CN116204290A - 一种基于edf调度策略的仪表任务执行方法 - Google Patents
一种基于edf调度策略的仪表任务执行方法 Download PDFInfo
- Publication number
- CN116204290A CN116204290A CN202310128451.2A CN202310128451A CN116204290A CN 116204290 A CN116204290 A CN 116204290A CN 202310128451 A CN202310128451 A CN 202310128451A CN 116204290 A CN116204290 A CN 116204290A
- Authority
- CN
- China
- Prior art keywords
- task
- time
- execution
- frequency
- processor
- 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.)
- Pending
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
- G06F9/4893—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues taking into account power or heat criteria
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Sources (AREA)
Abstract
本发明提出了一种基于EDF调度策略的仪表任务执行方法,属于嵌入式系统应用技术领域,所述方法包括对仪表任务集进行处理,获取任务相关信息,再根据EDF调度算法建立任务调度模型,输出任务集的调度表;根据任务调度表,计算任务集中每个任务的期望完成时间;计算每个任务的适合的频率比例,根据处理器最大频率得到每个任务的执行频率;根据有效负载强度判断是否任务集在被降频后是可行的,如果可行则由处理器执行,否则重新计算任务的频率比例。本发明在降低仪表的功耗的同时还保证了任务在规定时间内完成。本发明可以广泛应用于嵌入式设备、智能仪表中。
Description
技术领域
本发明属于嵌入式系统应用技术领域,涉及一种基于EDF调度策略的仪表任务执行方法。
背景技术
随着集成电路工艺的发展,单位面积内的半导体元件不断增多,嵌入式系统规模和功能也不断扩充,导致系统的能耗也在不断增大。这给电池供电设备带来了巨大挑战,一方面要保证设备的性能,另一方面要保证在消耗最小功耗的同时尽可能长时间地运行应用程序。未来的能源资源变得昂贵时,确保尽可能少的能量消耗可以有效地控制系统设计的总体成本。此外,设计高效节能的系统还可确保减少管理散热的开销,并通过优化功耗来从源头上控制热量产生。鉴于这些考虑,低功耗设计成为当今导体工业中无法忽视的关键问题。在过去的二十多年中,已经有很多研究人员对低功耗做出了广泛研究。
最近十多年来,在实时系统的动态电压和频率缩放技术(dynamic Vcc andfrequency scaling,简称DVFS)方面已经进行了大量的研究和开发工作,通过调节电压和频率来节省能源,同时和一些调度算法相结合保证任务的期限。比如Sharna和Moulik等人将DVFS技术和最早截止时间优先(Earliest Deadline First,简称EDF)调度策略结合设计了一个半分区能量感知调度器,它应用EDF调度策略来安排可用核心上的任务,接下来安排需要跨多个内核迁移的任务,最后根据前面步骤的工作负载分配来缩放单个内核的频率。Akhunzada提出了一种动态优先级半分区算法,该算法基于EDF调度策略,用于在功率不对称多核处理器上调度实时应用。然而,他们中的大多数参考任务模型都是周期性任务模型或者实时任务模型,没有考虑混合模型或者通用模型。针对混合任务的低功耗调度,主要是通过引入一个或几个周期性的服务器任务为非周期任务提供处理器时间,定义服务器周期、预算补充及预算保留规则,将服务器当作周期任务参与低功耗调度。张忆文等提出了基于常带宽服务器的混合任务低功耗调度算法,为服务器设置固定的带宽调度非周期任务,使用DVS技术回收周期任务与服务器的空闲时间降低能耗。随后张忆文等对总带宽服务器算法进行了改进,离线阶段计算最佳静态运行速度,运行阶段结合了动态电压缩放(dynamic voltage scaling,简称DVS)和动态电源管理(Dynamic Power Management,简称DPM)技术,使得节能效果更佳。