29、Eulero：复杂工作流定量建模与评估工具

Eulero：复杂工作流定量建模与评估工具

在当今的各类应用场景中，工作流的管理和分析变得越来越重要。工作流是根据优先级约束和控制流结构编排的一系列活动，它可以用基本模式（如顺序、拆分/合并、选择/合并）以及更复杂的模式（如有向无环图和循环）来构建。当活动具有随机持续时间时，对工作流端到端响应时间的定量分析能提供重要的指标，这些指标可用于系统设计决策或定义软期限和惩罚函数。

1. 工作流分析工具概述

根据活动持续时间分布的类型，工作流基于不同类别的随机模型，需要不同的分析技术和工具。
- 指数持续时间 ：工作流的底层随机过程是连续时间马尔可夫链（CTMC），可使用如GreatSPN、PRISM、MRMC、SMART和Storm等工具进行分析。
- 非指数持续时间 ：底层随机过程是非马尔可夫过程，可利用再生状态进行数值评估。当模型最终以概率1达到再生状态时，属于马尔可夫再生过程（MRP），可使用SHARPE、TimeNET、GreatSPN等工具进行基于核的评估，ORIS则实现了随机状态类方法，可评估超出启用限制的MRP。然而，当具有一般分布的活动并发度增加时，工作流模型分析的复杂度会变得难以承受，此时需要将工作流分解为子工作流进行评估。

2. Eulero库介绍

Eulero是一个新颖的Java库，用于对复杂工作流进行建模并评估其端到端响应时间的概率密度函数（PDF）。它实现了一种高效准确的方法，适用于由具有有界支持的一般（非指数）持续时间活动组成的工作流，这些活动通过顺序、选择/合并和拆分/合并块进行组合，并且允许不平衡的拆分和合并结构打破良好嵌套的结构。 <