CN100580632C - 嵌入式系统rm低功耗调度中松弛时间在线重分配方法 - Google Patents
嵌入式系统rm低功耗调度中松弛时间在线重分配方法 Download PDFInfo
- Publication number
- CN100580632C CN100580632C CN200810059856A CN200810059856A CN100580632C CN 100580632 C CN100580632 C CN 100580632C CN 200810059856 A CN200810059856 A CN 200810059856A CN 200810059856 A CN200810059856 A CN 200810059856A CN 100580632 C CN100580632 C CN 100580632C
- Authority
- CN
- China
- Prior art keywords
- task
- time
- slack
- scheduling
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 claims description 28
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 claims description 28
- 230000033001 locomotion Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 13
- 239000012141 concentrate Substances 0.000 description 3
- 210000004940 nucleus Anatomy 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种嵌入式系统RM低功耗调度中松弛时间在线重分配方法。该发明基于一个RM的任务调度模型,采用RM调度方法确保调度的实时性。本发明通过对任务集运行时松弛时间进行收集,并在低优先级的任务间将收集的松弛时间进行重分配,解决调度模型与实际运行之间的差别。然后在运行的过程中利用实时动态调频调压技术,根据松弛时间重分配后与任务最坏运行时间之间的比值,调整处理器电压频率,达到低功耗调度的目的。
Description
技术领域
本发明涉及基于嵌入式系统软件节能技术,特别是涉及一种嵌入式系统RM低功耗调度中松弛时间在线重分配方法。
背景技术
在便携式嵌入式设备电源管理领域,目前的困难在于既要满足便携式终端对电源供电的要求,又要做到占用空间小、重量轻和供电时间更长。下一代消费类电子产品的电源解决方案重点应该集中在硬件和软件两方面技术,包括:(1)在小巧外形尺寸下,如何实现所需电源性能的工艺和技术,涉及热管理、降噪、电池管理和功能整合等技术;(2)动态功率管理技术,它取决于CPU性能、软件、中间件以及用户对更换电池的时间间隔等要求;(3)动态功率管理技术对操作系统内核和驱动器,以及应用编程接口(API)对驱动器、中间件和应用本身的影响。
现在嵌入式设备的功能变得越来越强大,功能也越来越丰富。随着嵌入式设备功能越来越多,用户对嵌入式设备电池的能量需求也越来越高,现有的锂离子电池已经越来越难以满足消费者对正常使用时间的要求。对此,业界主要采取两种方法,一是开发具备更高能量密度的新型电池技术,如燃料电池,在可以预见的5年内,电池技术不可能有很大的突破;二是在电池的能量转换效率和节能方面下功夫。在目前新的高能电池技术(如燃料电池)仍不成熟的情况下,下一代手持设备的电源管理只能从提高电源利用率和降低功耗这二个方面着手。
如何延长电池的使用寿命,以及尽量减少电池能量的消耗已经成为嵌入式领域的一个研究热点。现在主要集中在硬件设计和软件优化两方面。其中软件优化方面现在主要包括系统软件和应用软件两方面。系统软件主要集中在编译器和操作系统内核两块。
在操作系统领域,现在主要的电源管理方法是利用操作系统内核,动态的调整系统处理器和总线的频率,降低系统的整体能耗。而且系统可以通过动态频率指令改变系统状态,是系统处于低功耗状态,以达到节能的目的。在编译器方面,现在主要通过编译器在编译应用程序阶段,对代码进行优化,使代码尽量的紧凑以及访问设备尽量集中,以达到节能的目的。
