Complex system is a system that can be analyzed into many components having relatively many relations among them, so that the behavior of each component depends on the behavior of others. It is intrinsically difficult to model due to numerosity, interactions, hierarchical organization. Modeling and simulation (M&S) is one of the fundamental methods of performance analysis of such complex systems. In other words, how well a modeler builds a model is a key point of a successful performance analysis. Before such a performance analysis, a model for prediction should be constructed. Therefore, two types of models have been studied: data modeling and simulation modeling. Data modeling is a method in which a model represents correlational relationships between one set of data and another. Conversely, simulation modeling is a more powerful method in which a model represents causal relationships between a set of controlled inputs and corresponding outputs. Since the complex system consists of many subsystems and components, it is difficult to model the whole system using only one modeling approach. For example, the data model can represent in detail through the actual data of the complex system, but it is difficult to analyze the system according to changes in the algorithm or model. Therefore, a methodology is required to classify and build a model of each subsystem/component by identifying its features. This dissertation identifies the limitations of each modeling approach and presents a cooperative model development process for performance analysis of complex systems. The cooperative method contains conceptual model design, model classification method, and model integration. The model classification method effectively reflects and maximizes the features compared earlier. Then, the classified models are modeled using proposed CoDEVS formalism that extends DEVS (Discrete Event Systems Specification). The formalism consists of simulation model, data model, and interface models that convert data between simulation and data model. Then, the models are integrated into the same simulation environment through the integration method. This dissertation also applies the proposed modeling method to develop a model of Hadoop using proposed CoDEVS formalism and ANN (Artificial Neural Network). To demonstrate the validity of the case study, it presents experiments to show the advantages of the cooperative modeling and shows the possibility of a proposed modeling approach that differs from the existing approaches. We then showed how the proposed modeling approach can be applied in the real system, and how it can create synergy through the cooperation between two models for performance analysis of complex systems.
모델링은 복잡한 시스템의 성능 분석을 하기 위한 기본 방법 중 하나이다. 즉, 모델러가 모델링 목적에 따라 모델링을 잘 하는 것이 성공적인 성능 분석의 중요 요소이다. 이러한 모델링 방법에는 시스템의 지식을 활용하여 제어된 입력 집합과 해당 출력 사이의 인과 관계를 나타내는 시뮬레이션 모델링과 시스템의 데이터를 활용하여 데이터 셋 간의 상관 관계를 학습 하는 데이터 모델링 방법이 존재한다. 복잡한 시스템은 많은 서브 시스템과 컴포넌트들로 구성되기 때문에 하나의 모델링 방식만을 사용하여 전체 시스템을 모델링 하는 것은 어렵다. 예를 들어, 데이터 모델은 복잡한 시스템의 실제 데이터를 통해 세부적으로 나타낼 수 있지만 알고리즘이나 모델의 변경에 따라 시스템을 분석하는 것이 불가능하며, 시뮬레이션 모델은 특정 컴포넌트 내부에 대한 지식이 없을 때는 모델링하기 어렵다는 한계가 있다. 그렇기 때문에 모델링의 목적에 따라 시스템의 내부 컴포넌트들을 분류하여 두 가지 모델링 방법을 함께 적용한 모델링 방법이 필요하다. 본 논문은 복잡한 시스템의 성능 분석을 위한 시뮬레이션 모델과 데이터 모델의 협력 개발 방법을 제안한다. 제안하는 방법은 개념적 모델 설계, 모델 분류 방법 및 모델 통합을 위한 형식론을 제공한다. 모델 분류 방법은 두 방법의 비교를 통해 각 방법의 장점을 최대화하는 모델 선택 기준을 제공하며, 분류 된 모델은 DEVS (Discrete Event Systems Specification)를 확장한 CoDEVS 형식을 사용하여 모델링 된다. 본 형식론은 시뮬레이션 모델, 데이터 모델 및 시뮬레이션 모델과 데이터 모델간에 상호작용을 위한 인터페이스 모델로 구성되며, 이를 통해 두 모델이 모델링 되고 구현될 수 있다. 본 논문은 제안된 협력 모델링 방법을 대표적인 빅 데이터 처리 플랫폼인 하둡에 적용하여 하나의 방법으로는 모델링하기 어려운 상황에서 모델링되는 과정을 보여주며, 완성된 모델의 유연성, 정확도, 효율성 비교 실험을 통해 협력 모델링의 장점을 보여준다.