CN117311945A - 一种同步感知非精确混合关键任务分区调度方法 - Google Patents
一种同步感知非精确混合关键任务分区调度方法 Download PDFInfo
- Publication number
- CN117311945A CN117311945A CN202311382198.XA CN202311382198A CN117311945A CN 117311945 A CN117311945 A CN 117311945A CN 202311382198 A CN202311382198 A CN 202311382198A CN 117311945 A CN117311945 A CN 117311945A
- Authority
- CN
- China
- Prior art keywords
- task
- processor
- tau
- peu
- tasks
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005192 partition Methods 0.000 title claims abstract description 20
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 12
- 230000008447 perception Effects 0.000 title claims abstract description 8
- 230000001174 ascending effect Effects 0.000 claims abstract description 10
- 230000006978 adaptation Effects 0.000 claims abstract description 9
- 230000007704 transition Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 241000839309 Thesea Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
-
- 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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multi Processors (AREA)
Abstract
本发明一种同步感知非精确混合关键任务分区调度方法,包括:建立非精确混合任务资源共享调度模型;计算任务τi的最坏适应利用率peui,并根据peui对任务非升序排列;寻找与任务τi资源相似度最高的处理器peui之和最大的处理器以及peui之和最小的处理器将任务τi预分配给若上peui之和小于上peui之和,且上的任务满足调度可行的条件,则任务τi正式分配到否则,将任务τi预分配给当上的任务满足调度可行的条件,将任务τi正式分配到否则,利用关键层次无关最坏适应降序方法分配任务τi。本发明能够大大提升任务集的可调度比例,解决多处理器系统非精确混合关键任务资源共享问题。
Description
技术领域
本发明涉及实时系统、工业控制系统以及临界关键系统的实时调度,特别涉及一种同步感知非精确混合关键任务分区调度方法。
背景技术
将嵌入式系统不同关键层次的应用集成到同一共享平台形成混合关键系统。混合关键系统在生产和生活中得到广泛的应用,例如飞机控制系统、汽车自动驾驶系统等。混合关键系统的任务具有不同的关键层次,并且其在执行过程中具有不同的模式转换。所以,混合关键系统的可调度分析存在一定的挑战。
现在研究主要针对相互独立任务模型的混合关键系统的研究,然而任务在实际执行过程中需要共享可重用的资源例如:信号量、输出设备等资源。
发明内容
本发明的目的在于克服现有技术的不足,提供一种同步感知非精确混合关键任务分区调度方法,该方法能够提升任务集的可调度比例,解决多处理器系统非精确混合关键任务资源共享问题。
为了实现上述目的,本发明的技术方案是,一种同步感知非精确混合关键任务分区调度方法,包括:
建立非精确混合任务资源共享调度模型;