然而贪婪的空闲时间分配策略总是将当前可用的所有空闲时间全部分配给就绪队列中优先级最高的任务,所以该策略仍然存在不足。张忆文等提出一种基于平均空闲时间分配的策略,即,将空闲时间平均分配给就绪队列中的任务。虽然该策略效果更好,但该也不是最佳策略。除此以外,这些研究都是基于周期性任务模型,不能适用于其它模型,比如混合任务模型,即同时包括周期任务与非周期任务的嵌入式实时系统。随着混合任务模型下的系统不断广泛的应用和完善,调度算法研究面临了新的需求和挑战。在过去,已经有学者提出了一些算法来使用DVS来调度混合任务集以节省能源,混合任务集包括周期性任务、非周期性任务和实时任务。Shin和Kim提出了一种基于DVS的算法,该算法保证所有周期性任务的可调度性,每个非周期性任务具有良好的平均响应时间,同时尽最大努力将总能耗降至最低。
以上算法利用了DVFS技术降低任务的速度,有效地降低了系统功耗,但没有考虑到系统的可靠性。在使用DVFS技术降低处理器速度后,任务出错的可能性会大大增加,导致任务超时或者在调度时错过。因此,在系统设计中不能过度追求能耗的降低而忽视可靠性,可靠性仍然是安全关键系统中的重要一环。Wang等人通过检查点的方式或者前滚恢复解决了任务可靠性的问题。Guo等人认为当任务执行发生错误后,启动执行备份任务以重新运行任务。这些方法往往不能满足高可靠性的需求,是因为操作系统检测到任务执行失败后才能通知备份,并且这些方法保证系统可靠性是在任务执行失败之后。Lee等人考虑到单核处理器的利用率,通过确保处理器的负载强度在一段时间之内不大于1来确保任务执行时的可靠性。Yanshul等人建立了多核处理器对多任务集的调度可保证任务的可靠性,同时寻求每个核的最优处理器频率以降低能耗。然而,在实际的执行过程中,处理器都会存在一定的任务切换时间和任务恢复时间,上述虽然在降低功耗的同时一定程度上保证了任务的可靠性,但是都无法根据实际的执行过程确定出更为准确地的时间,导致执行过程中可能出现任务冲突,可靠性不足。
发明内容
基于现有技术存在的问题,本发明聚焦于降低处理器功耗的同时保证系统的可靠性,提出了一种基于EDF调度策略的仪表任务执行方法,有意于降低智能仪表的功耗,提高系统的稳定性。所提出的方法不仅适用于周期性任务模型而且也同样适用于非周期性任务模型。首先在EDF调度算法下,根据每个任务的到达时刻、执行时间和截止时刻构建任务调度模型,该任务调度模型可满足任务的可靠性。然后在任务调度模型中引入DVFS技术,当任务被执行时,降低处理器频率或者电源电压,以此到达降低系统功耗的作用。所述方法包括以下步骤:
对仪表任务集进行处理,获取每个任务的到达时刻、执行时间和截止时刻;
根据EDF调度算法建立任务调度模型,并输出任务调度表;
根据所述任务调度表,计算出每个任务的期望完成时间;
根据每个任务的期望完成时间,计算出每个任务的频率比例;
根据处理器的最大频率比例和每个任务的频率比例,计算得到每个任务的执行频率;
根据每个任务的执行频率,判断仪表任务集的可行性,若可行,则令处理器在每个任务的执行频率下执行该任务,若不可行,则重新计算每个任务的频率比例,直至执行该任务。
本发明的有益效果:
本发明首先通过EDF策略解决了任务执行的可靠性问题。其次利用处理器支持DVFS技术,在每个任务被执行时,选择合适的处理器频率,随后通过有效负载强度判断降频后的任务集的可行性,最后计算任务集中每个任务所消耗的能量,从而使任务集在被执行时产生的总能耗最小。本发明不仅节约了能量,而且也确保了任务在降频后也能可靠地被执行,因此,本发明可以应用于嵌入式设备,智能仪表等。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明实施例的基于EDF调度策略的仪表任务执行方法流程图;
图2为本发明实施例的任务执行模型图;
图3为本发明实施例的节能原理图;
图4为本发明实施例的示例图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了降低处理器功耗和确保任务的可靠性,本发明通过EDF调度策略将任务集进行优先级分配,随后在每个任务被执行时,选择合适的处理器频率,以此达到处理器消耗的能量最小,从而使任务集在被执行时产生的总能耗最小。以下将结合具体实施例来说明本发明的调度方法。
图1是本发明实施例的面向仪表功耗的任务调度方法流程图,如图1所示,所述方法包括:
101、对仪表任务集进行处理,获取每个任务的到达时刻、执行时间和截止时刻;
在本发明实施例中,需要对仪表任务集进行处理,获取每个任务的到达时刻、执行时间和截止时刻;其中,假设每个任务是独立的,所述仪表任务集由周期性任务和实时任务组成,包括数据采集任务、控制任务和显示任务等,每个任务由一个三元组构成,即(到达时刻,执行时间,截止时刻)。也就是说,本发明所提出的方法适用于通用任务集,不仅适用于周期性任务集,也适用于非周期性任务集。
