CN107766140B - 一种带抢占点实时任务的可调度性分析方法 - Google Patents

一种带抢占点实时任务的可调度性分析方法 Download PDF

Info

Publication number
CN107766140B
CN107766140B CN201711055440.7A CN201711055440A CN107766140B CN 107766140 B CN107766140 B CN 107766140B CN 201711055440 A CN201711055440 A CN 201711055440A CN 107766140 B CN107766140 B CN 107766140B
Authority
CN
China
Prior art keywords
task
time
real
tasks
analysis
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
Application number
CN201711055440.7A
Other languages
English (en)
Other versions
CN107766140A (zh
Inventor
黄晓曦
周全
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Muding County First Senior High School
Huazhong University of Science and Technology
Original Assignee
Muding County First Senior High School
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Muding County First Senior High School, Huazhong University of Science and Technology filed Critical Muding County First Senior High School
Priority to CN201711055440.7A priority Critical patent/CN107766140B/zh
Publication of CN107766140A publication Critical patent/CN107766140A/zh
Application granted granted Critical
Publication of CN107766140B publication Critical patent/CN107766140B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/48—Program initiating; Program switching, e.g. by interrupt
    • G06F9/4806—Task transfer initiation or dispatching
    • G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
    • G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种带抢占点实时任务的可调度性分析方法，包括：根据实时任务的相对截止期进行排序，得到实时任务表；遍历实时任务表，获取分析任务，得到实时任务的最大干扰非抢占域集合；根据实时任务的最大干扰非抢占域集合，得到实时任务集中每项实时任务的最坏情况响应时间；将每项实时任务的最坏情况响应时间和每项实时任务的相对截止期进行比较，如果存在最坏情况响应时间大于相对截止期的实时任务，判定实时任务集不可调度；否则，判定时任务集可调度。本发明利用率高、运行速度快、执行效率高。

