Tento předmět se zabývá problémem odhadováním a modelováním výkonnosti programových systémů a určováním jejich spolehlivosti. 

Většina informací o předmětu je dostupná na portálu. 

Simulátor markovských modelů v provizorní podobě je zatím na mých stránkách.

Simulátor sítí front v provizorní podobě je zatím na mých stránkách. 

(do roku 2016 existoval pod zkratkou VSP)

Interaktivní modely a simulace ke cvičením

Buffonova jehla

Experimentální odhad čísla Pi házením jehly na linkovaný papír.

Spustit simulaci →

Markovovy řetězce

Interaktivní simulace stavových přechodů a matic pravděpodobnosti.

Spustit simulaci →

Monte Carlo Pi

Výpočet plochy kruhu a integrace náhodným vzorkováním.

Spustit simulaci →

LCG roviny (Pseudonáhodná čísla)

Marsagliův jev a vizualizace mřížkové struktury lineárních kongruentních generátorů.

Spustit simulaci →

Házecí mince

Demonstrace zákona velkých čísel a binomického rozdělení.

Spustit simulaci →

Sítě front (Queueing Networks)

Modelování propustnosti a čekacích dob v sítích hromadné obsluhy.

Spustit simulaci →

Studijní témata

Benchmarkování a metodika měření

Přednáška zaměřená na problémy benchmarkování byla původně určena rozdělena na dvě, ale v minulém roce jsem ji skrátil jen do jednoho přednáškového bloku. Snažím se v ní nastínit možnosti využití existujících benchmarků a základní pravidla pro tvorbu vlastního benchmarku a provedení benchmarkovacího experimentu. Nedílnou součástí je i prezentace a správná interpretace výsledků. Zde najdete odkazy, které by se vám mohli hodit. 

Existující benchmarky

Obvykle lze na jejich stránkách najít nejen benchmark, ale i výsledky pro existující zařízení.

  • SPEC- Standard Performance Evaluation Corporation - jedna z nejznámějších sad benchmarků, reálně běžně používaná. Najdete zde benchmarky pro procesor, grafickou kartu, paralelní výpočty na MPI, benchmark pro testování JVM a dokonce i benchmark zaměřený na spotřebu elektrické energie.
  • TPC - Transaction Processing Performance Council - behcnmarky zaměřené na výkon transakčních systémů.
  • EMBC- The Embedded Microprocessor Benchmark - benchmarky určené pro embedded zařízení, simulující typické aplikace které jsou na nich spouštěny. 
  • CoreMark- benchmark pro testování procesorů samotných (součást EMBC).
  • Whetstone- "klasický" (1972 - jeden z nejstarších) benchmark pro testování výkonu aritmetiky
  • Dhrystone- "klasický" (1984) benchmark pro testování celočíselné aritmetiky
  • linpack- bechmark pro testování výkonu při výpočtech lineární algebry (bohužel standardně napsaný ve fortranu)
  • knihovna benchmarků netlib - kolekce standardních benchmarků (Dhrystone, Whetstone, linpack a další), v různých jazycích (včetně Javy a C).
  • Futuremark- dřívější 3DMark (nyní je součástí balíků), sada benchmarků pro Windows, whodné především pokud chcete dokázat že váš počítač je beznadějně zastaralý.

 

Profilování programů

Přednáška o profilování je určena zejména pro získání základní představy o tom jak provádět profilování vlastních programů a jaké nástroje k tomu lze použít. Vzhledem k tomu že Java je základní jazyk, který se na katedře vyučuje, jsou i profilovací nástroje zaměřené na Javu. Řada profilerů je komerční, takže tady se snažím ukázat těch pár neplacených o kterých vím. 

Užitečné odkazy

  • JConsole - základní nástroj pro sledování běžících Java programů.
  • VisualVM - vizuální profiler, dokáže sledovat pbsazení paměti, volání, procházet heap a řadu dalších věcí. Je standarndí součástí Netbeans, ale dá se stáhnout a používat i samostatně.
  • Infrared - profilování J2EE aplikací.
  • MAT - analýza hepu, určená pro Eclipse. 
  • EurekaJ profiler - sledování běžící aplikace, zachycování výjimek, měření spotřeby paměti, doby běhu metod a podobně. Na stránkách je i živé demo sledování cloudu.
  • Troubleshooting guide - jak hledat chyby v Java programech - včetně použití jmap a jhat pro hledání memory leaků a podobně

Nástroje a generování náhody

Několik nástrojů které se hodí k demonstraci popisovaných jevů:

Buffonova jehla - předchůdce Monte Carlo simulací, jeden z prvních pravděpodobnostních geometrických problémů které se povedlo vyřešit. Pokud známe délku jehly a šířku prken, jaká je šance že jehla která náhodně spane na podlahu bude ležet na spáře mezi prkny? Existuje analytické řešení které nepříliš překvapivě souvisí s kruhem který kolem jehly opíšeme. A právě z tohoto důvodu je také možné tohle řešení použít obráceně a z počtu jehel na spárách odhadnout hodnotu čísla Pi. K dispozici je simulátor kde si to můžete zkusit. 

Monte Carlo Pi odhady - kromě házení jehly můžete házet také zrnka písku na čtverec ve kterém je vepsaný kruh a z poměrů jejich ploch a počtu zrnek odhadnout Pi už po pár pokusech. Ono se to hodí i pro složitější problémy a s kvalitním zdrojem pseudonáhody je to překvapivě efektivní numerická metoda. 

Hody mincí - při malém počtu pokusů se mohou objevit extrémy které nejsou moc pravděpodobné. Ve velkém počtu pokusů ale zmizí. Černá může padnout na ruletě 20x za sebou, ale když budeme sledovat ruletu dost dlouho, stejně se její pravděpodobnost nezmění. Na hodech mincí si to můžete vyzkoušet. 

Roviny v LCG - náhodu vypočítat úplně nejde, random funkce jsou pořád jen deterministické funkce. Jedna z nejběžnějších pak cpe své výsledky do rovin. To může kazit výsledky simulací. 

Transformační metoda - pokud už máte uniformní generátor a chcete jeho výsledky transformovat na jiné rozdělení, existuje jednoduchá metoda založená na inverzní fuknci ke kumulatuvní distribuční fuknci. 

Zamítací metoda - Najít inverzní funkci nemusí být tak snadné, alternativně lze provést transformaci také s využitím hustoty pravděpodobnosti, jen bude potřeba víc generování.