102、根据EDF调度算法建立任务调度模型,并输出任务调度表;
在本发明实施例中,所述EDF调度算法会根据截止时刻的大小给任务集中每个任务分配不同的优先级,确定任务调度的顺序,输出任务集的调度表并在单核处理器上进行调度;在任务处理时,将开始时刻定义为si,即任务Ti获得CPU控制权并开始执行的时间;对于每个任务Ti,执行时间ei定义为CPU执行任务所花费的时间;实时任务是为最坏情况的执行环境指定的,即ei≤wi,wi为最坏情况下任务Ti使用的时间。
可以理解的是,由于EDF调度算法不是本发明的改进,因此,本发明对此不作过多的强调,本领域技术人员应该知悉,通过现有的EDF调度算法可以获得本发明实施例所需的任务调度表。
103、根据所述任务调度表,计算出每个任务的期望完成时间;
在本发明实施例中,可以根据任务集的调度表,计算任务集中每个任务的期望完成时间。
如果任务Ti在某个任务Tj完成之后立即恢复,则最坏情况下任务Ti的预期完成时间的计算公式表示为:
如果任务Ti没有被抢占即正常被执行直到完成,或者任务Ti抢占了任务Tj,则最坏情况下任务Ti的预期完成时间的计算公式表示为:
其中,si为任务Ti的实际开始时刻,为任务Ti的期望开始时刻,wi为最坏情况下任务Ti使用的时间,ai为任务Ti的到达时间,di为任务Ti的截止时间,ak为任务Tk的到达时间,dk为任务Tk的截止时间,wi为最坏情况下任务Ti使用的时间,t为任务上下文切换时间;而si<ak,dk>di则表明任务Tk的到达时间ak以及任务Tk的截止时间dk都在任务Ti的实际开始时刻si之后,任务Ti的截止时间di之前,因此,该任务Tk是处于<si,di>的任务。
104、根据每个任务的期望完成时间,计算出每个任务的频率比例;
在本发明实施例中,需要计算每个任务的适合的频率比例,根据处理器最大频率得到每个任务的执行频率。鉴于每个任务必须在期望完成时间之前或在期望完成时间完成,以保证所有即将到达任务的可行执行,并且任务在最坏情况下需要以最大频率完成。因此,在某个时间点上下文切换到任务Ti时,每个任务的频率比例因子可由计算公式表示为:
其中Ri为任务剩余时间,它被定义为最坏情况下以最大频率执行任务的时间。如果任务Ti被另一个任务Tj抢占,那么任务Ti恢复时需要重新计算其最差情况下的剩余时间Ri,可由如下公式进行计算:
Ri=Ri 0-αi(aj-si)
Ri 0表示任务Ti第一次被执行时的初始值,Ri 0=wi。
其他情况下,Ri可由以下公式计算,
Ri=wi
其中,aj为任务Tj周期任务的到达时间。
105、根据处理器的最大频率比例和每个任务的频率比例,计算得到每个任务的执行频率;
在本发明实施例中,结合上述实施例,就可以得到每个任务的执行频率表示为:
fi=αi.fmax
其中,αi为任务Ti的频率比例因子,fmax表示处理器的最大频率比例。
106、根据每个任务的执行频率,判断仪表任务集的可行性,若可行,则令处理器在每个任务的执行频率下执行该任务,若不可行,则重新计算每个任务的频率比例,直至执行该任务。
在本发明实施例中,需要计算出在当前频率比例因子下,处理器在时间间隔内的任务集的有效处理器需求时间;计算出有效处理器需求时间下的时间间隔的分数,即为有效负载强度系数;将所有时间间隔中有效负载强度系数的最大值作为绝对有效负载强度系数;当绝对有效负载强度系数小于或等于1时,所述仪表任务集可行,当绝对有效负载强度系数大于1时,所述仪表数据集不可行。
可以理解的是,在传统技术中,处理器需求时间是在给定的时间间隔内,相对于定时约束,要求多少计算的集中度量;而负载因子是在任何时间间隔内,任务集要求的处理器时间部分的最大值。这两个术语最初被定义为基于没有频率缩放的任务的执行时间(实际上是wi)。然而,在本发明实施例中,我们根据特定频率缩放下的有效执行时间对它们进行了如下修改:
有效处理器需求时间被定义为:给定一个周期性实时任务集和时间间隔I=[ts,tf],其中(ts≤ai<di<tf),在频率缩放αi下,处理器在间隔I=[ts,tf]期间任务集,由以下公式进行表示:
也就是说,在特定的频率缩放αi下,在区间I=[ts,tf]的有效处理器需求表示到达时间在ts或之后并且截止时间在tf或之前的所有任务所请求的CPU时间总和。
有效负载强度系数被定义为:给定一组任务集,在间隔I=[ts,tf]期间的有效负载强度是在特定频率缩放αi下执行任务所需的间隔的分数,由以下公式进行表示:
s'I=D'I/LI
这里LI为区间的长度,表示为:
LI=tf-ts
