3
我目前正在使用基於一系列請求和系統狀態進行調度決策的系統。將事件序列的測量值作爲輸入，如何生成具有相同配置文件的無限輸入序列？
我想採取真正的輸入流，模擬出一些組件，並對其餘的運行模擬。這個想法是用它來規劃系統容量（即何時對某些組件進行縮放），追蹤某些失效模式，並分析變更對代碼庫的影響（例如，與使用版本B進行仿真相比，版本A的仿真） 。
我可以做所有與此相關的事情，除了生成合適的輸入流。重放生產中的確切輸入並不是很有用，因爲很難獲得足夠長的數據流來梳理我試圖找到的一些行爲。換句話說，如果產量在300天投入時就會下降，我沒有足夠的數據才能發現，直到它發生崩潰。已經考慮重複相同的輸入集合;但經過幾次初步嘗試後，開發人員都認爲模擬似乎「需要更多的隨機」。
關於該特定的系統：
- 輸入是一系列不規則間隔的事件（即，具有離散時間和連續狀態空間中的隨機過程）的。
- 屬性不是independent彼此。
- 即使是更獨立的屬性，其他屬性的組合也將永遠是本質上看不見的（導致multi-modal distribution）。
- 請求間隔並非獨立於其他屬性（即大量請求少量資源通過批處理，大請求不需要）。
- 它有反饋循環。
- 它證明是混亂的。
所以：
給定的輸入事件流具有各種特性（包括間隔）的一定的分佈，如何跨多個非生成具有相同的分佈事件的無限流獨立屬性？
環顧四周，我想我需要做一個馬爾可夫鏈蒙特卡羅模擬。我的問題是如何從現有的輸入數據構建馬爾可夫鏈。