软件构造 Lab6

实验目的：
本次实验训练学生的并行编程的基本能力，特别是 Java 多线程编程的能力。 根据一个具体需求，开发两个版本的模拟器，仔细选择保证线程安全（threadsafe） 的构造策略并在代码中加以实现，通过实际数据模拟，测试程序是否是线程安全 的。另外，训练学生如何在 threadsafe 和性能之间寻求较优的折中，为此计算吞 吐率和公平性等性能指标，并做仿真实验。
⚫ Java 多线程编程
⚫ 面向线程安全的 ADT 设计策略选择、文档化
⚫ 模拟仿真实验与对比分析

实验需要的知识： Java 多线程编程、线程安全、各类线程上锁的方法、strategy设计模式。

实验任务：

1、ADT设计方案
ADT：
1、Monkey
作用：作为猴子类，生成线程
属性如下：

方法：
只有一个run函数，负责线程的工作。

2、Step
作用：踏板，继承自ReentrantLock，一次只能被一个线程（Monkey）占有。
属性：
Owner，存储着占有他的Monkey。
方法：
Owner getter/setter，获取Owner/设置Owner。

3、Ladder
作用：梯子类。
属性：
如下：

属性中存储着踏板、梯子ID和梯子上的猴子队列，猴子队列用于协助进行策略选择。
方法：

4、MonkeyFactory
作用：猴子工厂，用于生成猴子。
属性：无。
方法：

用于生成猴子。

5、MonkeyGenerator
作用：猴子生成器，继承自TimerTask，每隔一段时间生成一批猴子。
属性：
如下：

方法：
Run（）
每隔一段时间生成一批猴子，如果猴子数量已经足够，就停止这个猴子生成器。

Constructor构造函数，构造一个猴子生成器。

6、MonkeyRiver
作用：模拟猴子过河的类，负责整个过程。
属性：MonkeyGenerator，猴子生成器。
方法：构造函数，构造一个猴子过河类。

7、GuiMain
作用：生成GUI，程序的主函数。
属性：
如下：

方法：
initialize()： 初始化GUI程序。
按钮1：按照输入内容开始生成猴子过河程序。
按钮2：按照文件内容生成猴子过河程序。（v1不需要，未完成，在v3版本可用）

2、Monkey线程的run()的执行流程图

3、至少两种“梯子选择”策略的设计与实现方案
策略1：
优先选择没有猴子的梯子，若所有梯子上都有猴子，则优先 选择没有与我对向而行的猴子的梯子；若满足该条件的梯子有很多， 则随机选择；
策略2：
优先选择没有猴子的梯子；若所有梯子上都有猴子，则优先选择没有与我对向而行的猴子，且最近一只猴子速度比我大，速度之差最小的梯子；如果没有速度比我大的梯子，就选择速度差最小的梯子。

实现方案：
选择空梯子：
遍历到一个梯子的时候需要锁住，防止同时也有猴子上梯子。

方案1：

先锁住梯子，从中抽出所有没有与我相向而行的猴子的梯子，然后随机选择其中之一上梯子。

方案2：

同样先锁住梯子，从中用一个ladder来记录最后要选择的梯子，在找到一个合适的梯子之后，和现有的梯子比较哪个梯子速度更快，选择更快的梯子保存到ladder。最后选择ladder即可。

4、“猴子生成器”MonkeyGenerator
首先，属性中有：

根据这两个参数，可以进行一轮轮的生成猴子。如下：
每轮生成一批猴子，如果中途达到上限，就停止生成。

MonkeyGenerator是一个TimerTask，于是我在MonkeyRiver中，设置一个Timer来每隔一段时间就调用一次这个任务。如下：

这样就可以完成猴子生成器的任务。

5、如何确保threadsafe
首先，在每一个猴子选择梯子的时候，都要锁住这个梯子，防止同时上梯，也就防止了猴子相向而行造成死锁。
其次，每一个Ladder的Step都是ReentrantLock，这样就可以保证每个位置都只会有一个猴子。猴子在登上这个位置的时候lock，在离开的时候unlock。经过一个梯子的时候，按顺序lock，unlock路径上的每一个Step，遇到已经有Owner的Step，就停下脚步不再前进，等下一秒的动作。

6、系统吞吐率和公平性的度量方案
度量方案参考实验指导书：

实现：
吞吐率：在所有猴子到达对面以后，计算总耗时，然后用猴子数量除以总耗时即可。
公平性：在计算总耗时时，每只猴子与其他猴子比较，然后根据实验指导书内容，计算即可。

代码：

7、输出方案设计
日志
在每一只猴子完成一个动作后，都输出一个log，记录到日志中。猴子可可以访问logger和日志地址。效果如图：


GUI
设置两个按钮，分别对应两个输入方式。
一个JList和JScrollPane来显示猴子状态。并且设置一个Timer，每隔一段时间监听猴子状态并刷新JList内容。所有猴子过河后，终止监听Timer。

所有猴子过河后，弹窗显示吞吐率和公平性。

8、猴子过河模拟器v1
参数初始化

v1版本的猴子过河只能从GUI中输入参数，进行初始化。共六个参数。

使用Strategy模式为每只猴子选择决策策略

每只猴子在生成时，使用随机数，随机选择一个决策策略。
之后，再根据决策策略，来选择梯子。
如：

9、猴子过河模拟器v2
在不同参数设置和不同“梯子选择”模式下的“吞吐率”和“公平性”实验结果及其对比分析。

对比分析：固定其他参数，选择不同的决策策略
参数：n=5， h=20，mv=10，k=20，t=1，N=100
结果：

可以看出，策略1的公平性要比策略2高许多，因为策略1每个猴子在生成后可以马上选择一个梯子，比较少的出现后来的猴子比先前的猴子早到的情况。
吞吐率策略2也高于策略1，因为策略2更重视梯子整体速度，较少出现速度被限制浪费的情况。

对比分析：变化某个参数，固定其他参数
这里以n为例。
参数：h = 10， mv = 10， k = 50， t = 1， N = 100
n为10，15，20，25，30

由上表可以看出，吞吐率随着n的变大而变大，公平性则变化不是很大。

分析：吞吐率是否与各参数/决策策略有相关性？
有决策相关，决策不同，吞吐率就会不同，比如策略2的吞吐率就比策略1的吞吐率要高。与参数也相关，例如n改变时，吞吐率也会发生改变。

压力测试结果与分析
参数：n=10，h = 10， mv = 10， k = 500， t = 1， N = 500
结果：吞吐率为0.037，公平性为0.288。

参数：n=10，h=50，mv=50，k=50，t=1，N=1
结果：吞吐率为0.390，公平性为-0.009。

从压力测试的结果中可以看到，压力测试对于公平性的影响并不是很大，主要的影响在于吞吐率。
在梯子有限而猴子数量大且密集时，吞吐率和数量大但分散的情况并没有太大区别，但这个实验结果原因在于猴子很快就通过了梯子，并没有互相限制速度，所以吞吐率变化不大。如果降低猴子速度，则变化会较大。同时，猴子数量大且密集，会导致吞吐率比数量小而分散要低。
在猴子速度差距较大时，和猴子速度差距区别不大的情况没有太大区别，因为在策略选择时，就考虑到了各猴子速度互相限制的问题。我们的猴子会选择比较少的限制路径来走，所以影响不大。

10、猴子过河模拟器v3
模拟结果如下：