计算任务τi的最坏适应利用率peui,并根据peui对任务非升序排列;
寻找与任务τi资源相似度最高的处理器peui之和最大的处理器/>以及peui之和最小的处理器/>
将任务τi预分配给若/>上peui之和小于/>上peui之和,且/>上的任务满足调度可行的条件,则任务τi正式分配到/>否则,将任务τi预分配给/>当/>上的任务满足调度可行的条件,将任务τi正式分配到/>否则,利用关键层次无关最坏适应降序方法分配任务τi;
所述建立非精确混合任务资源共享调度模型,包括:
考虑在M个相同的处理器集的混合关键系统;通过最早截止期限优先EDF方法调度系统中的非精确混合关键IMC偶发实时任务集Γ={τi|1≤i≤N};每个IMC偶发实时任务τi由五元组{Li,Ci(LO),Ci(HI),Di,Ti}组成,其中,i为整数,Li表示τi的关键层次,其值为Li={LO,HI},任务τi的关键层次为LO时,其为低关键层次任务;任务τi的关键层次为HI时,其为高关键层次任务;Ci(LO)和Ci(HI)分别表示任务τi在系统LO模式和HI模式下的最坏执行时间;系统处于LO模式是指任何任务τi,其执行时间都不超过Ci(LO);系统处于HI模式是指存在高关键层次任务τi,其执行时间超过Ci(LO)但不超过Ci(HI)且为低关键层次任务提供降级服务;如果任务τi为低关键层次任务,则Ci(HI)≤Ci(LO);如果任务τi为高关键层次任务,则Ci(HI)≥Ci(LO);Ti表示任务τi的周期;Di表示任务τi的相对截止期限,且其等于Ti;
任务共享l个可重用的资源R={R1,R2,...,Rl};同一处理器上不同任务或者不同处理器上的任务可以共享这些资源;每个资源在其临界区内仅能由单个任务访问,这意味着对资源的访问是独占的且不可抢占的;任务τi具有ni个临界区,其第j个临界区表示为ξi,j;临界区ξi,j的最坏执行时间为Ci,j;r(ξi,j)是指需要在临界区内访问的资源的标志;当r(ξi,j)=a时,表示任务τi需要访问资源Ra,其中1≤a≤l;为了防止由于任务资源访问导致系统模式转换期间的数值不一致问题,假设LO任务τi的所有临界区都在Ci(HI)之前,即:
HI任务τi的所有临界区都在Ci(LO)之前,即:
每个处理器都从LO模式开始,并在没有任何高关键层次作业执行时间超过Ci(LO)的情况下保持在该模式;如果任何一个LO任务的作业执行时间尝试执行超过Ci(LO),它将被终止,并在下一个周期中启动一个新的作业;如果任何一个高关键层次任务的作业在时间ts处执行了Ci(LO)个时间单位而没有被终止,系统将立即切换到HI模式;在切换时刻ts,如果来自LO任务的作业的已完成执行时间超过了Ci(HI)但小于Ci(LO),它们将被终止,直到下一个周期释放一个新的作业;如果来自LO任务的作业的已完成执行时间小于Ci(HI),它们将在ts之后和截止时间之前继续其未完成的执行时间;随后,所有LO作业都将按照Ci(HI)进行调度;如果来自HI任务的作业的已完成执行时间在时刻ts时小于Ci(LO),它们将继续执行,直到其已完成执行时间达到Ci(HI)为止;一旦所有这些作业完成,之后的所有作业将按照Ci(HI)进行调度。
优选的,计算任务τi的最坏适应利用率peui,并根据peui对任务非升序排列,具体包括:
对于任务集Γ中的每个任务τi,任务τi的全局等待时间GWi更多地取决于任务与处理器之间的映射,为了确保在最坏情况下任务的可调度性,需要计算任务τi的最坏适应利用率peui,其值由下式:
其中,Ci(LO)表示表示任务τi在系统LO模式下的最坏执行时间;Ci(HI)表示任务τi在系统HI模式下的最坏执行时间;表示任务τi在访问临界区资源时的最大全局等待时间之和;Ti表示任务τi的周期;
计算出任务集Γ中的每个任务τi的最坏适应利用率peui后,对每个任务τi按照peui进行非升序排列;如果有多个任务具有相同的peui,则任务下标小的任务排前。
优选的,寻找与任务τi资源相似度最高的处理器peui之和最大的处理器以及peui之和最小的处理器/>具体包括:
任务τi和处理器的资源相似度Ωk(i)如下式:
其中,Ψk是处理器上运行的任务的集合;ωi,j表示任务τi和任务τj共同访问的资源数量;通过比较任务τi与各处理器的资源相似度,找到与任务τi资源相似度最高的处理器/>