Description

一种带抢占点实时任务的可调度性分析方法
技术领域
本发明属于实时机损技术领域，更具体地，涉及一种带抢占点实时任务的可调度性分析方法。
背景技术
实时任务是具有截止期的一类任务，需要在截止期之前完成。出于任务执行转换开销、数据一致性、处理器最小时间片等方面的考虑，实时任务具有所指定的可抢占点，这些可抢占点将实时任务的执行划分为若干个非抢占域。也就是说，当前执行任务只能在抢占点被高优先级任务抢占。此外，出于安全性、可靠性等方面的考虑，系统需要在执行实时任务之前，对实时任务集的可调度性进行检测，即评估是否所有的实时任务均可在各自截止期前完成。
现有技术(Multiprocessor fixed priority scheduling with limitedpreemptions，Abhilash Thekkilakattil，Proceeding RTNS’15Proceeding Of the 23rdInternational Conference on Real Time and Networks Systems，13-22，2015年11月4日)提出支持全局固定优先级调度的带抢占点实时任务可调度行分析方法，此方法使用高、低优先级任务干扰分步计算方式计算所分析任务的总干扰。根据作者名称首字母为此方法命名，称此方法为ARRSM方法。
现有的支持固定优先级调度的非抢占域实时任务集可调度性分析方法考虑了非抢占域对任务间相互干扰的影响，但其计算精度存在很大缺陷：许多原本可调度的实时任务集在现有方法下被判定为不可调度，使系统非必要性地拒绝原本可接受的实时任务，致使系统利用率较低、运行速度较慢、执行效率较低。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种带抢占点实时任务的可调度性分析方法，由此解决现有技术存在利用率较低、运行速度较慢、执行效率较低的技术问题。
为实现上述目的，本发明提供了一种带抢占点实时任务的可调度性分析方法，包括：
(1)根据实时任务集中每项实时任务的相对截止期对实时任务进行排序，得到实时任务表；
(2)遍历实时任务表，获取分析任务，得到每项分析任务的最大被抢占次数，将所有分析任务的非抢占域按照长度由大到小顺序排序，根据排序结果和每项分析任务的最大被抢占次数，得到实时任务的最大干扰非抢占域集合；
(3)根据实时任务的最大干扰非抢占域集合，使用ARRSM得到分析任务的最大干扰，根据分析任务的最大干扰，得到实时任务集中每项实时任务的最坏情况响应时间；
(4)将每项实时任务的最坏情况响应时间和每项实时任务的相对截止期进行比较，如果存在最坏情况响应时间大于相对截止期的实时任务，判定实时任务集不可调度；否则，判定时任务集可调度。
进一步的，步骤(2)包括：
(2.1)遍历实时任务表，获取分析任务和每项实时任务的指定时间区域长度，实时任务表中排在分析任务之前的实时任务为高优先级任务，实时任务表中排在分析任务之后的实时任务为低优先级任务；
(2.2)根据高优先级任务的指定时间区域长度与高优先级任务的周期之比，得到高优先级任务的最大释放次数，根据高优先级任务的最大释放次数和分析任务的非抢占域个数，得到每项分析任务的最大被抢占次数；
(2.3)将所有分析任务的非抢占域按照长度由大到小顺序排序，根据排序结果得到被访问非抢占域在指定时间区域长度上的最大释放次数，根据每项分析任务的最大被抢占次数与被访问非抢占域在指定时间区域长度上的最大释放次数，得到实时任务的最大干扰非抢占域集合。
进一步的，步骤(2.3)包括：
(2.3.1)将实时任务的最坏情况响应时间设为实时任务的最坏情况执行时间，访问分析任务的下一个任务j；
(2.3.2)将当前访问的任务j的非抢占域按照长度由大到小顺序排序；
(2.3.3)生成一个空的非抢占域集合Sj，访问排序后的首个非抢占域；
(2.3.4)根据排序结果，计算访问非抢占域R(i，x)在指定时间区域上的最大释放次数：
Figure GDA0002575644430000031
其中，R(i，x)表示实时任务i的第x个非抢占域，t是指定时间区域长度，li，y表示实时任务i的第y个非抢占域的长度，Ri是任务i的最坏情况响应时间，Ti是实时任务i的周期；
(2.3.5)如果nR(i，x)与Sj中元素个数之和小于或等于(2.2)所得出的最大抢占次数，将nR(i，x)个访问非抢占域加入非抢占域集合Sj，访问下一个非抢占域，执行步骤(2.3.4)；否则，向非抢占域集合Sj中不断加入访问非抢占域，直至集合Sj中元素个数等于分析任务的最大抢占次数；
(2.3.6)将集合Sj设为任务j对分析任务的最大干扰非抢占域集，如果当前访问任务为实时任务表中最后一个任务，执行步骤(2.3.7)；否则，访问实时任务表中的下一个任务，并重新执行步骤(2.3.2)；
