符合OSEK的uC_OS任务调度策略

符合OSEK的uC_OS任务调度策略
符合OSEK的uC_OS任务调度策略

万方数据

万方数据

万方数据

符合OSEK的uC/OS任务调度策略

作者:赵秋林, 阴晓峰, ZHAO Qiu-lin, YIN Xiao-feng

作者单位:西华大学汽车工程研究所,成都,610039

刊名:

计算机工程

英文刊名:COMPUTER ENGINEERING

年,卷(期):2010,36(23)

参考文献(5条)

1.陈卓;熊忠阳;李银国基于OSEK/VDX操作系统的任务管理机制设计[期刊论文]-计算机工程 2006(12)

https://www.360docs.net/doc/5412566164.html,brosse J J;邵贝贝嵌入式实时操作系统uC/OS-Ⅱ 2003

3.OSEK Group OSEK/VDX Operation System Specification 2005

4.AUTOSAR GbR Specification of Operating System 2009

5.OSEK Group OSEK/VDX Binding Specification 2004

本文链接:https://www.360docs.net/doc/5412566164.html,/Periodical_jsjgc201023094.aspx

异构多核处理器的任务调度算法

异构多核处理器的任务调度算法 蒋建春;汪同庆 【期刊名称】《计算机工程与应用》 【年(卷),期】2009(045)033 【摘要】在研究Min-min、Max-min算法和Sufferage算法基础上,针对异构多核处理器的特点,提出一种任务静态调度算法--自适应分段Sufferage算法(Adaptive Segmented Sufferage,ASS).该算法以最早完成时间和负载均衡为目标进行任务分配,先将任务分配分成两个阶段:在第一个阶段以最少完成时间作为分配原则进行分配,选择单位时间内节省时间最多的任务先分配;在第二个阶段以负载均衡为分配原则进行分配,选择执行时间大的任务先分配.然后选取不同调节参数,对任务进行多次重新分配,以最小的最大完成时间为最后分配结果,实现自适应调节.通过实验验证,该算法在实现最少完成时间的前提下能很好地达到负载均衡.%After studying the Min-min,Max-min and Sufferage algorithms,this paper presents an Adaptive Segmented Sufferage (ASS) algorithm that can be applied to heterogeneous multi-core processors system,and the goal is to assign optimally tasks to different cores to get the minimal Earliest Finish Time(EFT) and optimal load balancing.At first,the algorithm divides the allo-cating process into two phases:The first phase,the tasks whose saving time is maximum have priority to be selected to a core in the minimal execution time tasks set on the principle of the minimal EFT;the second phase,as the principle of load balancing, the tasks,which have the maximum execution time in the

一种改进的实时混合任务调度算法

一种改进的实时混合任务调度算法 谢建平1,阮幼林1,2 1武汉理工大学信息工程学院,武汉(430070) 2南京大学计算机软件新技术国家重点实验室,南京(210093) E-mail:xjp_1997@https://www.360docs.net/doc/5412566164.html, 摘要:文章提出了结合TBS(总带宽服务器法)算法和DMS(时限单调算法)算法的实时混合任务的调度算法,该方法能保证周期任务满足时限的要求,还能缩短非周期任务的响应时间。基于TBS服务器思想将非周期任务转换成有时限要求的硬实时任务,然后基于DMS 调度周期任务和非周期任务。由于是使用静态的DMS算法,不仅可以减小任务的切换开销,而且对系统的瞬时过载有一定的适应性。 关键词:实时系统;任务调度;时限单调算法;总带宽服务器算法 1. 概述 随着计算机技术的飞速发展与普及,实时系统已经成为人们生产和生活中不可或缺的组成部分。实时系统具有及时响应、高可靠性、专用性、少人工干预等特征[1],被广泛应用于工业控制、信息通讯、网络传输、媒体处理、军事等领域。实时系统的正确性不仅依赖于计算的逻辑结果,还取决于获得计算结果的时间的正确性。在航空航天、电信、制造、国防等领域,对实时系统有着强烈的应用需求。 由于实时系统的应用面非常广,所以实时系统的分类方法很多。通常按照系统中任务的周期性或者任务对截止期限的要求进行划分。实时任务按照周期性划分可以分为周期实时任务(periodic task)和非周期实时任务(aperiodic task);按照对截止期限的要求可以分为硬实时任务和软实时任务[1]。 本文提出了结合TBS(总带宽服务器法)算法[5]和DMS(时限单调算法)[6]算法的实时混合任务的调度算法,该方法能保证周期任务满足时限的要求,还能缩短非周期任务的响应时间。算法将非周期任务赋予一个假想的时限,然后整个实时系统采用DMS算法调度。由于是使用静态的DMS算法,不仅可以减小任务的切换开销,而且对系统的瞬时过载有一定的适应性。 2. 实时系统的任务调度 由于实时调度是保障实时系统满足时间约束的重要手段,所以一直是实时计算研究领域中倍受关注的热点问题。调度的实质是资源的分配,包括处理器和其他运算、交互、存储资源,调度就是来用来将这些资源合理地分配给各个实时任务的一种方法。 根据调度顺序产生的时机和方式可以分为静态调度和动态调度[1]。若调度算法是在编译的时候就做出决定从就绪任务队列中选择哪个任务来运行的,则这样的调度是静态的。这类调度算法假设系统中实时任务的特性(如:截止期,WCET等)是事先知道的。它脱机地进行可调度性分析,并产生一个调度表。静态调度算法的优点是运行开销小,可预测性强。但是,由于静态调度算法一旦做出调度决定后在运行期间就不能再改变了,所以它的灵活性较差。 如果调度器是在运行期间才决定选择哪个就绪任务来运行的,则这类调度被称为动态调度。动态调度算法能够对变化的环境做出反应,因此,这类调度算法比较灵活,适合于任务不断生成,且在任务生成前其特性并不清楚的动态实时系统。但是,动态调度算法的可预测性差且运行开销较前者大。

