Generalized Stochastic Petri Nets (GSPN) has gained much attention in software performance modeling because it provides not only performance quantities, but also qualitative analysis power by means of the underlying Petri nets. However, GSPN-based performance modeling has two well-known drawbacks. The one is its computation difficulty for models of large systems. The other is the inefficiency in model constructions. For the latter drawback, it is related to model size and inconvenient notations. This thesis is to tackle the inefficiency.
As a software system grows, the size of its corresponding model also grows. It may be true for any graphical modeling language. In the point of view of performance modeling, GSPN is weaker than other modeling language; e.g. Queueing Networks. The major reason of the relative weakness is because the graphical notation of GSPN is too general; coincidence of its generality. In the software performance modeling, however, a well defined modeling pattern exists; modeling of resource constraints. Furthermore, the resource constraints cannot be omitted in software performance models. Therefore the size of software performance models can be reduced by simplifying the well known pattern as a set of convenient notations.
By using the simplified notation, a software performance model can be reduced in its size while conveying the same meaning more intuitively. The reduction may also lead to less effort in creating a software performance models. On the other hand, the performance quantities of the model must not be changed from the original model. Thus, a systematic unfolding mechanism or process has to be provided to obtain the corresponding GSPN models from the simplified models. The systematic unfolding process is about to be implemented on GSPN tools. Then, modelers can construct a software performance model with convenient notations and retrieve performance quantities by means of a capable tool.
Therefore, this thesis provides a set of new notations to simplify the resource constraint expression in GSPN-based software performance models, with its formal definition. Also a systematic unfolding process is presented. By applying the new notations to example models, its usefulness is going to be validated in terms of model size and construction effort. Besides the size and effort, some practical advantages of the new technique over original GSPN are also investigated.
Generalized Stochastic Petri Nets (GSPN)은 소프트웨어 성능 모델링 분야에서, 정량적인 분석뿐만 아니라 정성적인 분석을 가능하게 해주는 기법으로 주목을 받아왔다. 그러나, GSPN 기반의 성능모델링은 여타의 모델링 기법, 특히 Queueing Network 기반 모델링, 에 비해 두 가지의 잘 알려진 약점들이 있는 바, 그 하나는 모델링 대상 시스템이 복잡하고 커질수록 계산의 부하가 급격하게 커진다는 것이고, 다른 하나는 시스템의 복잡성이 증가함에 따라 모델 구축의 어려워진다는 것이다. 후자의 약점은 모델의 크기와 상대적으로 불편한 모델 표현 방법과 관련이 있다. 이 논문은 이 후자의 약점을 개선하고자 한 결과이다.
소프트웨어 시스템이 커짐에 따라 그에 대응하는 모델의 크기가 커지게 되는 것은 주지의 사실이다. 이는 성능 모델뿐만 아니라 그래픽 기호로 표현되는 어떠한 모델에 대해서도 마찬가지이다. GSPN이 이러한 측면에서 갖고 있는 약점의 주요한 원인은 GSPN을 이루는 표현기호들이 너무 일반적인 의미를 가지는 기본적인 것들로만 구성되어 있기 때문이다. 그러나, 소프트웨어 성능 모델링에서 주요 성능제약 조건으로 표현되어야 하는 리소스 제약의 경우 잘 정의된 모델링 패턴이 존재하며, 이 패턴의 표현을 축약시킴으로써 성능모델의 크기와 복잡도를 감소시킬 수 있다. 이 논문에서는 자원제약을 축약하여 표현하는 방법으로서 R-GSPN을 제시하고 그 효과를 다양한 측면에서 검토한다. 또한, 특정 R-GSPN모델을 자동적으로 GSPN 모델로 확장할 수 있는 알고리즘을 제시하여 도구화의 기반을 제공하고 있다.
결론적으로, R-GSPN은 GSPN에 기반하지만 성능모델 구축을 보다 효과적이고 직관적으로 수행할 수 있도록 하고, 성능모델 분석에 보다 효과적으로 응용할 수 있는 모델링 기법이다.
