Перейти к основному содержимому

Моделирование систем

НЕ ОБЯЗАТЕЛЬНОДЛЯ НОВИЧКОВ
Архитектору Инженеру

Моделирование — замена реальной (или планируемой) системы упрощённым, но целенаправленным описанием, с которым можно экспериментировать без риска для продакшена. В IT это мост между абстрактным проектированием и измеримыми решениями.

Что такое модель​

Модель выделяет существенное для конкретной цели и отбрасывает остальное.

ТипФормаПримеры в IT
Математическаяуравнения, графы, формулытеория очередей, криптография
Имитационнаяпрограмма, воспроизводящая динамикунагрузочный симулятор
Логическаядиаграммы, автоматыBPMN, состояния сессии
Физическаямакет (редко)прототип железа, IoT

Неверная цель → модель слишком грубая или избыточно сложная.

Этапы процесса​

  1. Постановка задачи — что хотим узнать? (p99 латентности при ×2 RPS, RTO при падении ЦОД, риск срыва сроков.)
  2. Анализ системы — компоненты, границы, метрики, внешняя среда.
  3. Концептуальная модель — сущности и связи без кода (DFD, use case, диаграмма состояний).
  4. Формализация — дискретно-событийная, агентная, системная динамика, Монте-Карло.
  5. Реализация — скрипт, симулятор, цифровой двойник.
  6. Верификация — правильно ли реализован замысел модели.
  7. Валидация — соответствует ли модель реальности (сравнение с логами, замерами).
  8. Эксперименты — сценарии — пик, отказ узла, новая политика кэша.
  9. Рекомендации — изменения архитектуры, SLA, процессов.

Верификация и валидация не совпадают: можно написать безошибочный код модели, который всё равно плохо описывает прод.

Парадигмы в IT​

Дискретно-событийное моделирование (DES)​

Система меняется в моменты событий (запрос пришёл, сборка завершилась). Между событиями состояние статично. Подходит для очередей, CI/CD, сетевых задержек.

Агентное моделирование (ABM)​

Автономные агенты с правилами — пользователи, микросервисы, боты. Полезно для эмерджентного поведения (лавина запросов, каскадные отказы).

Системная динамика​

Запасы и потоки, обратные связи — технический долг, рост БД, циклы релизов.

Монте-Карло​

Много случайных прогонов → распределение результата, а не одно число. Сроки проектов, стоимость облака при переменной нагрузке, оценка рисков.

Практические сценарии​

  • Производительность: выдержит ли архитектура пик Black Friday?
  • Надёжность: RTO/RPO при отказе региона.
  • Сеть: задержки, потери пакетов, edge.
  • Безопасность: сценарии атаки, эффект rate limit и WAF.
  • Базы данных: блокировки, план join’ов, репликация.
  • DevOps: время пайплайна, частота падений сборки.

Моделирование должно заканчиваться действием, а не отчётом ради отчёта.

Мини-модель очереди (псевдокод DES)​

очередь Q, сервер busy, clock = 0
пока clock < T_max:
    если пришло событие "запрос":
        если busy: Q.push(запрос)
        иначе: busy = true; обслужить(запрос)
    если завершилось обслуживание:
        busy = false
        если Q не пуста: взять следующий из Q; busy = true
    clock += dt

Верификация и валидация​

ВопросВерификацияВалидация
"Правильно ли закодили модель?"код vs спецификация—
"Похожа ли модель на прод?"—p99 модели vs Grafana

Дальше: Численные методы.

Содержание