技能介绍

要解决什么问题

很多系统并不是「每 0.1 秒算一步」的连续动力学，而是事件不规则发生：客户到达、机器故障、数据包入队、员工换班。实体之间还要抢同一批有限资源——服务器槽位、产线工位、链路带宽。用普通脚本写 sleep 循环很难表达「谁先等到资源、等待多久、利用率多少」，也不方便做参数扫描和容量规划。

SimPy 把这类问题抽象成离散事件仿真（DES）：仿真时钟只在事件发生时推进，进程用 Python 生成器（yield 事件）描述行为，资源与队列由框架统一管理。

技能如何工作

核心能力包括：用生成器函数建模进程；Resource、PriorityResource、Container、Store 等共享资源；env.timeout、request()、自定义事件以及 AllOf / AnyOf 组合同步；可选与挂钟对齐的实时仿真；配合监控脚本做统计与 CSV 导出。

典型工作流可以概括为四步：

定义系统——实体、资源、进程活动、要量的指标（等待时间、利用率、吞吐量）。
写进程函数——每种行为一个生成器，在关键点 yield env.timeout(...) 或 yield resource.request()。
挂监控——如 ResourceMonitor / MultiResourceMonitor 在运行过程中采样，而不是只在结束时看一眼。
跑仿真并分析——固定 random.seed() 便于复现，必要时与简单情形的解析解对照。

技能内还提供客户-服务器队列、生产者-消费者、并行任务等模式，以及 basic_simulation_template.py 等模板。

适用边界与注意点

适合：队列与等待时间分析、资源竞争、制造/物流/服务流程、网络与容量规划、实施前的行为验证。
不适合：固定步长的连续系统（更偏 SciPy ODE）；彼此独立、无资源共享的进程；纯数学优化（更偏 SciPy optimize）。
常见坑：进程里忘记 yield 会「瞬间跑完」；事件只能触发一次；资源要用 with resource.request() 等形式避免泄漏；进程内避免阻塞式 I/O；时间单位在全模型中保持一致。