处理器上的任务的peui之和/>其表达式如下,
其中,Ψk是处理器上运行的任务的集合;
将中最大的值表示为/>其对应处理器为/>最小的值表示为/>其对应的处理器为/>
优选的,将任务τi预分配给若/>上peui之和小于/>上peui之和,且/>上的任务满足调度可行的条件,则任务τi正式分配到/>否则,将任务τi预分配给/>当和的任务满足调度可行的条件,将任务τi正式分配到/>否则,利用关键层次无关最坏适应降序方法分配任务τi,具体包括:
将任务τi预分配给相似度最高的处理器其调度可行的三个条件如下:
条件(11):处理器上任务的/>没有超过处理器/>上任务的
条件(12):上的任务必须满足利用率的约束条件,约束条件如下:
其中,和/>分别表示任务τi在LO模式下和HI模式下的利用率;/>和分别表示在处理器/>在LO模式下和HI模式下的所有任务的利用率和;
条件(13):任务τi分配到必须满足分区EDF可调度性条件;
若任务τi预分配到时满足此三个条件,则将任务τi正式分配到/>同时更新处理器集中的/>和/>的信息;
当任务τi预分配到时,若三个条件中至少有一个条件不满足,则分配不可行;进而选择处理器/>将任务τi预分配给/>此时需判断两个条件:
条件(21):上的任务必须满足利用率的约束条件;
条件(22):任务τi分配到必须满足分区EDF可调度性条件;
若任务τi预分配到时满足以上两个条件,则将任务τi正式分配到/>同时更新处理器集中的/>和/>的信息;
当以上分配条件均不满足时,则利用关键层次无关最坏适应降序方法分配任务τi,分配后判断系统是否满足可调度条件,若满足条件,则该分配可行,同时更新处理器集中的和/>的信息;否则,该分配不可行;只要存在一个任务不可分配,则整个任务集Γ都不可分配。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
(1)本发明方法比其他算法能更好地确保满足可调度条件;
(2)本发明方法比其它算法能更好地解决多处理器系统非精确混合关键任务资源共享问题;
(3)本发明方法比其他算法在任务调度可行方面提升了大约7.21%的性能。
以下结合附图及实施例对本发明作进一步详细说明,但本发明的一种同步感知非精确混合关键任务分区调度方法不局限于实施例。
附图说明
图1为本发明方法的流程示意图。
图2为本发明方法与SA-WFD算法的对比示意图。
具体实施方式
以下将结合本发明附图,对本发明实施例中的技术方案进行详细描述和讨论。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参见图1所示,本发明的一种同步感知非精确混合关键任务分区调度方法,包括如下步骤:
步骤1,建立非精确混合任务资源共享调度模型。
考虑在M个相同的处理器集的混合关键系统;通过最早截止期限优先(EDF)方法调度系统中的非精确混合关键(IMC)偶发实时任务集Γ={τi|1≤i≤N};EDF方法可以将具有最早截止期限的任务优先调度到处理器上执行,确保任务可以在规定时间内完成;每个IMC偶发实时任务τi由五元组{Li,Ci(LO),Ci(HI),Di,Ti}组成,其中,1≤i≤N,i为整数,Li表示τi的关键层次,其值为Li={LO,HI},任务τi的关键层次为LO时,其为低关键层次任务;任务τi的关键层次为HI时,其为高关键层次任务;Ci(LO)和Ci(HI)分别表示任务τi在系统LO模式和HI模式下的最坏执行时间;系统处于LO模式是指任何任务τi,其执行时间都不超过Ci(LO);系统处于HI模式是指存在高关键层次任务τi,其执行时间超过Ci(LO)但不超过v(HI)且为低关键层次任务提供降级服务;如果任务τi为低关键层次任务,则v(HI)≤v(LO);如果任务τi为高关键层次任务,则Ci(HI)≥Ci(LO);Ti表示任务τi的周期;Di表示任务τi的相对截止期限,且其等于Ti;
