CN1801153A - 应用于嵌入式数据库的非周期硬实时实现方法 - Google Patents
应用于嵌入式数据库的非周期硬实时实现方法 Download PDFInfo
- Publication number
- CN1801153A CN1801153A CNA2006100491013A CN200610049101A CN1801153A CN 1801153 A CN1801153 A CN 1801153A CN A2006100491013 A CNA2006100491013 A CN A2006100491013A CN 200610049101 A CN200610049101 A CN 200610049101A CN 1801153 A CN1801153 A CN 1801153A
- Authority
- CN
- China
- Prior art keywords
- time
- data
- increased
- newly
- database
- 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 26
- 230000004044 response Effects 0.000 claims description 18
- 230000000737 periodic effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000007792 addition Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种应用于嵌入式数据库的非周期硬实时实现方法。通过把周期性对象定义转化为非周期对象，并且发明了实时性判断方法来保证实时性，利用非周期对象访问频率低的特点，从而减少了数据库系统对闪存的访问，并且降低了系统功耗。在保证系统高可用性和正确性的前提下，使之适用于嵌入式环境，并提供高效的实现方法，有效地把嵌入式系统的特点和实时系统的特点结合在一起。
Description
技术领域
本发明属于嵌入式数据库系统领域，特别涉及一种应用于嵌入式数据库的非周期硬实时实现方法。
背景技术
近年来，嵌入式系统的应用越来越广泛。同时嵌入式系统中大量的需要处理的实时数据也越来越多，这就需要系统有强大的、有效的数据管理。于是支持数据存储和操作的嵌入式数据库也就应运而生。
而大部分嵌入式数据库系统又都是实时的，也就是说，数据库的正确性不仅依靠于计算结果的逻辑正确性，也依靠于结果的产生的时间，这就是所谓的实时嵌入式数据库系统。实时嵌入式数据库系统的中的对象自然也必须在最终期限到来之前完成并保持数据库的一致性。
之前的一些研究多把焦点放在静态预处理方法。这种方法有不少问题存在。一个很明显的问题就是效率低下，处理器不能发挥它最大的处理能力。另外一些研究则是用纯最终期限单调性调度(deadline monotonic scheduling)。这种方法虽然可以提供系统资源的利用率，但是它不能保证所有的硬实时都能完成。
目前的研究的主要问题还是没有考虑如何把实时性和嵌入式系统较好的结合起来。如何提高嵌入式系统资源的利用率，因为在嵌入式设备中Flash是主要的存储介质，而Flash的空间和写次数都是有限的，因此还要考虑如果减少对嵌入式存储设备的访问。
发明内容
本发明的目的在于提供一种应用于嵌入式数据库的非周期硬实时实现方法。
本发明解决其技术问题所采用的技术方案是：
1)改进了Kim & Son模型框架，增加了两种处理对象：
a)对象之一：区分于原模型中的对象一，从系统外部读取数据，这些数据的访问对象和运行时间都是已知的，但是并不周期性的写入嵌入式数据库中，而是只在确认点和所读取的数据发生明显变化的时候才把数据写入数据库中；
b)对象之二：从系统中读取原始数据进行计算，然后把计算结果再写到数据库中，这些数据的访问对象和运行时间都是已知的，但是并不周期性的写入嵌入式数据库中，而是只在确认点和所读取的数据发生明显变化的时候才把数据写入数据库中；
2)由于新增对象，使用非周期的动态的对象处理方法，所以引入判断新对象实时性的方法：
a)定义1：依据新增对象的最终期限长短来制定它们的优先级。最终期限越短的对象优先级越高，用Ri来表示新增对象i的最坏响应时间，它由两部分组成，一部分是它自己的运行时间Ci，另一部分是它的等待时间Wi，表示为：Ri＝Ci+Wi；
b)定义2：Di表示对象i的最终期限，只要Ri≤Di，就可以说对象i一定可以在在最终期限内完成，这里用Pi表示同一种对象到来的最短间隔。新增对象虽然是非周期的，但是由于他们的数据也是要从外部获得，所以这些新增对象到来的间隔应该是原周期的整数倍，即Pj≥Ti Ti是原对象的周期。所以就可以计算出新增对象i在其整个响应时间历需要等待高优先级对象j的总时间：
其中
是对象i响应时间内对象j可能到来的次数，Cj是每次到来后要运行的时间。
c)把所有高于新增对象i的优先级的对象的在i的响应时间内运行时间相加便是对象i的总等待时间Wi：
其中hi是比对象i高优先级的对象的集合。到目前为止，Ri的公式已经得到了：
d)因为方程里两边都有Ri，可以把这个方程理解成，对象i的响应时间是Ri(n)，但是在这段时间内会有属于hi的高优先级的对象到来，导致对象i的响应时间变成Ri(n+1)。这样就利用以下的递归的方法计算出Ri：
由Ri(0)＝0开始计算，计算出的第一个满足等式(1)，即Ri(n)＝Ri(n+1)，也是最小的Ri也就是对象i的最坏响应时间。如果Ri≤Di，就说明对象i可以在最终期限内完成。如果Ri≥Di，或者在计算的过程中Ri(n)就已经大于Di，就说明该对象不能满足最终期限；
3)对于可保证实时性的对象，可以采用最终期限单调处理方法。但是这种处理算法并不能保证所有的新对象都可以完成。对于这些不能完成的对象可以把它还原成原对象，继续用原来的处理方法，也可以在设计阶段调整它的最终期限。
本发明具有的有益效果是：本发明通过把周期性对象定义转化为非周期对象，并且发明了实时性判断方法来保证实时性，利用非周期对象访问频率低的特点，从而减少了数据库系统对闪存的访问，并且降低了系统功耗，有效地把嵌入式系统的特点和实时系统的特点结合在一起。
