应用于计算机系统性能的层次分析：综述与进一步研究呼吁

我们回顾了基于解析和仿真方法进行排队网络 (QN) 模型层次性能分析的研究，这些方法相较于纯仿真可将性能评估成本降低一个数量级。当计算机系统被建模为乘积形式 QN 时，底层的计算成本得以降低。随后，可在高层使用连续时间马尔可夫链 (CTMC) 或离散事件仿真。我们首先考虑一个具有泊松到达和预声明锁请求的多道程序事务 (txn) 处理系统。通过对多道程序计算机系统的分析获得的事务吞吐量，作为高层 CTMC 中的转移速率，用于确定事务响应时间。接下来，我们分析了一个任务系统，其中任务优先关系由有向无环图指定，以确定其完工时间 (makespan)。任务服务需求在计算机系统的设备上指定。执行中任务的组合决定了事务吞吐量，这些吞吐量作为高层 CTMC 模型状态间的转移速率。作为第三个示例，我们考虑了一个具有两类用户的分时系统的层次仿真。通过分析封闭乘积形式 QN 模型，获得了处理各种请求组合时的事务吞吐量。我们提供了一个离散事件仿真器。更详细的 QN 建模参数，例如中心服务器模型 (CSM) 中周期数的分布，会影响 fork/join 排队系统的性能。Schwetman 的混合仿真方法通过计数 CSM 中的剩余周期来考虑这一细节。我们提出了一种对混合仿真的扩展，即根据经过的时间调整作业服务需求，而非计数周期。文中还提供了一个利用平衡点分析来降低计算成本的示例。