任务共享l个可重用的资源R={R1,R2,...,Rl};同一处理器上不同任务或者不同处理器上的任务可以共享这些资源;每个资源在其临界区内仅能由单个任务访问,这意味着对资源的访问是独占的且不可抢占的;任务τi具有ni个临界区,其第j个临界区表示为ξi,j;临界区ξi,j的最坏执行时间为Ci,j;r(ξi,j)是指需要在临界区内访问的资源的标志;当r(ξi,j)=a(1≤a≤l)时,表示任务τi需要访问资源Ra;任务可能需要在不同的临界区内多次访问资源;为了防止由于任务资源访问导致系统模式转换期间的数值不一致问题,假设LO任务τi的所有临界区都在Ci(HI)之前,即:
HI任务τi的所有临界区都在Ci(LO)之前,即:
每个处理器部从LO模式开始,并在没有任何高关键层次作业执行时间超过Ci(LO)的情况下保持在该模式;如果任何一个LO任务的作业执行时间尝试执行超过Ci(LO),它将被终止,并在下一个周期中启动一个新的作业;如果任何一个高关键层次任务的作业在时间ts处执行了Ci(LO)个时间单位而没有被终止,系统将立即切换到HI模式;在切换时刻ts,如果来自LO任务的作业的已完成执行时间超过了Ci(HI)但小于Ci(LO),它们将被终止,直到下一个周期释放一个新的作业;如果来自LO任务的作业的已完成执行时间小于Ci(HI),它们将在ts之后和截止时间之前继续其未完成的执行时间;随后,所有LO作业都将按照Ci(HI)进行调度;如果来自HI任务的作业的已完成执行时间在时刻ts时小于Ci(LO),它们将继续执行,直到其已完成执行时间达到Ci(HI)为止;一旦所有这些作业完成,之后的所有作业将按照Ci(HI)进行调度。
步骤2,计算各任务的最坏适应利用率peui,并根据peui对任务非升序排列。
具体的,对于任务集Γ中的每个任务τi,任务τi的全局等待时间GWi更多地取决于任务与处理器之间的映射,为了确保在最坏情况下任务的可调度性,需要计算任务τi的最坏适应利用率peui,其值由下式:
其中,Ci(LO)和Ci(HI)分别表示任务τi在系统LO模式和HI模式下的最坏执行时间;表示任务τi在访问临界区资源时的最大全局等待时间之和;Ti表示任务τi的周期;
计算出任务集Γ中的每个任务τi的最坏适应利用率peui后,对每个任务τi按照peui进行非升序排列(如果有多个任务具有相同的peui,则任务下标小的任务排前);的计算公式为:
其中表示任务τi等待访问其临界区ξi,j中的资源的最大全局等待时间;ξi,j表示任务τi的第j个临界区;ni表示任务τi的临界区个数;任务τi只能在其临界区内访问资源;/>的计算公式为:
其中,r(ξi,j)表示需要在临界区内访问的资源的标志;表示与任务τi竞争临界区资源的其他任务τl的最长访问时间;Θi,j表示任务集合,其包含了访问r(ξi,j)所表示的临界区资源时间最长的(M-1)个的其他任务;
计算出任务集Γ中的每个任务τi的最坏适应利用率peui后,对每个任务τi按照peui的大小非升序排列(如果有多个任务具有相同的peui,则任务下标小的任务排前)。
步骤3,寻找与任务τi资源相似度最高的处理器peui之和最大的处理器/>以及peui之和最小的处理器/>
具体的,任务τi和处理器的资源相似度Ωk(i)如下式:
其中,Ψk是处理器上运行的任务的集合;ωi,j表示任务τi和任务τj共同访问的资源数量;通过比较任务τi与各处理器的资源相似度,可以找到与任务τi资源相似度最高的处理器/>
处理器上的任务的peui之和/>其表达式如下,
其中,Ψk是处理器上运行的任务的集合。
将中最大的值表示为/>其对应处理器表示为/>最小的值表示为/>其对应处理器表示为/>
步骤4,将任务τi预分配给若/>上peui之和小于/>上peui之和,且/>上的任务满足调度可行的条件,则任务τi正式分配到/>否则,将任务τi预分配给/>当和的任务满足调度可行的条件,将任务τi正式分配到/>否则,利用关键层次无关最坏适应降序方法分配任务τi。
具体的,将任务τi预分配给相似度最高的处理器其调度可行的三个条件如下:
条件(11):处理器上任务的/>没有超过处理器/>上任务的
条件(12):上的任务必须满足利用率的约束条件,约束条件如下:
其中,和/>分别表示任务τi在LO模式下和HI模式下的利用率,其表达式如下:
其中,Ci(LO)和Ci(HI)分别表示任务τi在系统LO模式和HI模式下的最坏执行时间;Ti表示任务τi的周期;
和/>分别表示在处理器/>在LO模式下和HI模式下的所有任务的利用率和,其表达式如下:
其中,Ψsim表示处理器上运行的任务的集合;Cj(LO)和Cj(HI)分别表示任务τj在系统LO模式和HI模式下的最坏执行时间;Tj表示任务τj的周期;/>表示分配给的LO任务在LO模式下的利用率;/>和/>分别表示分配绐/>的LO任务和HI任务在LO模式下的利用率;/>和/>分别表示分配给/>的LO任务和HI任务在HI模式下的利用率;
条件(13):任务τi分配必须满足分区EDF可调度条件;即当任务τi预分配给后,在LO模式、HI模式和转换模式下都能满足调度要求,那么在使用分区EDF的情况下,该分配是可行的,具体调度条件如下:
在LO模式下的分区EDF调度中,如果满足以下条件,则分配是可行的:
其中,Ψk是处理器上运行的任务的集合,包括LO任务和HI任务;/>表示任务τj在访问临界区资源时的最大全局等待时间之和;Cj(LO)表示任务τj在LO模式下的最坏执行时间;Tj和Ti分别表示任务τj和任务τi的周期;LWi表示任务τi在处理器/>上的最大局部等待时间;LWi的表达式如下:
其中,表示任务τj等待访问其临界区ξj,x中的资源的最大全局等待时间;Cj,x表示临界区ξj,x的最坏执行时间;Ψk表示处理器/>上运行的任务的集合;Tj表示任务τj的周期,r(ξj,x)=a表示任务τj需要访问资源Ra。
在HI模式下的分区EDF调度中,如果满足以下条件,则该分配是可行的:
其中,Ψk是处理器上运行的任务的集合,包括LO任务和HI任务;/>表示任务τj在访问临界区资源时的最大全局等待时间之和;Cj(HI)表示任务τj在HI模式下的最坏执行时间;Tj和Ti分别表示任务τj和任务τi的周期;LWi表示任务τi在处理器/>上的最大局部等待时间。
在转换模式下的分区EDF调度中,满足以下条件,该分配是可行的:
其中,表示分配给处理器/>的LO任务集合,/>表示分配给处理器/>的HI任务集合;Ψk是处理器/>上运行的任务的集合;/>表示任务τj在访问临界区资源时的最大全局等待时间之和;Cj(LO)表示任务τj在LO模式下的最坏执行时间;Tj表示任务τj的周期;表示任务τl在访问临界区资源时的最大全局等待时间之和;Cl(HI)表示任务τl在HI模式下的最坏执行时间;Tl表示任务τl的周期;LWi表示任务τi在处理器/>上的最大局部等待时间;Ti表示任务τi的周期;
若任务τi预分配到时满足此三个条件,则可以将任务τi正式分配到/>同时更新处理器集中的/>和/>的信息;
当任务τi预分配到时,若三个条件中至少有一个条件不满足,则分配不可行;进而选择处理器/>将任务τi预分配给/>此时需判断两个条件:
条件(21):上的任务必须满足利用率的约束条件;
条件(22):任务τi分配给必须满足分区EDF可调度条件;
若任务τi预分配到时满足以上两个条件,则可以将任务τi正式分配到/>同时更新处理器集中的/>和/>的信息;
当任务τi分配给无法满足条件时,则利用关键层次无关最坏适应降序方法分配任务τi,若此时任务τi为一个HI级别的任务时,对处理器/>按照剩余可分配的HI模式下任务利用率进行非升序排列;若此时任务τi为以一个LO级别的任务时,对处理器/>按照剩余可分配的LO模式下任务利用率进行非升序排列;之后遍历处理器列表,将任务τi与处理器进行匹配,如果任务τi预分配到处理器/>满足分区EDF可调度性条件,则正式分配并更新处理器集中的/>和/>的信息;否则,该分配不可行;只要存在一个任务不可分配则整个任务集Γ都不可分配。
本实施例中,处理器数量设置为4,任务数量设置为20,高关键层次任务占任务总数的50%,设置任务集在低模式下的利用率为0.5;HI任务在HI模式下的总利用率与在LO模式下的总利用率之比为1.5;LO任务在HI模式下的总利用率与在LO模式下的总利用率之比为0.5;临界区数量的上限为8;实验的仿真时间设置为1000个时间片,考察任务临界区与执行时间的比例对调度可行性的影响。参见图2所示,在实验中比较两种方法,第一,本发明方法;第二,SA-WFD方法;SA-WFD方法首先计算各任务的最坏适应利用率peui,并根据peui对任务非升序排列;之后找与任务τi资源相似度最高的处理器peui之和最大的处理器以及peui之和最小的处理器/>若任务τi分配给/>后,/>的/>没有超过则将任务τi分配给/>否则,找到/>将任务τi分配给该处理器;每次实验产生1000个任务集,实验的结果取平均值;实验结果表明本发明方法与SA-WFD方法相比,在任务集调度可行方面提升大约7.21%的性能。