附图说明
附图为本发明的说明流程图。
具体实施方式
如附图所示，首先分析Kim & Son模型中原有对象，提取可以不用周期性处理的对象，形成新对象；在新对象中，按照本文中说明的方法确定可以用截至时间单调性方法进行处理的对象；把不能用非周期处理的对象还原回Kim &Son模型的处理方式。
本发明提出的实时嵌入式数据库中硬实时对象的处理方法的具体实施方式结合附图和实施例说明如下：
1)在实时嵌入式数据库的设计阶段，分析原有模型中的对象，增加新的对象以表1为例，表格1中的对象为被挑选出来的新对象，对象的优先级与对象的实时性截止时间(Deadline)长短成反比，即下例中对象1优先级最高，对象4优先级最低。
表1：新对象实例
| 对象编号 | 原始周期P | 事务运行时间C | 实时截至时间 |
| 1 | 250ms | 5ms | 10ms |
| 2 | 10ms | 2ms | 10ms |
| 3 | 330ms | 25ms | 50ms |
| 4 | 1000ms | 29ms | 50ms |
2)按照权利要求中介绍的确定最坏响应时间的方法，利用公式1计算出每个对象的最坏响应时间。以上例对象3为例，公式1中的R初始化为0，然后根据公式2进行递归推导，过程如表2所示。
表2：对象3的最坏反应时间推导过程
| 步骤 | Rn | W | Rn+1 |
| 1 | 0 | 0 | 25 |
| 2 | 25 | 5+3*2 | 36 |
| 3 | 36 | 5+4*2 | 38 |
| 4 | 38 | 5+4*2 | 38 |
3)如果小于最终期限，说明该对象判断成功，如上例对象3，38ms＜50ms。如果某对象计算出的最坏响应时间大于最终期限，如上例对象4。由于还是处于设计阶段，首先考虑该对象的最终期限是否可以延长到最坏响应时间，如果不行，就把该对象返还到原方法中。
4)测试中对flash访问减少的比率：
对于嵌入式实时系统，正态分布是一种常见的数据分布。测试中，本方法采用了数据到达频率服从正态分布的数据源，根据新增对象占原对象的百分比(用NP表示)和最大允许的数据偏差diff(超过diff就要写入数据库中)的不同，
表3和表4列出可以减少的数据访问的百分比：
表3为新对象写入的数据占总数据的60％时，表4为新对象所写入的数据占总数据的80％时，
新对象可以减少的存储访问比率 新对象可以减少的存储访问比率
结果显现对于正态分布的数据可以减少一半的Flash访问，如果对于像动态心电图议这种分布更为集中数据，预计可以减少80％以上。可见本发明确实可以减少Flash设备的访问，延长使用寿命。
Claims (1)
1、应用于嵌入式数据库的非周期硬实时实现方法，其特征在于：
1)改进了Kim&Son模型框架，增加了两种处理对象：
a)对象之一：区分于原模型中的对象一，从系统外部读取数据，这些数据的访问对象和运行时间都是已知的，但是并不周期性的写入嵌入式数据库中，而是只在确认点和所读取的数据发生明显变化的时候才把数据写入数据库中；
b)对象之二：从系统中读取原始数据进行计算，然后把计算结果再写到数据库中，这些数据的访问对象和运行时间都是已知的，但是并不周期性的写入嵌入式数据库中，而是只在确认点和所读取的数据发生明显变化的时候才把数据写入数据库中；
2)由于新增对象，使用非周期的动态的对象处理方法，所以引入判断新对象实时性的方法：
a)定义1：依据新增对象的最终期限长短来制定它们的优先级。最终期限越短的对象优先级越高，用Ri来表示新增对象i的最坏响应时间，它由两部分组成，一部分是它自己的运行时间Ci，另一部分是它的等待时间Wi，表示为：Ri＝Ci+WI；
b)定义2：Di表示对象i的最终期限，只要Ri≤Di，就可以说对象i一定可以在在最终期限内完成，这里用Pi表示同一种对象到来的最短间隔。新增对象虽然是非周期的，但是由于他们的数据也是要从外部获得，所以这些新增对象到来的间隔应该是原周期的整数倍，即Pj≥Ti Ti是原对象的周期。所以就可以计算出新增对象i在其整个响应时间历需要等待高优先级对象j的总时间：
其中
是对象i响应时间内对象j可能到来的次数，Cj是每次到来后要运行的时间。
c)把所有高于新增对象i的优先级的对象的在i的响应时间内运行时间相加便是对象i的总等待时间Wi：
其中hi是比对象i高优先级的对象的集合。到目前为止，Ri的公式已经得到了：
d)因为方程里两边都有Ri，可以把这个方程理解成，对象i的响应时间是Ri(n)，但是在这段时间内会有属于hi的高优先级的对象到来，导致对象i的响应时间变成Ri(n+1)。这样就利用以下的递归的方法计算出Ri：
由Ri(0)＝0开始计算，计算出的第一个满足等式(1)，即Ri(n)＝Ri(n+1)，也是最小的Ri也就是对象i的最坏响应时间。如果Ri≤Di，就说明对象i可以在最终期限内完成。如果Ri≥Di，或者在计算的过程中Ri(n)就已经大于Di，就说明该对象不能满足最终期限；
3)对于可保证实时性的对象，可以采用最终期限单调处理方法。但是这种处理算法并不能保证所有的新对象都可以完成。对于这些不能完成的对象可以把它还原成原对象，继续用原来的处理方法，也可以在设计阶段调整它的最终期限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2006100491013A CN1801153A (zh) | 2006-01-16 | 2006-01-16 | 应用于嵌入式数据库的非周期硬实时实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2006100491013A CN1801153A (zh) | 2006-01-16 | 2006-01-16 | 应用于嵌入式数据库的非周期硬实时实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1801153A true CN1801153A (zh) | 2006-07-12 |