移动边缘计算(MEC)中任务协同调度策略

目录 第一章绪论 (1) 1.1研究背景和意义 (1) 1.1.1 研究背景 (1) 1.1.2 研究意义 (3) 1.2国内外研究现状 (5) 1.2.1 MEC研究现状 (5) 1.2.2 任务协同调度机制研究现状 (6) 1.3主要研究内容及贡献 (8) 1.4结构和章节安排 (10) 第二章MEC系统中任务聚类策略 (11) 2.1引言 (11) 2.2问题描述 (11) 2.2.1 聚类算法简介 (12) 2.2.2 MEC系统中任务相似度度量 (13) 2.3MEC系统中的任务聚类策略 (14) 2.3.1 基于k-means算法的聚类策略 (14) 2.3.2 基于层次方法的聚类策略 (16) 2.3.3 基于SOM算法的聚类策略 (18) 2.3.4 基于FCM算法的聚类策略 (22) 2.4仿真验证与性能评估 (27) 2.4.1 时延的敏感度分类 (28) 2.4.2 评价指标 (28) 2.4.3 仿真结果与分析 (29) 2.5本章小结 (32) 第三章移动终端与MEC服务器任务协同调度 (33) 3.1引言 (33) 3.2问题描述 (33) 3.2.1 任务卸载流程 (35) 3.2.2 任务卸载开销 (35) 3.3单任务模式 (36)

3.3.1 模型描述 (37) 3.3.2 STM模型 (39) 3.3.3 算法设计 (40) 3.4多任务模式 (41) 3.4.1模型描述 (42) 3.4.2 MTM模型 (45) 3.4.3 问题NP性 (45) 3.4.4 算法设计 (46) 3.5仿真验证与性能评估 (50) 3.5.1 参数设置 (50) 3.5.2 仿真结果与分析 (51) 3.6本章小结 (55) 第四章MEC服务器与核心云任务协同调度 (56) 4.1引言 (56) 4.2问题描述 (57) 4.2.1 任务优先级 (58) 4.2.2 MEC服务器与核心云通信 (58) 4.2.3 MEC服务器计算模型 (59) 4.2.4 核心云计算模型 (60) 4.3MEC服务器与核心云任务协同调度模型 (61) 4.4基于动态规划的方案设计 (62) 4.5基于遗传算法的方案设计 (66) 4.5.1 染色体编码 (66) 4.5.2 适应函数 (67) 4.5.3 染色体结合 (67) 4.5.4 算法设计 (70) 4.6仿真验证与性能评估 (72) 4.6.1 仿真参数设置 (72) 4.6.2 仿真结果分析 (73) 4.7本章小结 (76) 第五章总结与展望 (78) 5.1全文总结 (78) 5.2未来展望 (79)

