这次文章是关于如何用 SimPy 来解决两个仿真需求:
- 如何随时中断恢复
Process(进程) - 如何动态设置
Resource(资源)的数量
相应地这两个需求满足的场景是:
- 仿真过程中, 某一工序被中断, 中断可以依据一个预先设定的时间或者是不确定时间
- 仿真过程中, 人力资源也是依据时间变化, 模拟现实中工人的排班安排
回顾资源和进程的概念
Resource 和 Process 是 SimPy 对人力资源和进程进行抽象的构造. Resource 好比一个队列, 其长度就是提前设置好的资源数, 不同的工序就按照时间先后和赋予的优先级进入队列. Process 从构造上来说就是一个生成器, 我们可以通过 send 方法传入 Exception 对 Process 进行打断.
比如某个工序需要占用一个工人, 耗时 30 min 来完成一个进程, 当前所有可以调用的工人数是 10, 代码形式如下:
import simpy
import random
WORKERNUM = 10 # 工人数
PROCESS_TIME = 30 * 60 # 工序耗时, 使用秒作为单位
MEAN_ = 4 * 60 # 平均物件生成时间
def process(env, workers, store):
"""工序"""
while True:
with workers.request() as req:
yield req
item = yield store.get()
print(f"{env.now} - {item} - start")
yield env.timeout(PROCESS_TIME)
print(f"{env.now} - {item} - done")
def put_item(env, store):
"""每隔一段时间生成一个物品"""
for i in range(100):
item = f"{i}_item"
store.put(item)
yield env.timeout(random.expovariate(1 / MEAN_))
env = simpy.Environment()
workers = simpy.Resource(env, 10)
store = simpy.Store(env)
env.process(process(env, workers, store))
env.process(put_item(env, store))
env.run()
更详细的介绍和资料可以回顾之前的文章 Python SimPy 仿真系列 (1)
Process 进程的动态调整
存在以下两种情景:
- 进程随时中断以及恢复
- 按照时间表对进程进行启动或者终止
要区分一件事情, 中断的时候是让当前进程完成后再中断, 还是立即中断. 具体场景可以想象为一个工人被调离当前岗位, 他应该是先完成手头上的工序, 或者他需要停下手头的工作离开工位.
如果是必须实现进程的随时中断, 只能通过 process.interrupt() 中断 process, 即第一种场景; 假若中断是按照时间表进行, 就可以通过第二种场景, 构建多个不同时间开启的进程来进行模拟.
进程中断的实现
from simpy import interrupt, Environment
env = Environment()
def interrupter(env, victim_proc):
yield env.timeout(1)
victim_proc.interrupt('Spam')
def victim(env):
try:
yield env.timeout(10)
except Interrupt as interrupt:
cause = interrupt.cause
多段进程模拟按时间安排的开关
import simpy
PROCESS_TIME = 3
def put_item(env, store):
for i in range(20):
yield env.timeout(0.5)
store.put(f"{i}_item")
def process(i, env, store, start, end):
yield env.timeout(start)
while True:
item = yield store.get()
# 判断 item 到达时间是否超出本进程关闭时间
if env.now > end:
print(f"{env.now} - process {i} - end")
store.put(item)
env.exit()
else:
print(f"{env.now} - {item} - start")
yield env.timeout(PROCESS_TIME)
print(f"{env.now} - {item} - end")
env = simpy.Environment()
store = simpy.Store(env)
env.process(put_item(env, store))
for i, (start, end) in enumerate([(20, 30), (40, 50), (60, 90)]):
env.process(process(i, env, store, start, end))
env.run()
Resource 资源的动态调整
- 资源人数按指定的排版表调配
由于Resource 在实例化后, 就没办法修改了. 为了满足在仿真过程中对资源进行修改, 使用了一个反向的思路. 首先所有资源使用 PriorityResource 实例, 预先设置一个可以调节的最大资源数, 当需要调节资源数的时候, 使用一个优先级为 -1 的 request 去占用资源, 而正常的进程默认优先级是 0.
通过这样的操作会使得, 我们调节资源的占用进程优先级更高, 正常进程可以调用的资源数会变成
:
可以调用资源 = 最大资源 - 占用资源
import simpy
PROCESS_TIME = 2
def put_item(env, store):
for i in range(20):
yield env.timeout(0.5)
store.put(f"{i}_item")
def process(env, store, resource):
while True:
item = yield store.get()
with resource.request() as req:
yield req
yield env.timeout(PROCESS_TIME)
def set_resource(env, resource, start_time, end_time):
"""占用资源，模拟资源减少的情况，
end_time 会出现 np.inf 无穷大，
simpy 只会用作为排序，可以放在timeout事件里。
"""
duration = end_time - start_time
yield env.timeout(start_time)
with resource.request(priority=-1) as req:
yield req
yield env.timeout(duration)
env = simpy.Environment()
store = simpy.Store(env)
res = simpy.PriorityResource(env, 10)
res_time_table = [(10, 20, 5), (20, 30, 6)]
env.process(put_item(env, store))
env.process(process(env, store, res))
for start, end, target_num in res_time_table:
place_holder = 10 - target_num
for _ in range(place_holder):
env.process(set_resource(env, res, start, end))
env.run()