上面的方法中,实现起来都需要比较繁琐的过程,而且没有考虑实时性,在现在嵌入式系统领域的应用存在一定的限制。
发明内容
本发明的目的在于提供一种嵌入式系统RM低功耗调度中松弛时间在线重分配方法。
本发明解决其技术问题所采用的技术方案是:
1)RM实时调度任务模型:
RM实时调度任务模型采用任务按单调速率优先级分配的调度算法,称为单调速率调度;它根据任务的执行周期的长短来决定调度优先级,那些具有小的执行周期的任务具有较高的优先级,周期长的任务优先级低;
在RM实时调度模型中,每个任务Ti需要采用三个参数表示:任务执行周期Pi、任务最坏执行时间Ci、任务完成的最终期限Di,其中下标i为任务的编号;
在RM实时调度模型中任务集{T1,…TN}是在调度之前已经确定的,即任务数N是确定的、任务集中每个的任务执行周期Pi的单位为毫秒ms;任务集中任务最坏执行时间C的单位为毫秒ms;任务集中每个任务完成的最终期限D的单位为毫秒ms;
根据RM实时模型的调度策略,任务集将按照每个任务的执行周期Pi的长短排列;即当任务的编号i小于任务编号j时,任务Ti的执行周期Pi小于任务Tj的执行周期Pj;
2)RM实时调度任务模型扩展:
本发明在RM实时调度任务模型的基础上为每个任务Ti添加了一个参数:任务松弛时间因子Si初始化为0,它的单位为毫秒ms;
3)任务Ti运行实例的参数定义和扩展:
本发明用Ii k表示任务Ti第k次的运行实例,任务Ti的不同运行实例实际运行的时间不同,任务Ti第k次的运行实例实际运行的时间为Xi k单位为毫秒ms;由于任务Ti的最坏运行时间为Ci,那么运行实例Ii k的松弛时间可由下公式计算得到:
其中
ΔCi k为运行实例Ii k的松弛时间,所谓的任务松弛时间是指运行实例的运行时间与最坏运行时间的差,
Ci是任务Ti的最坏运行时间,
Xi k为任务Ti第k次的运行实例实际运行的时间;
4)任务松弛时间因子更新:
任务松弛时间因子Si用来纪录所有优先级在任务Ti之前的任务运行实例产生的任务松弛时间,即所有任务编号小于i的任务运行实例所产生的松弛时间;
当任务Ti第k次运行实例Ii k执行结束后,可计算出运行实例Ii k的松弛时间ΔCi k,然后可计算更新所有任务Tj的松弛时间因子:
其中
Sj为任务Tj的松弛时间因子,
这里的“=”是计算机程序设计中的赋值符号,
ΔCi k为运行实例Ii k的松弛时间,
j为当前需要更新松弛时间的任务编号j大于等于0小于等于任务数N,
i为执行结束的任务编号;
5)任务松弛时间重分配:
当一个任务Ti的第k次运行实例Ii k准备执行时,由于存在优先级比任务Ti高的任务执行之后产生的松弛时间,因此运行实例Ii k在执行前,可从松弛因子Si中抽取一定的时间ΔSi k作为本次运行的补偿,即第k次运行实例Ii k的最坏运行时间可调整为:
其中
Ai k为实例Ii k的新的最坏运行时间,
Ci是任务Ti的最坏运行时间,
ΔSi k是从松弛因子Si中抽取的作为本次运行的补偿时间;
ΔSi k从松弛因子Si中抽取多少是由操作系统中,ready进程队列内任务的平均运行时间决定的,可通过如下公式计算得到:
其中
ΔSi k是从松弛因子Si中抽取的作为本次运行的补偿时间,
Si为i号任务Ti的松弛时间因子,
Xi是i号任务Ti的平均运行时间,
Tj是ready任务队列中的任务,
Xi是j号任务Tj的平均运行时间;
ΔSi k被从松弛因子Si中抽取后,所有任务Tj的松弛因子都要被再次更新:
其中
Sj为任务Tj的松弛时间因子,
这里的“=”是计算机程序设计中的赋值符号,
ΔSi k为运行实例Ii k从松弛因子Si中抽取出去的补偿时间,
j为当前需要更新松弛时间的任务编号j大于等于0小于等于任务数N,
i为当前准备执行的任务编号;
6)任务运行实例处理器频率计算:
运行实例Ii k的新的最坏运行时间Ai k计算出来之后,可通过Ai k和任务Ti的最坏运行时间Ci以及处理器的最高运行频率fmax计算出新的处理器频率,如下公式所示:
其中
Ai k为实例Ii k的新的最坏运行时间,
Ci是任务Ti的最坏运行时间,
fmax为处理器的最高运行频率,
fnew为实例Ii k的执行频率;
在这种情况下,实例Ii k就能够在保证实时性的情况下更加节省能耗;
7)处理器动态频率设置:
处理器通过动态调频调压技术DVFS设置处理器的运行时频率和运行时电压,RM调度算法在每个任务运行实例准备运行之前根据计算出的fnew为运行实例设置相应的运行时频率。