调度策略

Windows CNC多任务调度策略 一般对于单CPU 的CNC系统,系统软件结构采用前后台式。前台程序承担几乎全部实时功能,后台程序用来完成准备工作和管理工作,任务的调度机制采用优先抢占调度与时间片轮转相结合的机制。 (1)优先抢占调度机制 为了满足CNC 实时任务的要求,系统的调度机制必须具有能根据外界的实时信息以足够快的速度(在系统规定的时间内)进行任务调度的能力。优先抢占调度机制就是能满足上述要求的调度技术,它是一种基于实时中断技术的任务调度机制。 优先抢占调度机制,其功能有两个: 1优先调度。在CPU 空闲时,当同时有多个任务请求执行时,优先级高的任务将优先得以满足。 2抢占方式。在CPU 正在执行某任务时,若另一优先级更高的任务请求执行,CPU 将立即终止正在执行的任务,转而响应优先级高的任务的请求。 优先抢占调度机制是由硬件和软件共同实现的,硬件主要提供支持中断功能的芯片和电路,如中断管理芯片(8259或功能相同的芯片),定时器计数器(8263、8294 等)。软件主要完成对硬件的初始化,任务优先级的定义方式、任务切换处理(断点的保护与恢复、中断向量的保存与恢复等)。 (2)时间片轮转调度机制 任务就绪队列往往按任务到达的时间来排序。任务调度程序总是选择就绪队列中的第一个任务,也就是说按照先来先服务的原则调度,即根据任务进入就绪队列的先后次序来占有CPU,一旦一任务占有CPU,它就一直运行下去,直到该任务完成其工作或因等待某事件而不能继续运行时才释放CPU,但一旦任务占有CPU 仅使用一个时间片。在使用完一个时间片后,任务还没有完成其运行,它也必须释放出(被抢占)CPU 给下一个就绪的任务。而被抢占的任务返回到就绪队列的末尾重新排队等候再次运行。 时间片的大小对系统运行的影响很大。如果时间片很大,大到一个任务足以完成其全部运行工作所需的时间,那么时间片轮转策略将退化为先来先服务策略了。如果时间片很小,那么CPU 在任务间的转接工作过于频繁,CPU 真正用于运行任务的时间将会减小。 (3)调度策略 1、确定任务优先级,突发性实时任务具有最高优先级。 2、为其它各任务分配执行周期。如位控为4ms,插补为8ms,预处理为16ms,背景程序为55ms。即在55ms时间片内,最先执行位控任务,位控任务完成后,接着执行插补任务,如果4ms 时间到,则插补将被终止,又开始执行位控,当位控执行完后,从刚才中断处接着执行插补,插补执行完后接着执行预处理,以此类推。 3、在背景程序中,各任务分配相同的优先权,当一个任务执行完后,就绪队列中最前头的任务占据CPU运行,而先前运行任务失去对CPU的控制退至队列尾,直到循环使其达到队头时才重新获得控制权,即按先来先服务的原则调度。 4、当突发性实时任务发生,如故障中断、机床PLC中断及其它异常发生时,当前正在运行的任务将立刻终止执行,系统保存现场环境后,立刻去响应突发性实时中断信号,在执行完突发

单调速率调度算法RMS

余蓝涛1 (天津大学精密仪器与光电子工程学院天津 300072 ) 摘要: 嵌入式系统对强大实时处理能力的需求和相对紧张的内存及内核资源的现实,对嵌入式操作系统任务调度提出了较高的要求。因此任务调度的算法的分析,实现和优化,对实现嵌入式系统的实时性有着重大的意义。从算法提出的理论基础出发,深入分析了经典的单调速率调度算法的思想,特点,具体实现并重点评价了该算法的优点和局限性。 关键词:单调速率调度算法实时嵌入式系统 Abstract: The zest for powerful real-time processing of embedded system and the reality of relatively scare memory and kernel resource pave way for the high request for task scheduling. Therefore, the analysis, implementation and optimization of task scheduling algorithm have a vast meaning for the real-time system. Based on theoretical basis of classic rate-monotonic scheduling algorithm, this paper not only analyzes fundamental thought, characteristics, practical implementation of this classic algorithm in depth, but also rate its advantages and disadvantages. Key words: Rate-monotonic Scheduling, Algorithm, Real-time, Embedded System 一,引言 现在嵌入式系统得到高速的发展。它的发展为几乎所有的电子产品注入了新的活力。它在国民经济各领域和我们日常生活中发挥了越来越重要的作用。 嵌入式系统在航天、军事、工控以及家电等方面得到了广泛应用。囿于体积,能耗,价格等方面的约束,嵌入式系统处理器速度比较慢,存储器容量也有限。而传统的操作系统为了取得较高的性能,要求硬件设备具有强大的处理能力,大容量的存储能力以及对网络的支持功能,这使得传统的操作系统难以简单地移植到嵌入式系统中。 这就导致了嵌入式操作系统由于受到系统的限制,往往内存资源都非常的有限,要求操作系统的内核都非常的精炼,对于系统中的资源操作系统内核需要进行统一的分配和调度。 嵌入式操作系统调度策略一直以来都是嵌入式操作系统的研究 中的一个热点。任务调度是嵌入式操作系统内核的关键部分,如何进行任务调度,使得各个任务能在其截止期限内得以完成是嵌入式操作系统的一个重要的研究领域。 二,嵌入式实时操作系统 绝大部分嵌入式系统都是实时系统,而且多是实时多任务系统。所谓“实时”,是指系统的正确性不仅仅依赖于计算的逻辑结果而且依赖于结果产生的时间[1][6]。结果产生的时间就是通常所说的截止期限(deadline),描述系统实时性的指标主要有: a,对紧急事件可预见性的快速响应; 1作者简介:余蓝涛(1991-)江西省人天津大学精密仪器与光电子工程学院测控技术与仪器本科生学号:79