(2.3.7)将所有低优先级任务的最大干扰非抢占域集进行合并后根据元素长度由大到小的顺序进行排序，得到实时任务的最大干扰非抢占域集合S。
进一步的，步骤(3)的具体实现方式为：
根据实时任务的最大干扰非抢占域集合，使用ARRSM得到分析任务的最大干扰；当分析任务的最大干扰超出指定时间区域长度上所能承受的干扰阈值时，利用分析任务的最坏情况执行时间得到新的指定时间区域长度，进而得到新的指定时间区域长度下分析任务的最大干扰；根据分析任务的最大干扰，得到实时任务集中每项实时任务的最坏情况响应时间。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明所提供的可调度性分析方法，与已有可调度性分析技术相比，本发明所提出方法考虑非抢占域，在确保判定结果充分性的条件下，将可调度性充分条件进一步紧缩，具有更好的准确性。
(2)本发明所提供的可调度性分析方法适用于具有非抢占域的实时任务集合，与任意抢占实时任务模型相比，此类任务更加符合实际应用需要，所提出方法具有很强的实际应用性。
(3)本发明所提供的可调度性分析方法，实现简单，易于操作，便于开发人员掌握，此做法保证了使用此方法的实时数据库系统的维护简易性和可扩展性；
综合而言，本发明实现的可调度性分析方法，综合考虑了任务最大抢占次数和分析任务的最大干扰；使用本发明所提出方法可并行处理更多实时任务，从而提高执行效率；此外，本发明所提出方法具有更高的准确性，在相同条件下，总是可以得出更准确的判定结果。
附图说明
图1是本发明实施例提供的一种带抢占点实时任务的可调度性分析方法的流程示意图；
图2为本发明实施例提供的实时任务最大干扰非抢占域集合计算的流程示意图；
图3为本发明实施例提供的实时任务最坏情况响应时间计算的流程示意图；
图4为本发明实施例提供的可调度性判定结果生成的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种带抢占点实时任务的可调度性分析方法，包括：
(1)获取每项实时任务的相对截止期，根据实时任务的相对截止期由小到大顺序对实时任务进行排序，得到实时任务表；
(2)遍历实时任务表，得到指定时间区域上每项实时任务的最大干扰非抢占域集合，如图2所示，具体子步骤如下；
(2.1)为每项实时任务分派指定时间区域，并计算在指定时间区域上高优先级任务的最大释放次数，具体步骤如下：
(2.1.1)如尚未设定所分析任务，则默认实时任务表中的首个实时任务为当前所分析任务；否则，设定所指定任务为实时任务表中首个实时任务；
(2.1.2)如尚未设定所指定时间区域长度，将所分析任务的最坏情况执行时间设为指定时间区域长度；否则，设定时间区域长度为指定时间区域长度；
(2.1.3)高优先级任务为每项排在分析任务k之前的实时任务i，对于每项排在分析任务k之前的实时任务i，计算其在指定时间区域长度上的最大释放次数ni：
Figure GDA0002575644430000051
其中，t是指定时间区域长度，T是实时任务i的周期。
(2.2)根据实时任务的最大释放次数和分析任务非抢占域个数，得到每项分析任务的最大被抢占次数，具体步骤如下：
(2.2.1)计算所有实时任务的最大抢占次数之和A；
(2.2.2)如果A＝0，设定A＝1；
(2.2.3)计算分析任务k的被抢占次数阈值：B＝qk+1；
其中，qk为分析任务k的抢占点个数；
(2.2.4)计算分析任务k的最大抢占次数；nk＝min(A，B)；
(2.3)低优先级任务为每项排在分析任务k之后的实时任务j，将所有低优先级任务的非抢占域进行排序，根据每项分析任务的最大被抢占次数与被访问非抢占域在指定时间区域长度上的最大释放次数，得出实时任务的最大干扰非抢占域集合，具体步骤如下：
(2.3.1)将实时任务的最坏情况响应时间设为实时任务的最坏情况执行时间，访问分析任务的下一个任务j；
(2.3.2)将当前访问的任务j的非抢占域按照长度由大到小顺序排序；
(2.3.3)生成一个空的非抢占域集合Sj，访问排序后的首个非抢占域；
(2.3.4)根据排序结果，计算访问非抢占域R(i，x)在指定时间区域上的最大释放次数：
Figure GDA0002575644430000061
其中，R(i，x)表示实时任务i的第x个非抢占域，t是指定时间区域长度，li，y表示实时任务i的第y个非抢占域的长度，Ri是任务i的最坏情况响应时间，Ti是实时任务i的周期。
(2.3.5)如果nR(i，x)与Sj中元素个数之和小于或等于(2.2)所得出的最大抢占次数，将nR(i，x)个访问非抢占域加入集合Sj，访问下一个非抢占域，执行步骤(2.3.4)；否则，向集合Sj中不断加入访问非抢占域，直至集合Sj中元素个数等于步骤(2.2)所得出的计算结果nk；