以上仅为本发明实例中一个较佳的实施方案。但是,本发明并不限于上述实施方案,凡按本发明所做的任何均等变化和修饰,所产生的功能作用未超出本方案的范围时,均属于本发明的保护范围。
Claims (4)
1.一种同步感知非精确混合关键任务分区调度方法,其特征在于,包括:
建立非精确混合任务资源共享调度模型;
计算任务τi的最坏适应利用率peui,并根据peui对任务非升序排列;
寻找与任务τi资源相似度最高的处理器peui之和最大的处理器/>以及peui之和最小的处理器/>
将任务τi预分配给若/>上peui之和小于/>上peui之和,且/>上的任务满足调度可行的条件,则任务τi正式分配到/>否则,将任务τi预分配给/>当/>上的任务满足调度可行的条件,将任务τi正式分配到/>否则,利用关键层次无关最坏适应降序方法分配任务τi;
所述建立非精确混合任务资源共享调度模型,包括:
考虑在M个相同的处理器集的混合关键系统;通过最早截止期限优先EDF方法调度系统中的非精确混合关键IMC偶发实时任务集Γ={τi|1≤i≤N};每个IMC偶发实时任务τi由五元组{Li,Ci(O),Ci(HI),Di,Ti}组成,其中,i为整数,Li表示τi的关键层次,其值为Li={LO,HI},任务τi的关键层次为LO时,其为低关键层次任务;任务τi的关键层次为HI时,其为高关键层次任务;Ci(LO)和Ci(HI)分别表示任务τi在系统LO模式和HI模式下的最坏执行时间;系统处于LO模式是指任何任务τi,其执行时间都不超过Ci(LO);系统处于HI模式是指存在高关键层次任务τi,其执行时间超过Ci(LO)但不超过Ci(HI)且为低关键层次任务提供降级服务;如果任务τi为低关键层次任务,则Ci(HI)≤Ci(LO);如果任务τi为高关键层次任务,则Ci(HI)≥Ci(LO);Ti表示任务τi的周期;Di表示任务τi的相对截止期限,且其等于Ti;
任务共享l个可重用的资源R={R1,R2,…,Rl};同一处理器上不同任务或者不同处理器上的任务可以共享这些资源;每个资源在其临界区内仅能由单个任务访问,这意味着对资源的访问是独占的且不可抢占的;任务τi具有ni个临界区,其第j个临界区表示为ξi,j;临界区ξi,j的最坏执行时间为Ci,j;r(ξi,j)是指需要在临界区内访问的资源的标志;当r(ξi,j)=a时,表示任务τi需要访问资源Ra,其中1≤a≤l;为了防止由于任务资源访问导致系统模式转换期间的数值不一致问题,假设LO任务τi的所有临界区都在Ci(HI)之前,即:
HI任务τi的所有临界区都在Ci(LO)之前,即:
每个处理器都从LO模式开始,并在没有任何高关键层次作业执行时间超过Ci(LO)的情况下保持在该模式;如果任何一个LO任务的作业执行时间尝试执行超过Ci(LO),它将被终止,并在下一个周期中启动一个新的作业;如果任何一个高关键层次任务的作业在时间ts处执行了Ci(LO)个时间单位而没有被终止,系统将立即切换到HI模式;在切换时刻ts,如果来自LO任务的作业的已完成执行时间超过了Ci(HI)但小于Ci(LO),它们将被终止,直到下一个周期释放一个新的作业;如果来自LO任务的作业的已完成执行时间小于Ci(HI),它们将在ts之后和截止时间之前继续其未完成的执行时间;随后,所有LO作业都将按照Ci(HI)进行调度;如果来自HI任务的作业的已完成执行时间在时刻ts时小于Ci(LO),它们将继续执行,直到其已完成执行时间达到Ci(HI)为止;一旦所有这些作业完成,之后的所有作业将按照Ci(HI)进行调度。
2.如权利要求1所述的同步感知非精确混合关键任务分区调度方法,其特征在于,计算任务τi的最坏适应利用率peui,并根据peui对任务非升序排列,具体包括:
对于任务集Γ中的每个任务τi,任务τi的全局等待时间GWi更多地取决于任务与处理器之间的映射,为了确保在最坏情况下任务的可调度性,需要计算任务τi的最坏适应利用率peui,其值由下式:
其中,Ci(LO)表示表示任务τi在系统LO模式下的最坏执行时间;Ci(HI)表示任务τi在系统HI模式下的最坏执行时间;GWi max表示任务τi在访问临界区资源时的最大全局等待时间之和;Ti表示任务τi的周期;
计算出任务集Γ中的每个任务τi的最坏适应利用率peui后,对每个任务τi按照peui进行非升序排列;如果有多个任务具有相同的peui,则任务下标小的任务排前。
3.如权利要求2所述的同步感知非精确混合关键任务分区调度方法,其特征在于,寻找与任务τi资源相似度最高的处理器peui之和最大的处理器/>以及peui之和最小的处理器/>具体包括:
任务τi和处理器的资源相似度Ωk(i)如下式:
其中,Ψk是处理器上运行的任务的集合;ωi,j表示任务τi和任务τj共同访问的资源数量;通过比较任务τi与各处理器的资源相似度,找到与任务τi资源相似度最高的处理器
处理器上的任务的peui之和/>其表达式如下,
其中,Ψk是处理器上运行的任务的集合;
将中最大的值表示为/>其对应处理器为/>最小的值表示为其对应的处理器为/>
4.如权利要求3所述的同步感知非精确混合关键任务分区调度方法,其特征在于,将任务τi预分配给若/>上peui之和小于/>上peui之和,且/>上的任务满足调度可行的条件,则任务τi正式分配到/>否则,将任务τi预分配给/>当/>上的任务满足调度可行的条件,将任务τi正式分配到/>否则,利用关键层次无关最坏适应降序方法分配任务τi,具体包括:
将任务τi预分配给相似度最高的处理器其调度可行的三个条件如下:
条件(11):处理器上任务的/>没有超过处理器/>上任务的
条件(12):上的任务必须满足利用率的约束条件,约束条件如下:
其中,和/>分别表示任务τi在LO模式下和HI模式下的利用率;/>和分别表示在处理器/>在LO模式下和HI模式下的所有任务的利用率和;
条件(13):任务τi分配到必须满足分区EDF可调度性条件;
若任务τi预分配到时满足此三个条件,则将任务τi正式分配到/>同时更新处理器集中的/>和/>的信息;
当任务τi预分配到时,若三个条件中至少有一个条件不满足,则分配不可行;进而选择处理器/>将任务τi预分配给/>此时需判断两个条件:
条件(21):上的任务必须满足利用率的约束条件;
条件(22):任务τi分配到必须满足分区EDF可调度性条件;
若任务τi预分配到时满足以上两个条件,则将任务τi正式分配到/>同时更新处理器集中的/>和/>的信息;
当以上分配条件均不满足时,则利用关键层次无关最坏适应降序方法分配任务τi,分配后判断系统是否满足可调度条件,若满足条件,则该分配可行,同时更新处理器集中的和/>的信息;否则,该分配不可行;只要存在一个任务不可分配,则整个任务集Γ都不可分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311382198.XA CN117311945A (zh) | 2023-10-24 | 2023-10-24 | 一种同步感知非精确混合关键任务分区调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311382198.XA CN117311945A (zh) | 2023-10-24 | 2023-10-24 | 一种同步感知非精确混合关键任务分区调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117311945A true CN117311945A (zh) | 2023-12-29 |
Family
ID=89284782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311382198.XA Pending CN117311945A (zh) | 2023-10-24 | 2023-10-24 | 一种同步感知非精确混合关键任务分区调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117311945A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648194A (zh) * | 2024-01-29 | 2024-03-05 | 华侨大学 | 非精确混合关键任务资源受限的能耗感知调度方法和系统 |