云计算中任务调度算法的研究综述

云计算中任务调度算法的研究综述-电子商务论文 云计算中任务调度算法的研究综述 文/张艳敏 摘要:云计算中任务调度算法的好坏直接影响云计算系统整体性能,也影响着云计算系统处理用户提交的任务的能力。本文归纳了云计算调度的特点和性能指标,总结了云计算中的任务调度算法,分析了云计算任务调度算法的研究现状及其进展。最后讨论了现有任务调度策略存在的问题,为云调度研究指明了方向和思路。 关键词:云计算;任务调度;遗传算法;蚁群算法 前言 云计算是一种基于互联网的新的服务模式,这种模式按使用量付费,提供可用的、便捷的、按需的网络访问,它将用户需求的计算任务分布在由大量计算机构成的数据中心,数据中心采用虚拟化技术,把各种软硬件资源抽象为虚拟化资源,再通过资源调度技术使各种应用能够根据需要获取计算能力、存储空间和信息服务。 在云计算环境中,一个大规模计算任务需要进行分布式并行处理,系统首先将逻辑上完整的一个大任务切分成多个子任务,然后根据任务的相应信息采取合适的调度算法,在不同的资源节点上运行这些子任务,所有的子任务处理完后进行汇总,最后将结果传给用户。云计算任务调度的目的是给需要的用户分配不同的资源,在某一特定的云环境下,依据某一种规则使用资源,在不同的用户之间平衡和调整资源,在满足用户需求的前提下,使得任务完成时间尽量小,且资源利用率尽量高。调度最终要实现时间跨度、服务质量、负载均衡、经济原则最

优等目标。云计算任务调度是云计算研究中的重点和难点。任务调度算法的优劣会影响到云计算系统处理任务的能力。近几年,研究者针对云环境下的资源调度做了很多研究,主要体现在以提高云计算数据中资源利用率为宗旨的资源管理与调度、以降低云计算数据中心的能耗为目标的资源分配与调度、经济学的云资源管理模型研究等方面。 本文综述了云环境下的任务调度算法,分析了近几年来典型的云计算任务调度算法的发展趋势,为相关领域的研究人员提供参考。 1、网格任务调度与云计算任务调度的比较 在网格计算和云计算中,虽然系统资源都是以数据池的形式呈现给用户,但它们之间的区别是网格用户的任务是通过实际的物理资源来执行,而云计算环境下的用户任务是通过逻辑意义上的虚拟资源来执行。对于以上两种计算方式,都是由用户将任务提交给计算中心,系统通过对任务的需求进行分析,然后来寻找合适的资源节点执行,此时的用户并不关心执行任务的是哪个节点。网格系统通过用户预先设定的任务并行执行算法,并结合自己的调度系统使用户任务实现跨物理节点并行执行[1],云计算任务调度通常情况不会跨虚拟机并行调度。尽管云计算是在网格计算、分布式计算及并行计算的基础上发展起来的,但是云环境比较复杂,任务呈现多样性,而且是以商业服务作为宗旨。云计算任务调度策略不能照搬传统调度策略来满足用户提出的各种任务要求,必须考虑怎样在高效任务调度与资源分配同时提高经济效益、资源利用率以及用户体验等各方面的因素。可靠的云服务和各层次的用户公平使用资源的机会是云计算调度策略必须考虑的问题,此外还需要有一个调度策略来提供系统可以使用的资源,以便满足多样化的用户需求。因此虚拟化技术在云计算中的广泛应用、中间层与资源节点以

相关文档
最新文档