Agent在計算機(jī)機(jī)群中的合理分配,優(yōu)化網(wǎng)絡(luò)資源,實現(xiàn)負(fù)載均衡,提高訪問效率,減少訪問時間,減少仿真延遲,從而完成遠(yuǎn)程方法實現(xiàn)的優(yōu)化調(diào)度,使遠(yuǎn)程方法實現(xiàn)的效率達(dá)到或接近最優(yōu)。

(3) 基于遠(yuǎn)程方法模式構(gòu)建LVC一體化仿真系統(tǒng),具有很好的擴(kuò)展性。這是因為該遠(yuǎn)程方法模式使得訂閱單元僅需調(diào)用該遠(yuǎn)程方法的接口提出訂閱需求,根據(jù)訂閱單元的訂閱需求,將實現(xiàn)遠(yuǎn)程方法的Agent在云服務(wù)端的計算機(jī)機(jī)群中進(jìn)行合理分配。這使得試驗人員可在仿真試驗開始前動態(tài)增加計算機(jī)機(jī)群節(jié)點(diǎn),但在仿真運(yùn)行過程中不再動態(tài)創(chuàng)建或變更遠(yuǎn)程方法的實現(xiàn)Agent。