(2.3.6)将集合Sj设为任务j对分析任务的最大干扰非抢占域集，如果当前访问任务为实时任务表中最后一个任务，执行步骤(2.3.7)；否则，访问实时任务表中的下一个任务，并重新执行步骤(2.3.2)；
(2.3.7)将所有低优先级任务的最大干扰非抢占域集进行合并后根据元素长度由大到小的顺序进行排序，得到实时任务的最大干扰非抢占域集合S。
(3)实时任务最坏情况响应时间计算：根据实时任务最大干扰非抢占域集合，计算每项实时任务最坏情况响应时间，如图3所示，具体子步骤如下：
(3.1)根据步骤(2)所得出的最大干扰非抢占域集合，计算分析任务最大干扰，具体步骤如下：
(3.1.1)计算所分析任务最大干扰总次数：num＝nk*(m-1)+1；
(3.1.2)计算S中最大num项元素的长度之和L；
(3.1.3)令L＝L-num；
(3.1.4)使用ARRSM算法计算所分析任务的最大干扰I：
Ik(t)＝[(L+I)/m]；
其中，Ik(t)为指定时间区域长度为t的分析任务k的最大干扰，m为实时系统中处理器的个数。
(3.2)干扰阈值判定与时间区域长度调整：判定此干扰是否超出给定时间区域上所能承受的干扰阈值，如果获得肯定答案，按应用需求扩大时间区间长度，并重新计算在新时间区间上所分析任务的最大干扰，具体步骤如下：
(3.2.1)如果t＝ck+1+Ik(t)-lk，qk+1，返回t，执行(3.3)；
其中，t为当前指定时间区域长度，Ck是当前所分析任务k的最坏情况执行时间，lk，qk+1是当前所分析任务k的最后一个非抢占域的长度；
(3.2.2)令t＝Ik(t)+Ck，重新执行步骤(2)；
(3.3)根据所分析任务的最大干扰计算每项实时任务的最坏情况响应时间，具体步骤如下：
(3.3.1)根据步骤(3.2)的返回结果t，将t+lk，qk+1-1作为所分析任务的最坏情况响应时间；
(3.3.2)如果所得出的最坏情况响应时间大于所访问任务的相对截止期，终止步骤3；否则，执行步骤(3.3.3)；
(3.3.3)如果实时任务表中存在下一个实时任务，将其设为需分析任务，返回步骤(2)；否则，执行步骤(4)。
(4)可调度性判定结果生成：如图4所示，将所得出实时任务最坏情况响应时间和实时任务相对截止期进行比较，根据比较结果判定实时任务集的可调度性，具体步骤如下：
遍历实时任务表，如果存在最坏情况响应时间大于相对截止期的实时任务，返回不可调度结果；否则，判定此实时任务集可调度。
实施例1
以下结合实施例具体阐述固定优先级调度环境下具有非抢占域实时任务集的可调度性分析方法，对于实施例的一组实时任务集和两个处理(即，m＝2)，实时任务信息如表1所示：
表1实时任务信息列表
Figure GDA0002575644430000081
首先，统计实时任务相对截止期，并将实时任务按照截止期由小到大顺序排序。由于表1中任务符合截止期由小到大顺序，因此，所生成实时任务表如表1所示。
接下来，进行实时任务最大干扰非抢占域集合计算：由于尚未确定需分析任务，因此，默认当前需分析任务为实时任务表中首个任务(即，任务1)。此外，将指定时间区域长度设为任务1的最坏情况执行时间，即，t＝C1＝12。由于实时任务表中没有排在任务1之前任务，因此，计算可知，任务1的最大抢占次数为n1＝min(1，2)＝1。然后，将任务2和任务3的最坏情况响应时间分别设为其最坏情况执行时间，20和40，访问任务1的下一个任务(任务2)，并将其非抢占域按长度由大到小顺序排序。排序后，首个非抢占域长度为8。接下来，生成空非抢占域集S2，访间任务2的最长非抢占域，计算此非抢占域在指定时间区域上的最大释放次数：2+[(12-8-50+20-12)/50]＝1。由于1＝n1，因此，将此非抢占域(记为r2，1)放入S2中。由于此时S2中元素个数等于n1＝1且在实时任务表中存在排在任务2之后的实时任务，因此将S2设为任务2对任务1的最大干扰非抢占域集，访问实时任务表中的下一任务(任务3)。类似地，首先将任务3的非抢占域按照长度由大到小顺序排序，由于任务3的非抢占域长度相等，因此，排序后非抢占域顺序不变。接下来，生成空集S3，访问任务3的首个非抢占域，计算得出其在指定时间区域上的最大释放次数：1。然后，将此非抢占域放入集合S3一个。由于放入后S3中元素数量等于n1＝1，将S2设为任务2对任务1的最大干扰非抢占域集。由于任务3是实时任务表中最后一项任务，合并S2和S3，生成集合S，并进入步骤(3)。
步骤(3)首先计算任务1的最大低优先级干扰总次数：num＝1*(2-1)+1＝2；然后，计算集合S中前两个元素的长度。由于S中只有两个元素，长度分别为8和20，因此，计算结果为：L＝20。接来下，令L＝L-num＝20-2＝18。根据ARRSM算法计算所分析任务的最大干扰I，计算结果为I＝0。因此，可以得出任务1的最大干扰为9。由于12＝12+1+9-10，将12+10-1＝21设为任务1的最坏情况响应时间。由于21＞20，因此，直接执行步骤(4)。