基于上述定义,本发明实施例的绝对有效负载强度系数被定义为:在一定的频率比例αi下,所有可能间隔中有效负载强度系数的最大值,表示为:
可以理解的是,在一定的频率比例下,一个任务集一般只有一个有效负载强度系数u'。在一个时间间隔I=tf-ts中,最大的有效执行时间为I·u'。通常来讲,在频率缩放(DVFS机制)下,任何调度算法可行的必要条件是有效负载强度系数不大于1,在本发明中绝对有效负载强度因子要小于或者等于1。因此,为了使EDF调度算法下的任务集是可行的,则绝对有效负载强度系数必须满足u'≤1。如果u'大于1,则任务集不可行,将不会被执行,通过S3、S4重新计算任务集频率;相反,如果u'≤1,则任务集是可行的,则由处理器进行处理。
图2是本发明实施例的任务调度模型图,如图2所示,首先通过EDF调度策略,根据截止时刻的大小,将任务赋予不同的优先级,任务都以最大频率fmax=1被执行,每个任务都有其到达时刻和截止时刻,假设上下文切换时间为t,得到任务调度模型。
表1任务相关符号描述
图3为本发明实施例的节能原理图,如图3所示,为了保证每个任务在最坏情况下都能执行完成,每个任务Ti必须在或/>之前完成,并且每个任务必须在/>之前或者/>处开始执行。如果每个任务的完成时间比在最坏情况下的预期完成时间要短,那么下一个任务可以使用上一个任务相对于最坏情况下节省的时间,有效地将其开始时刻提前,并同时利用DVFS技术降低处理器的频率和电源电压,以降低系统能耗。假设任务切换时间为1,考虑一组包含四个任务的任务集,其中T1={0,4,6},T2={8,4,16},T3={4,2,18}T4={17,4,24},则在图3(a)中,任务T1的期望完成时间为4,期望开始时刻为0,任务T2的期望完成时间为12,期望开始时刻为8,任务T3的期望完成时间为16,期望开始时刻为5,任务T4的期望完成时间为21,期望开始时刻为17。在图3(b)中,任务T1的实际完成时间为2,期望开始时刻为0,任务T2的实际完成时间为10,实际开始时刻为8,任务T3的实际完成时间为16,实际开始时刻为4,任务T4的实际完成时间为20,期望开始时刻为17。
图4为本发明实施例的示例图,如图4所示,考虑到一个由下表2组成的任务集,其中每个任务都由一个三元组构成,任务T1为周期性任务。根据任务调度模型,可以得到任务优先级顺序为T1>T2>T3,由于实时任务实际执行时间要比最坏情况下的实际执行时间要短,所以本文假设e1=2,e2=1,e3=4并且上下文切换时间接近于0(可忽略)。在t=0时刻,具有最高优先级的任务1开始运行,频率比例α1=1;随后在t=3时,任务3开始运行,此时的α3=4/5;当t=6时,任务2到达,由于任务2的优先级大于任务3的优先级,所以任务2会抢占任务3的运行,此时的α2=1;当任务2执行完成时,任务3被恢复,此时的α3=8/15。该算法动态调整每个上下文切换的频率和电压,以响应实时任务的实际计算要求,以尽量减少消耗的能量,同时保证在最坏情况下所有即将到来的任务的可行执行,与没有DVFS相比能有效的节约能量。
表2一个包含三个任务的任务集
为了验证是否所提出的方法具有节能的作用,本文通过使用通用的能耗模型,通用能耗模型:速度/频率都用f表示,速度(速率)和频率可以在[fmin,fmax]连续变化,且0<f≤1,假设任务只以一种速率执行,当Ti在速度fi下被执行,Ti的执行时间为ei=li/fi,整个任务集的速度调度表示为fi∈{f1,f2,...,fk}。现在的嵌入式处理器都是采用了CMOS技术。对于这种处理器,功耗(P)和处理器频率(f)的关系可下式表示,
其中Cl为有效电容开关,是一个常数。实时应用的实际执行时间可能会有变化,因此,通常会比预计的最差执行时间提前很多完成执行。为了降低功耗/能耗,DVFS技术通过使用等式动态调整处理器的电压和频率来利用实际工作负载中的这些变化。因此,大多数当前设计的处理器可以在不同的电压电平下运行。
因此,一个任务的总能量消耗可有公式表示为:
在电压调节之后,执行任务集的总能耗可用公式表示为:
计算通过在线动态电压缩放的任务集的总能耗和计算不经过在线动态电压缩放的任务集的总能耗,最后进行比较两者的能耗大小,判断此方法是否具有节能的功能。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:ROM、RAM、磁盘或光盘等。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于EDF调度策略的仪表任务执行方法,其特征在于,所述方法包括以下步骤:
对仪表任务集进行处理,获取每个任务的到达时刻、执行时间和截止时刻;
根据EDF调度算法建立任务调度模型,并输出任务调度表;
根据所述任务调度表,计算出每个任务的期望完成时间;