本发明与背景技术相比,具有的有益的效果是:
本发明将操作系统的实时性和低功耗调度工作相结合,利用现有RM调度方法的实时性来保证任务的实时性要求。本发明通过将低功耗调度方法融入到实时的任务调度中,在保证实时性的同时,达到低功耗的目的,延长系统电池的使用时间。
(1)实时性。应用程序在系统中运行时,利用RM调度方法来保证实时性。
(2)稳定性。操作系统将动态调整系统状态的权利掌握在自己手中,而不是下放给应用程序,这样系统就能在兼顾全局的情况下动态调整系统的状态,保证系统的稳定。
(3)精确性。利用在线计算的方式,根据任务的完成情况确定整个调度过程中产生的松弛时间,并利用这些松弛时间计算出新的处理器运行频率,充分利用了任务在运行时的随机特性。
附图说明
附图是系统工作的流程图。
具体实施方式
在实施实时嵌入式系统RM低功耗调度中松弛时间在线重分配方法时,操作系统在调度过程中,考虑了实时和节能两个约束。
1)RM实时调度任务模型
RM实时调度任务模型采用任务按单调速率优先级分配的调度算法,称为单调速率调度;它根据任务的执行周期的长短来决定调度优先级,那些具有小的执行周期的任务具有较高的优先级,周期长的任务优先级低;
在RM实时调度模型中,每个任务Ti需要采用三个参数表示:任务执行周期Pi、任务最坏执行时间Ci、任务完成的最终期限Di,其中下标i为任务的编号;
在RM实时调度模型中任务集{T1,…TN}是在调度之前已经确定的,即任务数N是确定的、任务集中每个的任务执行周期Pi的单位为毫秒ms;任务集中任务最坏执行时间C的单位为毫秒ms;任务集中每个任务完成的最终期限D的单位为毫秒ms;
根据RM实时模型的调度策略,任务集将按照每个任务的执行周期Pi的长短排列;即当任务的编号i小于任务编号j时,任务Ti的执行周期Pi小于任务Tj的执行周期Pj;比如现在有三个任务分别为A任务、B任务、C任务,他们的执行周期分别为:10000ms,7000ms,和9000ms。那么根据RM算法对任务优先级的定义,可以得到任务B的优先级最高,而任务A的优先级最低,根据优先级对任务进行编号为:T1任务为B任务,T2任务为C任务,T3任务为A任务。
2)任务模型扩展
本发明在RM实时调度任务模型的基础上为每个任务Ti添加了一个参数:任务松弛时间因子Si初始化为0,他的单位为毫秒ms;任务松弛时间因子Si主要用来记录任务优先级在i之前的任务运行实例产生的松弛时间。
3)任务Ti运行实例的参数定义和扩展
本发明用Ii k表示任务Ti第k次的运行实例。任务Ti的不同运行实例实际运行的时间不同,任务Ti第k次的运行实例实际运行的时间为Xi k单位为毫秒ms;由于任务Ti的最坏运行时间为Ci,那么运行实例Ii k的松弛时间可由下公式计算得到:
其中
ΔCi k为运行实例Ii k的松弛时间,所谓的任务松弛时间是指运行实例的运行时间与最坏运行时间的差
Ci是任务Ti的最坏运行时间,
Xi k为任务Ti第k次的运行实例实际运行的时间;
比如前面所述的3个任务,假设T1任务的最坏执行时间C1为800ms,而他第3次执行过程中实际只用了650ms,即X1 3为650ms,那么他的松弛时间为
4)任务松弛时间因子更新
任务松弛时间因子Si用来纪录所有优先级在任务Ti之前的任务运行实例产生的任务松弛时间,即所有任务编号小于i的任务运行实例所产生的松弛时间;
当任务Ti第k次运行实例Ii k执行结束后,可计算出运行实例Ii k的松弛时间ΔCi k,然后可计算更新所有任务Tj的松弛时间因子:
其中
Sj为任务Tj的松弛时间因子,
这里的“=”是计算机程序设计中的赋值符号,
ΔCi k为运行实例Ii k的松弛时间,
j为当前需要更新松弛时间的任务编号j大于等于0小于等于任务数N,
i为执行结束的任务编号;
假设现在的有三个进程T1,T2,T3,与他们对应的S1为200ms,S2为300ms,S3为400ms。假设T1第2次运行实例I1 2执行结束后, 那么S1不用更新,因为S的下标为1,和执行的任务下标1相等,而S2更新为300ms+150=450ms,S3更新为400ms+150ms=550ms。
5)松弛时间重分配
当一个任务Ti的第k次运行实例Ii k准备执行时,由于存在优先级比任务Ti高的任务执行之后产生的松弛时间,因此运行实例Ii k在执行前,可从松弛因子Si中抽取一定的时间ΔSi k作为本次运行的补偿,即第k次运行实例Ii k的最坏运行时间可调整为:
其中
Ai k为实例Ii k的新的最坏运行时间,
Ci是任务Ti的最坏运行时间,
ΔSi k是从松弛因子Si中抽取的作为本次运行的补偿时间;
假设T2第3次运行实例I2 3准备执行,那么将从松弛因子S2中抽取一定的时间 作为本次运行的补偿且T2的最坏执行时间600ms,那么A2 3等于700ms。
ΔSi k从松弛因子Si中抽取多少是由操作系统中,ready进程队列内任务的平均运行时间决定的,可通过如下公式计算得到:
其中
ΔSi k是从松弛因子Si中抽取的作为本次运行的补偿时间,
Si为i号任务Ti的松弛时间因子,
Xi是i号任务Ti的平均运行时间,
Tj是ready任务队列中的任务,
Xj是j号任务Tj的平均运行时间;
ΔSi k被从松弛因子Si中抽取后,所有任务Tj的松弛因子都要被再次更新:
其中
Sj为任务Tj的松弛时间因子,
这里的“=”是计算机程序设计中的赋值符号,
ΔSi k为运行实例Ii k从松弛因子Si中抽取出去的补偿时间,
j为当前需要更新松弛时间的任务编号j大于等于0小于等于任务数N,
i为当前准备执行的任务编号;
假设现在有三个进程T1,T2,T3,与他们对应的S1为200ms,S2为300ms,S3为400ms,其中三个进程的平均执行时间X1为500ms,X2为600ms,X3为700ms,那么T2第3次运行实例I2 3准备执行时,从松弛因子S2中抽取一定的时间 计算出ΔS2 3之后,可以分别更新S1为0ms,S2为0ms,S3为400-100=300ms。
6)任务运行实例处理器频率计算
运行实例Ii k的新的最坏运行时间Ai k计算出来之后,可通过Ai k和任务Ti的最坏运行时间Ci以及处理器的最高运行频率fmax计算出新的处理器频率,如下公式所示:
其中
Ai k为实例Ii k的新的最坏运行时间,
Ci是任务Ti的最坏运行时间,
fmax为处理器的最高运行频率,
fnew为实例Ii k的执行频率;
在这种情况下,实例Ii k就能够在保证实时性的情况下更加节省能耗;
假设T2第3次运行实例I2 3准备执行,那么将从松弛因子S2中抽取一定的时间 作为本次运行的补偿且T2的最坏执行时间600ms,那么A2 3等于700ms。而运行实例I2 3的处理器最高频率为700MHZ,那么可以计算出:Fnew=600/700×700=600MHZ。
7)处理器动态频率设置
处理器通过动态调频调压技术DVFS设置处理器的运行时频率和运行时电压,RM调度算法在每个任务运行实例准备运行之前根据计算出的fnew为运行实例设置相应的运行时频率。
附图是系统工作的流程图。
Claims (1)
1.一种嵌入式系统RM低功耗调度中松弛时间在线重分配方法,其特征在于:
1)建立RM实时调度任务模型:
RM实时调度任务模型采用任务按单调速率优先级分配的调度算法,称为单调速率调度;它根据任务的执行周期的长短来决定调度优先级,那些具有小的执行周期的任务具有较高的优先级,周期长的任务优先级低;
在RM实时调度模型中,每个任务Ti需要采用三个参数表示:任务执行周期Pi、任务最坏运行时间Ci、任务完成的最终期限Di,其中下标i为任务的编号;
在RM实时调度模型中任务集{T1,…TN}是在调度之前已经确定的,即任务数N是确定的、任务集中每个任务的执行周期Pi的单位为毫秒ms;任务集中任务最坏运行时间Ci的单位为毫秒ms;任务集中每个任务完成的最终期限Di的单位为毫秒ms;
根据RM实时模型的调度策略,任务集将按照每个任务的执行周期Pi的长短排列;即当任务的编号i小于任务编号j时,任务Ti的执行周期Pi小于任务Tj的执行周期Pj;
2)对RM实时调度任务模型进行扩展:
在RM实时调度任务模型的基础上为每个任务Ti添加了一个参数:任务松弛时间因子Si初始化为0,它的单位为毫秒ms;
3)任务Ti运行实例的参数定义和扩展:
用Ii k表示任务Ti第k次的运行实例,任务Ti的不同运行实例实际运行的时间不同,任务Ti第k次的运行实例实际运行的时间为Xi k单位为毫秒ms;由于任务Ti的最坏运行时间为Ci,那么运行实例Ii k的松弛时间可由下公式计算得到:
其中
ΔCi k为运行实例Ii k的松弛时间,所谓的任务松弛时间是指最坏运行时间与运行实例实际运行的时间的差,
Ci是任务Ti的最坏运行时间,
Xi k为任务Ti第k次的运行实例实际运行的时间;
4)任务松弛时间因子更新:
任务松弛时间因子Si用来记录所有优先级在任务Ti之前的任务运行实例产生的任务松弛时间,即所有任务编号小于i的任务运行实例所产生的松弛时间;
当任务Ti第k次运行实例Ii k执行结束后,可计算出运行实例Ii k的松弛时间ΔCi k,然后可计算更新所有任务Tj的任务松弛时间因子:
其中
Si为任务Tj的任务松弛时间因子,
这里的“=”是计算机程序设计中的赋值符号,
ΔCi k为运行实例Ii k的松弛时间,
j为当前需要更新松弛时间的任务编号j大于等于0小于等于任务数N,
i为执行结束的任务编号;
5)任务松弛时间重分配:
当一个任务Ti的第k次运行实例Ii k准备执行时,由于存在优先级比任务Ti高的任务执行之后产生的松弛时间,因此运行实例Ii k在执行前,可从任务松弛时间因子Si中抽取一定的时间ΔSi k作为本次运行的补偿,即第k次运行实例Ii k的最坏运行时间可调整为:
其中
Ai k为实例Ii k的新的最坏运行时间,
Ci是任务Ti的最坏运行时间,
ΔSi k是从任务松弛时间因子Si中抽取的作为本次运行的补偿时间;
ΔSi k从任务松弛时间因子Si中抽取多少是由操作系统中,ready进程队列内任务的平均运行时间决定的,可通过如下公式计算得到:
其中
ΔSi k是从任务松弛时间因子Si中抽取的作为本次运行的补偿时间,
Si为i号任务Ti的任务松弛时间因子,
Xi是i号任务Ti的平均运行时间,
Tj是ready任务队列中的任务,
Xj是j号任务Tj的平均运行时间;
ΔSi k被从任务松弛时间因子Si中抽取后,所有任务Tj的任务松弛时间因子都要被再次更新:
其中
Sj为任务Tj的任务松弛时间因子,
这里的“=”是计算机程序设计中的赋值符号,
ΔSi k为运行实例Ii k从任务松弛时间因子Si中抽取出去的补偿时间,
j为当前需要更新松弛时间的任务编号j大于等于0小于等于任务数N,
i为当前准备执行的任务编号;
6)任务运行实例处理器频率计算:
运行实例Ii k的新的最坏运行时间Ai k计算出来之后,可通过Ai k和任务Ti的最坏运行时间Ci以及处理器的最高运行频率fmax计算出新的处理器频率,如下公式所示:
其中
Ai k为实例Ii k的新的最坏运行时间,
Ci是任务Ti的最坏运行时间,
fmax为处理器的最高运行频率,
fnew为实例Ii k的执行频率;
在这种情况下,实例Ii k就能够在保证实时性的情况下更加节省能耗;
7)处理器动态频率设置:
处理器通过动态调频调压技术DVFS设置处理器的运行时频率和运行时电压,RM调度算法在每个任务运行实例准备运行之前根据计算出的fnew为运行实例设置相应的运行时频率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810059856A CN100580632C (zh) | 2008-02-22 | 2008-02-22 | 嵌入式系统rm低功耗调度中松弛时间在线重分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810059856A CN100580632C (zh) | 2008-02-22 | 2008-02-22 | 嵌入式系统rm低功耗调度中松弛时间在线重分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101271406A CN101271406A (zh) | 2008-09-24 |
CN100580632C true CN100580632C (zh) | 2010-01-13 |
Family
ID=40005396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810059856A Expired - Fee Related CN100580632C (zh) | 2008-02-22 | 2008-02-22 | 嵌入式系统rm低功耗调度中松弛时间在线重分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100580632C (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823706A (zh) * | 2014-02-12 | 2014-05-28 | 浙江大学 | 一种基于RTLinux的被控对象模型模拟仿真实时调度方法 |