步骤(4)中，首先访问实时任务表中的首个实时任务，任务1。由于任务1的最坏情况响应时间大于相对截止期(21＞20)，返回结果：实时任务集不可调度。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种带抢占点实时任务的可调度性分析方法，其特征在于，包括：
(1)根据实时任务集中每项实时任务的相对截止期对实时任务进行排序，得到实时任务表；
(2)遍历实时任务表，获取分析任务，得到每项分析任务的最大被抢占次数，将所有分析任务的非抢占域按照长度由大到小顺序排序，根据排序结果和每项分析任务的最大被抢占次数，得到实时任务的最大干扰非抢占域集合；
(3)根据实时任务的最大干扰非抢占域集合，使用ARRSM得到分析任务的最大干扰，根据分析任务的最大干扰，得到实时任务集中每项实时任务的最坏情况响应时间；
(4)将每项实时任务的最坏情况响应时间和每项实时任务的相对截止期进行比较，如果存在最坏情况响应时间大于相对截止期的实时任务，判定实时任务集不可调度；否则，判定时任务集可调度；
所述步骤(2)包括：
(2.1)遍历实时任务表，获取分析任务和每项实时任务的指定时间区域长度，实时任务表中排在分析任务之前的实时任务为高优先级任务，实时任务表中排在分析任务之后的实时任务为低优先级任务；
(2.2)根据高优先级任务的指定时间区域长度与高优先级任务的周期之比，得到高优先级任务的最大释放次数，根据高优先级任务的最大释放次数和分析任务的非抢占域个数，得到每项分析任务的最大被抢占次数；
(2.3)将所有分析任务的非抢占域按照长度由大到小顺序排序，根据排序结果得到被访问非抢占域在指定时间区域长度上的最大释放次数，根据每项分析任务的最大被抢占次数与被访问非抢占域在指定时间区域长度上的最大释放次数，得到实时任务的最大干扰非抢占域集合；
所述步骤(2.3)包括：
(2.3.1)将实时任务的最坏情况响应时间设为实时任务的最坏情况执行时间，访问分析任务的下一个任务j；
(2.3.2)将当前访问的任务j的非抢占域按照长度由大到小顺序排序；
(2.3.3)生成一个空的非抢占域集合Sj，访问排序后的首个非抢占域；
(2.3.4)根据排序结果，计算访问非抢占域R(i，x)在指定时间区域上的最大释放次数：
Figure FDA0002575644420000021
其中，R(i，x)表示实时任务i的第x个非抢占域，t是指定时间区域长度，li，y表示实时任务i的第y个非抢占域的长度，Ri是任务i的最坏情况响应时间，Ti是实时任务i的周期；
(2.3.5)如果nR(i，x)与Sj中元素个数之和小于或等于(2.2)所得出的最大抢占次数，将nR(i，x)个访问非抢占域加入非抢占域集合Sj，访问下一个非抢占域，执行步骤(2.3.4)；否则，向非抢占域集合Sj中不断加入访问非抢占域，直至集合Sj中元素个数等于分析任务的最大抢占次数；
(2.3.6)将集合Sj设为任务j对分析任务的最大干扰非抢占域集，如果当前访问任务为实时任务表中最后一个任务，执行步骤(2.3.7)；否则，访问实时任务表中的下一个任务，并重新执行步骤(2.3.2)；
(2.3.7)将所有低优先级任务的最大干扰非抢占域集进行合并后根据元素长度由大到小的顺序进行排序，得到实时任务的最大干扰非抢占域集合S。
2.如权利要求1所述的一种带抢占点实时任务的可调度性分析方法，其特征在于，所述步骤(3)的具体实现方式为：
根据实时任务的最大干扰非抢占域集合，使用ARRSM得到分析任务的最大干扰；当分析任务的最大干扰超出指定时间区域长度上所能承受的干扰阈值时，利用分析任务的最坏情况执行时间得到新的指定时间区域长度，进而得到新的指定时间区域长度下分析任务的最大干扰；根据分析任务的最大干扰，得到实时任务集中每项实时任务的最坏情况响应时间；
使用ARRSM计算所分析任务的最大干扰I：
Ik(t)＝[(L+I)/m]；
其中，Ik(t)为指定时间区域长度为t的分析任务k的最大干扰，m为实时系统中处理器的个数，L为S中最大num项元素的长度之和。
CN201711055440.7A 2017-10-30 2017-10-30 一种带抢占点实时任务的可调度性分析方法 Expired - Fee Related CN107766140B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711055440.7A CN107766140B (zh) 2017-10-30 2017-10-30 一种带抢占点实时任务的可调度性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711055440.7A CN107766140B (zh) 2017-10-30 2017-10-30 一种带抢占点实时任务的可调度性分析方法

