extern crate ergothic;
extern crate rand;

struct MySample {
  x: f64,  // Random variable within [0 .. 1].
}

impl ergothic::Sample for MySample {
  fn prepare() -> MySample {
    MySample{x: rand::random()}
  }
  
  fn mutate(&mut self) {
    self.x = rand::random();
  }
}

fn main() {
  let mut simulation = ergothic::Simulation::new(
      "Computing expectations of random variable and its square");
  let x = simulation.add_measure("Mean X");  // Mean value of the random variable x.
  let x2 = simulation.add_measure("Mean X^2");  // Mean value of the square of x.
  simulation.run(|s: &MySample, ms| {
    ms.accumulate(x, s.x);  // Accumulate the value of x in the statistical counter for the corresponding measure.
    ms.accumulate(x2, s.x.powi(2));  // Accumulate the value of x^2 in the statistical counter for the corresponding measure.
  });
}

就是这样！这段简单的代码完全可用，也可以在拥有成千上万节点的集群上运行！

运行示例

要调试模式下运行示例，只需运行以下命令

cargo run

就这样！

示例输出

在调试模式下，ergothic模拟将每2秒钟输出一个测量值的表格。以下是上面示例的表格

Simulation uptime: 5 secs
Samples processed: 4839379
Aggregate values:
+----------+--------------------+------------------------+----------------------+
| MEASURE  |    EXPECTATION     |      UNCERTAINTY       | RELATIVE UNCERTAINTY |
+----------+--------------------+------------------------+----------------------+
|   Mean X | 0.4999631317520213 | 0.00013121218432651647 | 0.000262443720333356 |
| Mean X^2 | 0.3332809661876769 | 0.0001355082806320386  | 0.0004065887175679   |
+----------+--------------------+------------------------+----------------------+

我们看到X和X^2的期望值分别是我们通过解析积分所期望的（1/2和1/3）。在处理约500万个样本后，统计不确定性分别为0.03%和0.04%。

扩展规模

现在我们想要充分利用我们大学/软件公司/云服务提供商等所属的巨大计算资源。

计算模型

Ergothic使用“令人尴尬的并行”计算模型。所有参与模拟的节点都在做同样的事情——产生数据点和将这些数据点发送到存储服务。这个模型有很多优点——它超级简单，可完美扩展，没有瓶颈，因为节点之间不进行通信。

你可以使用ergothic_cli命令行工具直接查询数据库来分析你的模拟的中间（或最终）结果。

设置MongoDB

Ergothic 需要一个数据汇聚点，将数据点导出到该点。目前，唯一支持的数据汇聚点类型是 MongoDB，尽管实现其他导出程序应该很容易，并且是 ergothic 的下一个目标之一。

运输模拟

使用以下命令构建相同代码的优化版本

cargo build --release

现在您需要一种将二进制文件分发给集群节点并运行它们的办法。例如，您可以将二进制文件捆绑到 Docker 容器中，并使用 Kubernetes 进行计算调度。

使用以下命令行参数运行容器

./my_simulation --production --mongo mongodb://hostname1:port2[,hostname2:port2,...] --mongo_db ergothic_data --mongo_coll my_simulation

其中

• hostnames 应解析为运行 MongoDB 节点的计算机。
• ports 应对应于公开的 MongoDB 端口。
• --mongo_db 是发送数据点的数据库名称。
• --mongo_coll 是发送数据点的集合名称。

在生产模式下，每个节点每 5 分钟左右将产生一个数据点。数据点将累积在数据库中。

分析结果

随着模拟的运行，数据点在数据库中累积。本节描述了如何查询数据库以获取汇总值和不确定性。

待办事项：在实现 ergothic_cli 工具之后，解释如何使用它来分析和操作结果。

待完成事项

Ergothic 当前缺少的最重要的功能的清单

• 数据分析工具 ergothic_cli 用于查询和汇总数据点。
• 多线程作业 - 能够将模拟扩展到 NxM 线程，其中 N 是节点数，M 是每个节点的线程数。线程之间不应相互通信，计算模型仍然保持尴尬的并行性。
• 导出到本地文件和其他数据库 - 到其他格式的导出器。