CN109308216A (zh) * | 2018-03-27 | 2019-02-05 | 天津大学 | 一种针对不精确计算的单核系统实时任务调度方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110034729A (ko) * | 2009-09-29 | 2011-04-06 | 삼성전자주식회사 | 프로세서를 포함하는 장치의 전력 관리 방법 |
CN102135906B (zh) * | 2011-03-18 | 2013-03-13 | 深圳市民德电子科技有限公司 | 面向嵌入式实时操作系统的功耗控制方法及系统 |
CN103365710B (zh) * | 2012-03-31 | 2018-11-06 | 索尼公司 | 实时任务调度装置和方法以及计算机系统 |
CN103235640B (zh) * | 2013-01-08 | 2016-01-13 | 北京邮电大学 | 一种基于dvfs技术的大规模并行任务节能调度方法 |
CN103176590A (zh) * | 2013-03-21 | 2013-06-26 | 湖南大学 | 一种基于动态电压调节的嵌入式系统任务节能调度方法及系统 |
FR3004274A1 (fr) * | 2013-04-09 | 2014-10-10 | Krono Safe | Procede d'execution de taches dans un systeme temps-reel critique |
US9292344B2 (en) | 2013-04-19 | 2016-03-22 | Cubic Corporation | Reservation scheduler for real-time operating systems in wireless sensor networks |
CN104424017B (zh) * | 2013-08-21 | 2017-06-30 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于数控系统的容错低功耗调度方法 |
CN104182280B (zh) * | 2014-07-30 | 2017-04-12 | 山东大学 | 面向混合主存嵌入式系统的低能耗rm实时任务调度方法 |
-
2008
- 2008-02-22 CN CN200810059856A patent/CN100580632C/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
面向低功耗优化设计的系统级功耗模型研究. 李曦,王志刚,周学海,王煦法.电 子 学 报,第32卷第2期. 2004 |
面向低功耗优化设计的系统级功耗模型研究. 李曦,王志刚,周学海,王煦法.电子学报,第32卷第2期. 2004 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103823706A (zh) * | 2014-02-12 | 2014-05-28 | 浙江大学 | 一种基于RTLinux的被控对象模型模拟仿真实时调度方法 |
CN103823706B (zh) * | 2014-02-12 | 2018-02-06 | 浙江大学 | 一种基于RTLinux的被控对象模型模拟仿真实时调度方法 |
CN109308216A (zh) * | 2018-03-27 | 2019-02-05 | 天津大学 | 一种针对不精确计算的单核系统实时任务调度方法 |
CN109308216B (zh) * | 2018-03-27 | 2021-10-15 | 天津大学 | 一种针对不精确计算的单核系统实时任务调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101271406A (zh) | 2008-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100580632C (zh) | 嵌入式系统rm低功耗调度中松弛时间在线重分配方法 | |
CN100416463C (zh) | 面向嵌入式系统低功耗实时任务参数模型调度方法 | |
