SimPy 中使用 hold 对进程计算时间进行模拟

在 SimPy 中，我想要模拟一种服务时间依赖于某个函数计算复杂度的情况。在这个模拟中，服务请求的到达不应该因为函数的处理而停止。为了测试，我使用了一个示例函数，该函数利用 CPU 进行几秒钟的处理：

sorted([float(random.random()) for i in range(1000000)])

我想调用这个函数来模拟服务，但不要阻止新的服务请求到达。如果我调用这个函数，新的服务请求只会在函数执行之后到达，而不是在指定的时间到达。

def visit(self, timeAtNAT, res):
  arrive=time.clock()-startTime
  print("%7.4f. Packet #%s arrived." % (time.clock()-startTime, self.name))
  yield request, self, res
  wait = time.clock()-startTime - arrive
  print("%7.4f. Packet #%s waited %6.3f" % (time.clock()-startTime, self.name, wait))
  sorted([float(random.random()) for i in range(1000000)])  
  yield release, self, res
  print("%7.4f. Packet #%s left" % (time.clock()-startTime, self.name))

因此，在我的示例中，新的数据包只有在前一个数据包离开后才能到达。我尝试使用了多进程，但是我遇到了命名冲突（Process 类）。我对 SimPy、并行编程和 Python 都是新手。

2、解决方案

为了解决这个问题，我们可以使用 SimPy 中的 hold 函数。hold 函数可以暂停一个进程一段时间，而不会阻止其他进程的执行。我们可以将 hold 函数与示例函数结合起来，创建一个新的函数，用来模拟服务时间：

def service(timeAtNAT, res):
  arrive=time.clock()-startTime
  print("%7.4f. Packet #%s arrived." % (time.clock()-startTime, self.name))
  yield request, self, res
  wait = time.clock()-startTime - arrive
  print("%7.4f. Packet #%s waited %6.3f" % (time.clock()-startTime, self.name, wait))
  yield hold, time.clock()-startTime + 5
  yield release, self, res
  print("%7.4f. Packet #%s left" % (time.clock()-startTime, self.name))

在这个新的函数中，我们使用了 hold 函数来暂停进程 5 秒钟。这模拟了函数的处理时间。在暂停期间，其他进程可以继续执行。

然后，我们可以使用这个新的函数来模拟服务：

for i in range(10):
  env.process(visit(i, resource))

在这个例子中，我们创建了 10 个进程，每个进程模拟一个服务请求。这些进程将在 5 秒钟内同时执行，而不会互相阻塞。

代码例子：

import simpy
import random

# 创建一个 SimPy 环境
env = simpy.Environment()

# 创建一个资源
resource = simpy.Resource(env, capacity=1)

# 定义一个服务函数
def service(timeAtNAT, res):
  arrive=time.clock()-startTime
  print("%7.4f. Packet #%s arrived." % (time.clock()-startTime, self.name))
  yield request, self, res
  wait = time.clock()-startTime - arrive
  print("%7.4f. Packet #%s waited %6.3f" % (time.clock()-startTime, self.name, wait))
  yield hold, time.clock()-startTime + 5
  yield release, self, res
  print("%7.4f. Packet #%s left" % (time.clock()-startTime, self.name))

# 创建 10 个进程，每个进程模拟一个服务请求
for i in range(10):
  env.process(service(i, resource))

# 运行模拟
env.run()

在这个例子中，我们创建了一个 SimPy 环境、一个资源和一个服务函数。然后，我们创建了 10 个进程，每个进程模拟一个服务请求。这些进程将在 5 秒钟内同时执行，而不会互相阻塞。