什么是系统
讨论仿真系统之前我们需要明确什么是系统，这个概念可以帮助我们理解边界和范围。
那么什么是系统？
德谟克利特的著作《世界大系统》有一段关于系统的阐述：
任何事物都是在联系中显现出来的，都是在系统中存在的，系统联系规定了每一个事物，而每一个事物又能反映系统的联系的总貌。
中国著名学者钱学森的观点是：
系统是由相互作用相互依赖的若干组成部分结合而成的，具有特定功能的有机整体，而且这个有机整体又是它从属的更大系统的组成部分。
词典对于系统的解释是：
组成一个复杂整体的一组互相作用、互相联系或者依存的事物。
用一个汽车总装线来举例，各种零部件通过传送设备（履带或者其他设备），再有工人（或者是机械手臂）按照顺序组装。在这个系统中，工人，机械手臂，零部件相互作用。履带的速度影响零部件的到达，进而影响装配，流水线自身的划分和设计又影响了整体效率。
从上面这个例子可以感受到我们看系统的时候有两个重要的点：
一是边界，即确认需要研究事物范围，比如货币的供应量从某种程度上也可能对流水线有影响，但是我们并不会考虑它。
二是抽象，针对研究内容的不同，需要考虑的事物的详细程度也是不同的，比如机械手臂的出产公司虽然也是一种外部输入，但是会被统一抽象为机械手臂，对于其的特征建模也可以按照平均来计算。
还有一种更通用的描述系统的方式，即三要素，分别为实体，属性和活动。实体确定了系统构成，属性描述了实体特征，而活动描述了系统内部的相互作用。
什么是仿真
仿真一般是指对现实中的系统进行模仿，观测并产生人造过程记录的过程。
仿真最早用于水利研究，逐渐用于航空、航天和原子能技术等领域。后来随着计算机技术的大力发展，扩展到各行各业。
针对互联网公司，特别是线上线下融合较深的业务，由于线上试错成本高，反馈周期慢，通过仿真可以很好服务以下几点：
- 业务形式新，基本没有可以参考的模型或者参数，加上缺少学术上的积累，仿真可以加速研究一个业务场景中复杂系统间的相互影响。
- 仿真由于是对真实系统的模仿，所以速度和外部参数是可以调整，且对真实系统无影响，可以快速安全进行实验或者验证，加深对于系统行为的理解。
- 仿真模型和实验的产出可能成为新知识的来源，用于优化业务。
仿真系统的构建方法
构建仿真系统流程如下：
系统建模
离散or连续
系统可以是离散，也可以是连续的。当然对于现实中的大多数系统，这两种变化都是共存的，一般我们取其中占多数的为准。
大部分自然系统都是连续系统，比如湖面的水位，由于降雨，自然蒸发等处于一个时刻变化的状态，而离散系统一般只在离散时间点发生变化的系统，绝对部分人造系统都属于离散系统。
除了特别的需要以外，大部分系统设计上都会做成离散系统，因为连续系统可以通过引入采样装置转为离散系统，比如上面提到的湖泊系统，就可以通过引入定时采样水质，水位等的装置让系统变成离散系统以方便处理。
确定核心要素
需要明确系统中的实体（包括属性），事件，活动。
我们以外卖配送来看，实体即骑手，顾客，商家，属性可能包括骑手速度，顾客位置，商家位置等，属性可以是从真实系统中获得，也可以是统计上的数据。
事件主要是对于整个配送有重要影响的，点外卖的时候有一些外卖APP会有进度提示，比如商家接单，商家出餐，骑手抢单，骑手送餐，送达顾客处等，当然这些只是展示出来的事件，系统内部可能更复杂，还有更多事件，确认核心要素的时候一般需要业务专家或者领域专家。
大部分系统单单靠事件就可以驱动了，但是有时候还需要明确活动。一般两个相邻且有先后顺序的事件，如果从逻辑上导致了状态的转移，那可以化为一个活动。比如外卖配送中从待取餐状态转移配送中状态，其实暗含了到店和取餐两个事件。活动并不是必须的，如果研究目的不涉及可以不关注。
确定仿真算法
目前有四种成熟仿真算法：
- 事件调度
- 活动扫描法
- 进程交互法
- 三阶段法
一个仿真系统可以采用一种算法，也可以混合多种使用。
仿真系统的时间由仿真钟控制，算法决定了仿真钟的推进方式。比如事件调度算法，就是每次推进一个固定的仿真钟步长，然后获取当前仿真钟上需要触发的事件，如果多个事件则按照优先级触发。
仿真钟的结束一般有两种，一种是终态仿真，即仿真钟在规定时间内停止，比如仿真一个小时的运行情况。另外一种是稳态仿真，这种仿真的仿真钟是无限的，停止条件由其他方式确定，比如某种特定的置信度达到一个阈值，则由外部停止仿真钟。
建立仿真模型
根据确定的仿真算法，梳理系统内部的状态变量和流转方式。再针对不同的事件确定事件对状态和实体属性的影响，明确事件间的相互影响。
用加油站来举例，车量入站，车辆等待加油，车辆加油完成，车辆离开就是一系列事件，期间可能的影响包括加油站内的车辆数量，可用加油枪的数量，剩余油量，收入等。
比如车辆开始加油事件发生时会在未来生成车辆加油完成这个事件，具体的完成时间需要通过统计学或者其他建模方式给出。
实现仿真系统
实现仿真系统主要有两个流派：
- 基于高级语言自研
- 基于仿真语言开发
还有一种就是从专业的支持公司购买仿真系统，并直接使用，比如anylogic，flexsim等。
自研就不用多说了，多用于新兴系统，且开发资源充足的公司。
仿真语言更适合成熟的系统，或者科研院校，比如Modelica （https://openmodelica.org）。
分析仿真结果
这个和仿真研究目的强关联，一般都是从仿真过程记录中加工获得结果数据。唯一需要注意的有随机性的仿真系统一次仿真只是一次抽象，要注意置信度。
仿真上云
仿真系统和普通的业务系统不同，它对于冷启动不敏感，资源需求大但是不均衡，同时仿真单个任务运行时间长。
一般仿真系统上云可以考虑的就是执行节点的动态伸缩，根据仿真任务的情况适当缩减或者扩容节点，按量付费。
另外还有一个可能的方向就是基于serverless，因为仿真系统本身可以基于事件驱动，搭配MQ可以通过事件来驱动function进行过程流转，中间过程可以落库，也可以写文件。由于没有具体操作过，效果还有费用上的对比没有数据，但是至少基于serverless的话伸缩性会很好。
参考
这里有一些公开的仿真应用：
- NASSCO船厂仿真：https://www.anylogic.com/capacity-analysis-with-anylogic/
- 应急灾害仿真：https://www.anylogic.cn/disaster-response-applications-using-agent-based-modeling/
- 京东的物流仓库仿真：http://www.sohu.com/a/301520549_649545
- 美团的配送仿真系统：https://tech.meituan.com/2017/10/11/o2o-intelligent-distribution.html
- 百度开源的阿波罗：http://apollo.auto/platform/simulation_cn.html
另外补充阅读：