Wang et al. | Kernel fusion: An effective method for better power efficiency on multithreaded GPU | |
CN102622273B (zh) | 基于自学习负载预测的集群按需启动方法 | |
Rizvandi et al. | Linear combinations of dvfs-enabled processor frequencies to modify the energy-aware scheduling algorithms | |
Seo et al. | Energy efficient scheduling of real-time tasks on multicore processors | |
Ghor et al. | A real-time scheduling framework for embedded systems with environmental energy harvesting | |
ul Islam et al. | Hybrid DVFS scheduling for real-time systems based on reinforcement learning | |
Feng et al. | Peak operation of hydropower system with parallel technique and progressive optimality algorithm | |
CN101290585A (zh) | 一种嵌入式系统实时任务的调度方法 | |
CN101135927A (zh) | 一种面向嵌入式系统低功耗实时任务调度的简化方法 | |
CN100590571C (zh) | 实时嵌入式系统edf低功耗调度的msr方法 | |
CN102819460A (zh) | 一种基于预算功率指导的高能效gpu集群系统调度算法 | |
CN103914346A (zh) | 一种基于分组的实时操作系统双优先级任务调度节能方法 | |
Niu et al. | Energy-efficient fixed-priority scheduling for real-time systems based on threshold work-demand analysis | |
Wang et al. | Dynamic Low Power Reconfigurations of Real-time Embedded Systems. | |
CN111352796B (zh) | 一种智能穿戴设备获取电量的方法及装置 | |
CN117374933A (zh) | 基于计算负载时空转移的数据中心需求响应优化调度方法 | |
Wu et al. | A real-time embedded platform for mixed energy-criticality systems | |
Eitschberger et al. | Energy-efficient task scheduling in manycore processors with frequency scaling overhead | |
CN1936776A (zh) | 面向嵌入式系统低功耗实时任务调度的简化方法 | |
Lee et al. | Performance benefits of heterogeneous computing in HPC workloads | |
Ramírez et al. | Differences of energetic consumption between Java and JNI Android apps | |
Ramesh et al. | Energy aware proportionate slack management scheduling for multiprocessor systems | |
Isasa et al. | Modelling different CPU power states in VDM-RT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100113 Termination date: 20120222 |