根据每个任务的期望完成时间,计算出每个任务的频率比例;
根据处理器的最大频率比例和每个任务的频率比例,计算得到每个任务的执行频率;
根据每个任务的执行频率,判断仪表任务集的可行性,若可行,则令处理器在每个任务的执行频率下执行该任务,若不可行,则重新计算每个任务的频率比例,直至执行该任务。
2.根据权利要求1所述的一种基于EDF调度策略的仪表任务执行方法,其特征在于,所述仪表任务集包括周期性任务和实时任务,所述任务包括数据采集任务、控制任务和显示任务,每个任务由一个三元组构成,即到达时刻,执行时间,截止时刻。
3.根据权利要求1所述的一种基于EDF调度策略的仪表任务执行方法,其特征在于,所述任务调度模型是基于EDF调度策略,在任务处理时,将实际开始时刻定义为si,即任务Ti获得CPU控制权并开始执行的时间;对于每个任务Ti,执行时间ei定义为CPU执行任务所花费的时间;实时任务是为最坏情况的执行环境指定的,即ei≤wi。
4.根据权利要求1所述的一种基于EDF调度策略的仪表任务执行方法,其特征在于,所述根据所述任务调度表,计算出每个任务的期望完成时间包括:
如果任务Ti在某个任务Tj完成之后立即恢复,则最坏情况下任务Ti的预期完成时间的计算公式表示为:
如果任务Ti没有被抢占即正常被执行直到完成,或者任务Ti抢占了任务Tj,则最坏情况下任务Ti的预期完成时间的计算公式表示为:
7.根据权利要求1所述的一种基于EDF调度策略的仪表任务执行方法,其特征在于,每个任务的执行频率表示为:
fi=αi.fmax
其中,αi为任务Ti的频率比例因子,fmax表示处理器的最大频率比例。
8.根据权利要求1所述的一种基于EDF调度策略的仪表任务执行方法,其特征在于,所述根据每个任务的执行频率,判断仪表任务集的可行性包括计算出在当前频率比例因子下,处理器在时间间隔内的任务集的有效处理器需求时间;计算出有效处理器需求时间下的时间间隔的分数,即为有效负载强度系数;将所有时间间隔中有效负载强度系数的最大值作为绝对有效负载强度系数;当绝对有效负载强度系数小于或等于1时,所述仪表任务集可行,当绝对有效负载强度系数大于1时,所述仪表数据集不可行。
10.根据权利要求9所述的一种基于EDF调度策略的仪表任务执行方法,其特征在于,所述有效负载强度系数的计算公式表示为:
s'I=D'I/LI
其中,LI为时间间隔区间[ts,tf]的长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310128451.2A CN116204290A (zh) | 2023-02-16 | 2023-02-16 | 一种基于edf调度策略的仪表任务执行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310128451.2A CN116204290A (zh) | 2023-02-16 | 2023-02-16 | 一种基于edf调度策略的仪表任务执行方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116204290A true CN116204290A (zh) | 2023-06-02 |
Family
ID=86516839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310128451.2A Pending CN116204290A (zh) | 2023-02-16 | 2023-02-16 | 一种基于edf调度策略的仪表任务执行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116204290A (zh) |
-
2023
- 2023-02-16 CN CN202310128451.2A patent/CN116204290A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11579934B2 (en) | Scheduler for amp architecture with closed loop performance and thermal controller | |
Kim et al. | Dynamic voltage scaling algorithm for dynamic-priority hard real-time systems using slack time analysis | |
EP2227727B1 (en) | Data processor performance prediction | |
