継続開発を最適化するモデルのモジュール化

Pythonで学ぶ離散事象シミュレーション

Diogo Costa (PhD, MSc)

Adjunct Professor, University of Saskatchewan, Canada & CEO of ImpactBLUE-Scientific

モデルのスケーラビリティとは？

時間とともに機能を拡張する
性能低下や破綻なしに

「スケーラブル」モデル

一般的な意味: 需要に応じて容量を増やせる
離散事象モデル: 拡張しても安定を維持できる

重要性

長期的な成功と価値に不可欠
進化できること
モデルのモジュール化など良いコーディング慣行

スケーラブル vs 非スケーラブル

スケーラブルなモデル

コードを適切に分割し、構造を変えずにモジュールの追加・削除・置換が容易なため、よりスケーラブルなモジュール型モデルの図。

スケーラビリティが低いモデル

コードの分割が不十分で、構造変更なしにモジュールの追加・削除・置換が難しく、スケーラビリティが低い非モジュール型モデルの図。

モデルのモジュール化

交換可能なコンポーネント（モジュール）
プロセスを個別の関数に分割
モジュールを複数回呼び出す
同じコードの複製は作らない

7つの関数で構成されたモデルで、アップグレードにより「func_b」を「func_b1」に置換し、「func_c」と「func_d」の間に「func_f」を追加した図。

例: モジュールの置換と追加

旧バージョン

with counter.request() as request:
    yield request

    def func_a()
    def func_b()
    def func_c()
    def func_d()
    def func_e()

更新版

with counter.request() as request:
  yield request

  def func_a()
  # def func_b() # Module replaced by
  def func_b1()  # Module replacement
  def func_c()
  def def func_f()   # New module added
  def func_d()
  def func_e()

演習に進みましょう！

Pythonで学ぶ離散事象シミュレーション