-
2023
- 2023-10-24 CN CN202311382198.XA patent/CN117311945A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117648194A (zh) * | 2024-01-29 | 2024-03-05 | 华侨大学 | 非精确混合关键任务资源受限的能耗感知调度方法和系统 |
CN117648194B (zh) * | 2024-01-29 | 2024-04-30 | 华侨大学 | 非精确混合关键任务资源受限的能耗感知调度方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101886072B1 (ko) | 분산 인 메모리 환경에서 실시간 스트림 데이터 처리를 위한 동적 잡 스케쥴링 시스템 및 방법 | |
US20110067030A1 (en) | Flow based scheduling | |
CN117311945A (zh) | 一种同步感知非精确混合关键任务分区调度方法 | |
CN108123980B (zh) | 一种资源调度方法及系统 | |
CN111782355B (zh) | 一种基于混合负载的云计算任务调度方法及系统 | |
JPH07282013A (ja) | 分散処理システム | |
CN111209091B (zh) | 混合云环境下含隐私数据的Spark任务的调度方法 | |
CN110187956B (zh) | 一种多智能体平台的分层实时任务调度方法和系统 | |
CN109783225B (zh) | 一种多租户大数据平台的租户优先级管理方法及系统 | |
CN113806018A (zh) | 基于神经网络和分布式缓存的Kubernetes集群资源混合调度方法 | |
CN105373426A (zh) | 一种基于Hadoop的车联网内存感知实时作业调度方法 | |
Davis et al. | An investigation into server parameter selection for hierarchical fixed priority pre-emptive systems | |
CN111913800B (zh) | 基于l-aco的云中微服务成本优化的资源分配方法 | |
CN116909739A (zh) | 一种Kubernetes集群中资源超分提升资源利用率的方法及系统 | |
Davis | On exploiting spare capacity in hard real-time systems. | |
CN110928666A (zh) | 一种Spark环境中基于内存优化任务并行度的方法和系统 | |
CN109918185A (zh) | 基于虚拟任务固定优先级混合关键系统调度方法 | |
CN117112161A (zh) | 一种非精确多处理器混合关键系统资源访问方法 | |
CN113448736A (zh) | 一种近似计算任务在多核异构处理平台上基于能量和QoS联合优化的任务映射方法 | |
WO2024164369A1 (zh) | 混合关键分区实时操作系统的资源感知型任务分配方法 | |
EP4300305A1 (en) | Methods and systems for energy-efficient scheduling of periodic tasks on a group of processing devices | |
CN108845870B (zh) | 一种基于pWCET整形的概率性实时任务调度方法 | |
CN108874517B (zh) | 固定优先级待机备用系统利用率划分能耗优化方法 | |
CN112598112B (zh) | 一种基于图神经网络的资源调度方法 | |
CN115858169A (zh) | 一种作业资源分配方法、装置、电子设备及存储介质 |
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 |