JP5824162B2 (ja) | スケジュールされたリソースセット移行を使用したポータブルコンピューティングデバイスのための作業負荷推定による電力の節約 | |
Kim et al. | Dynamic voltage scaling algorithm for fixed-priority real-time systems using work-demand analysis | |
JP4490298B2 (ja) | プロセッサ電力制御装置及びプロセッサ電力制御方法 | |
Lu et al. | Energy-aware fixed-priority multi-core scheduling for real-time systems | |
CN109324880A (zh) | 一种适用于实时系统周期任务模型的低功耗调度方法 | |
CN109324891A (zh) | 一种比例空闲时间分配的周期任务低功耗调度方法 | |
Zitterell et al. | A probabilistic and energy-efficient scheduling approach for online application in real-time systems | |
CN112130992A (zh) | 基于高性能开放式数控系统的低功耗调度方法 | |
CN116204290A (zh) | 一种基于edf调度策略的仪表任务执行方法 | |
Huang et al. | Leakage-aware reallocation for periodic real-time tasks on multicore processors | |
Shieh et al. | Energy-efficient tasks scheduling algorithm for dual-core real-time systems | |
Gawali et al. | P 3: A task migration policy for optimal resource utilization and energy consumption | |
Chen et al. | A slack reclamation method for reducing the speed fluctuations on the DVFS real-time scheduling | |
Wu et al. | A real-time system low power scheduling algorithm based on total bandwidth server | |
Wu et al. | A Low Power Consumption Period Task Scheduling Algorithm in Real-Time System | |
Haotian et al. | A low power scheduling algorithm with balanced factor for periodic tasks | |
Chen et al. | Energy-efficient scheduling of periodic real-time tasks for reliable multi-core systems | |
Chetto et al. | Main Results on Earliest Deadline First Scheduling for Energy Neutral Sensors | |
Liu | Low Energy Consumption and Time Deterministic Energy-saving Workflow Task Scheduling Algorithm based on DVFS | |
Sreenath et al. | Analysis of energy saving scheduling algorithms for multiprocessor systems | |
Wei et al. | Starting-energy fair queuing (SEFQ): a novel class of energy-aware scheduling algorithms for mobile systems | |
Chen et al. | Power-Aware Scheduling for Pinwheel Task Model |
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 |