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()

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()