Family
ID=36811156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2006100491013A Pending CN1801153A (zh) | 2006-01-16 | 2006-01-16 | 应用于嵌入式数据库的非周期硬实时实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1801153A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102473189A (zh) * | 2009-07-31 | 2012-05-23 | 雅虎公司 | 社交网络更新中到媒体对象部分的链接的实时提供 |
-
2006
- 2006-01-16 CN CNA2006100491013A patent/CN1801153A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102473189A (zh) * | 2009-07-31 | 2012-05-23 | 雅虎公司 | 社交网络更新中到媒体对象部分的链接的实时提供 |
| CN102473189B (zh) * | 2009-07-31 | 2015-09-09 | 雅虎公司 | 社交网络更新中到媒体对象部分的链接的实时提供 |
| CN105095480A (zh) * | 2009-07-31 | 2015-11-25 | 雅虎公司 | 社交网络更新中到媒体对象部分的链接的实时提供 |
| CN105095480B (zh) * | 2009-07-31 | 2019-10-22 | 奥誓公司 | 社交网络更新中到媒体对象部分的链接的实时提供 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11455189B2 (en) | Task scheduling simulation system | |
| CN103092316B (zh) | 一种基于数据挖掘的服务器功耗管理系统 | |
| US9304898B2 (en) | Hardware-based array compression | |
| CN102193830B (zh) | 面向众核环境的分治映射/归约并行编程模型 | |
| Han et al. | Mosaic: Heterogeneity-, communication-, and constraint-aware model slicing and execution for accurate and efficient inference | |
| CN112000703B (zh) | 数据入库处理方法、装置、计算机设备和存储介质 | |
| Li et al. | AdaPrune: An accelerator-aware pruning technique for sustainable CNN accelerators | |
| CN112015765B (zh) | 基于缓存价值的Spark缓存淘汰方法及系统 | |
| CN105426163A (zh) | 一种基于mic协处理器的单数据流分位数处理方法 | |
| CN103455131B (zh) | 一种基于概率的嵌入式系统中能耗最小化的任务调度方法 | |
| CN118227336A (zh) | 一种基于预测器的动态推理内存分配的优化方法及系统 | |
| Luan et al. | SCHED²: Scheduling Deep Learning Training via Deep Reinforcement Learning | |
| US11803224B2 (en) | Power management method, multi-processing unit system and power management module | |
| CN1801153A (zh) | 应用于嵌入式数据库的非周期硬实时实现方法 | |
| John | Green computing strategies for improving energy efficiency in it systems | |
| CN101770461A (zh) | 数据处理方法及处理系统 | |
| CN116028193B (zh) | 一种混部集群的大数据任务动态高能效调度方法和系统 | |
| CN115145709B (zh) | 低碳大数据人工智能方法和医康养生态系统 | |
| CN108009121B (zh) | 面向应用的动态多核配置方法 | |
| TW200609830A (en) | Adaptive scheduler using inherent knowledge of operating system subsystems for managing resources in a data processing system | |
| CN110209631A (zh) | 大数据处理方法及其处理系统 | |
| Ansari et al. | Power-aware scheduling of fixed priority tasks in soft real-time multicore systems | |
| CN102495763B (zh) | 计算机程序内存动态配置方法 | |
| Oh et al. | Energy-efficient task partitioning for CNN-based object detection in heterogeneous computing environment | |
| CN114676632A (zh) | 一种电力专用芯片能耗预测方法、装置和计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |