软件执行模型与系统执行模型
基于性能的软件建模设计方法聚焦于确保最终产品性能与设计预期匹配。核心方法包括软件执行模型（静态分析）和系统执行模型（动态分析），二者分别用于评估理想响应时间和系统吞吐量。
软件执行模型：静态分析
通过执行图表示软件执行流程，量化步骤开销以预估性能。
执行图核心元素
- 基本节点：单步操作（如CPU计算、数据库访问）。
- 扩展节点：需进一步细化的子流程（用子图表示）。
- 并行节点：多个同步执行的单元（需全部完成）。
- 分割节点：异步执行单元（无需等待全部完成）。
性能计算示例
假设执行图中各节点权重为CPU时间：
- 平均时延：
t1 + t8 + max(t5,t6,t7) + n*(p1*t3 + p2*t4 + t2) - 最短时延：
t1 + t8 + max(t5,t6,t7) + n*(min(t3,t4) + t2) - 最长时延：
t1 + t8 + max(t5,t6,t7) + n*(max(t3,t4) + t2)
实际应用案例
以智能对话引擎为例：
- 初始设计：语义模型串行计算导致时延过高（如n=100模型，单模型10ms → 总时延1s）。
- 优化设计：引入并行节点（6并发任务），理论时延降低至原1/6。
- 局限性：实际性能受硬件资源限制（如仅2CPU核时加速比≤2）。
系统执行模型：动态分析
针对多用户、资源竞争场景，使用**排队网络模型（QNM）**模拟动态性能。
QNM核心思想
- 将硬件资源（CPU、磁盘等）抽象为队列+服务器。
- 外部服务（如数据库）同样适用此模型。
智能对话引擎的QNM建模
- 关键资源：CPU为核心瓶颈。
- 模型简化：请求→CPU队列→处理→退出。
- 性能估算：基于执行图测量单任务服务时间，结合并发数计算系统吞吐量。
公式示例（M/M/1队列）
平均响应时间：
$$
T = \frac{1}{\mu - \lambda}
$$
其中：
- $\mu$：服务速率（任务/秒）。
- $\lambda$：到达速率（任务/秒）。
方法总结
-
软件执行模型
- 适用场景：单任务理想时延分析。
- 关键动作：识别串行瓶颈，通过并行化优化设计。
-
系统执行模型
- 适用场景：多用户资源竞争下的吞吐量分析。
- 关键动作：量化资源利用率，调整硬件配置或负载策略。
综合应用
- 设计阶段结合两种模型，提前识别性能风险。
- 案例中并行优化需验证硬件支持，避免理论偏差。