Publications (2)

Publication Number Publication Date
CN107766140A CN107766140A (zh) 2018-03-06
CN107766140B true CN107766140B (zh) 2020-09-08

Family

ID=61271557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711055440.7A Expired - Fee Related CN107766140B (zh) 2017-10-30 2017-10-30 一种带抢占点实时任务的可调度性分析方法

Country Status (1)

Country Link
CN (1) CN107766140B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108845870B (zh) * 2018-05-29 2021-05-07 大连理工大学 一种基于pWCET整形的概率性实时任务调度方法
CN110908776A (zh) * 2018-09-17 2020-03-24 网宿科技股份有限公司 定时任务的执行方法及相关装置、计算机可读存储介质
CN111176637B (zh) * 2019-12-11 2023-01-13 西北工业大学 基于缓存抢占延迟约束下aadl模型的可调度性分析方法
CN113986484B (zh) * 2021-10-12 2023-10-27 丰辰网络科技(无锡)有限公司 社交软件的任务处理全局调度方法
CN114578946B (zh) * 2022-02-21 2023-05-26 华侨大学 一种非精确混合关键任务非抢占动态优先级能耗优化方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654843A (zh) * 2011-03-04 2012-09-05 北京国科环宇空间技术有限公司 嵌入式处理器中非抢占式容错调度方法及嵌入式处理器
US9639401B1 (en) * 2014-05-08 2017-05-02 Rockwell Collins, Inc. Multicore adaptive scheduler

Also Published As

Publication number Publication date
CN107766140A (zh) 2018-03-06

Similar Documents

Publication Publication Date Title
CN107766140B (zh) 一种带抢占点实时任务的可调度性分析方法
CN107992359B (zh) 一种云环境下代价感知的任务调度方法
Palencia et al. Exploiting precedence relations in the schedulability analysis of distributed real-time systems
Hsu et al. Online scheduling of workflow applications in grid environments
Xie et al. Mixed real-time scheduling of multiple dags-based applications on heterogeneous multi-core processors
KR101430077B1 (ko) 멀티프로세서 장치에서의 스케줄링 방법 및 멀티프로세서 장치에서 가상 마감시간을 이용하여 태스크에 대한 우선순위를 결정하는 방법
CN111079921A (zh) 一种基于异构分布式系统的高效神经网络训练调度方法
CN109857535B (zh) 面向Spark JDBC的任务优先级控制的实现方法及装置
CN115292016A (zh) 基于人工智能的任务调度方法及相关设备
Liu et al. Supporting graph-based real-time applications in distributed systems
CN109032769B (zh) 一种基于容器的持续集成ci任务处理方法及装置
Han et al. Federated scheduling for typed DAG tasks scheduling analysis on heterogeneous multi-cores
CN110928666B (zh) 一种Spark环境中基于内存优化任务并行度的方法和系统
CN112905317A (zh) 快速可重构信号处理异构平台下任务调度方法和系统
Wang et al. Task scheduling for MapReduce in heterogeneous networks
Fan et al. A heterogeneity-aware data distribution and rebalance method in Hadoop cluster
Wu et al. On workflow scheduling for end-to-end performance optimization in distributed network environments
CN104346220B (zh) 一种任务调度方法与系统
CN110262896A (zh) 一种面向Spark系统的数据处理加速方法
CN115185685B (zh) 任务调度方法、装置、计算机设备及存储介质
Bianco et al. Preemptive multiprocessor task scheduling with release times and time windows
Xu et al. Hybrid scheduling deadline-constrained multi-DAGs based on reverse HEFT
Qin et al. Dependent task scheduling algorithm in distributed system
Nazarenko et al. An experimental study of workflow scheduling algorithms for heterogeneous systems
KR101639947B1 (ko) 하둡 선점 데드라인 제약 스케줄링 방법 및 그 방법을 수행하는 컴퓨터프로그램과, 그 프로그램이 기록된 매체

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200908

Termination date: 20211030