一种改进的实时混合任务调度算法

合集下载

一种准实时MAPREDUCE调度算法的改进与实现

一种准实时MAPREDUCE调度算法的改进与实现

摘要:该文通对mapreduce调度器中准实时调度算法的研究,实现了在mapreduce调度器上能够依据正在进行的任务的进度,对任务的完成时间进行估计,在运行时给每个任务动态的分配资源。

实验表明,本算法提高了mapreduce系统的资源利用率,达到了准实时mapreduce 调度的预期目标。

关键词:mapreduce;调度策略;调度算法中图分类号:tp311 文献标识码:a 文章编号:1009-3044(2016)15-0003-021 引言2 算法思想准实时mapreduce调度算法主要由作业性能估计及任务调度策略两部分组成。

1)作业性能估计的主要思想是:通过作业m中,已完成任务集合的完成时间和任务数量的统计,推测作业m中的任务平均完成时间,并且以此推测正在执行任务的剩余完成时间。

然后,准实时调度算法就可以以此作为判断任务性能的依据,确定任务的优先级并对任务进行调度。

2)任务调度策略的主要思想是:根据作业性能估计中得到的任务平均完成时间,通过公式推导,得出作业还需要的任务执行单元的数量,以此确定作业的优先级,调度器再根据作业的优先级,给不同的作业分配相应的资源。

任务调度策略包括两部分:一是将合适的优先级赋给作业;二是基于作业优先级的分配算法。

3 准实时mapreduce调度器的核心类及主要功能准实时mapreduce调度器的核心类由softrealtimeconfiguration类、soft real time operation in progress listener类、soft real time task scheduler类、soft real time operation类、operation tracker类和operation in progress类等组成。

准实时mapreduce 调度器的核心类图如图1所示,核心类及主要功能如下:1)softrealtimeconfiguration类继承自org.apache.hadoop.conf.configuration类,功能是进行配置文件管理。

基于Pareto改进的混合算法求解多目标柔性车间调度问题

基于Pareto改进的混合算法求解多目标柔性车间调度问题

-10 -工业仪表与自动化装置2021年第3期0引言随着互联网和工业制造技术的发展,智能制造基于Pareto 改进的混合算法求解多目标柔性车间调度问题赵 勇s 史亚斌s 何军红2,刘 赛2,马国伟2(1.西安高压电器研究院有限责任公司,陕西西安710077;2.西北工业大学航海学院,陕西西安710072)摘要:针对多目标柔性作业车间调度问题,该文建立优化目标为最大完工时间、机器平均相对 空闲率以及机器总负荷最小化的数学模型,并设计一种基于Pareto 改进的自适应混合算法(NGA -PSO )。

其算法采用分层结构相结合,底层采用基于隔离的小生境技术(Niche genetic algorithm , NGA ),上层采用粒子群算法(Particle swarm optimization , PSO )。

为提高算法的收敛效率和求解精度,提出了改进策略,采用适应度值分配策略作为种群选择的评价标准;设计动态的交叉变异概率, 使算子在迭代过程自适应地对种群的寻优操作进行调整。

最后,针对10个单目标基准案例与3个多目标典型案例进行仿真求解,通过与其他前沿算法进行对比验证NGA-PSO 算法的优越性。

关键词:多目标优化;混合算法;小生境技术;粒子群算法中图分类号:TH165文献标识码:A 文章编号#1000 -0682(2021 )03 -0010 -06Multi - objective flexible shop scCeduling problem with hybrit algorithm based on ParetoZHAO Yong 1 , SHI Yabin 1 , HE Junhong 2, LIN Sat 2 ,MA Guowet 2(1. XiOn High Voltage Apparatus Research Institute Co., Lt , Shaanxi XiOn 710077 , China ;2. School of MaggScience and Technology , Nog0westerg Polytechnial Universito , Shaanxi Xin 710072 , China #Abstract : In ordeo to solve the multi — objective 0x 1-0 job shop scheduling problem , the papeo es- tabotshLsamathLmattoaomodLothatopttmtzLsthLmaitmumoompotton ttmL , thLaeLeagLeoatteLtdoeat of the machine , and minimizes the total load of tPe machine , and designs an improved adaptive hybOd al ­gorithm based on Pareto ( NGA — PSO ) . The algorithm adopts a hmrarchical structure , tPe bottom layeo adopts isolation - based niche technoloae ( Niche genetic algorithm , NGA ) , and tre uppeo layeo adoptspaticle swam optimiztion ( PSO ) . In ordeo to improve the convergenco Vficmncy and solution accuracy of tre algorithm , an improved strategs is proposed. The fitnss vvlue allocation strategs is used as theevvluation standard foo population selection ; the dynamic cross — mutation probabilite is designed to make the operatoo 111x 60 optimize the population dueng the iterative process Make adjustments. Findlly, 10single — objective benchmark cases and 3 multi — objective typical cases are simulated and solved , and the supeyoyte of the NGA — PSO algorithm is vriged by compaison with otheo cutting — edge algorithms.Keywordt : multi — objective optimization ; hybrig agorithm ; niche genetic agorithm ; paticle swam opttmtzatton在车间生产和优化中的作用越来越重要,为了解决车间生产调度优化的问题,各个学者相继开展了制造系统的车间调度问题研究。

一种新型的实时调度算法

一种新型的实时调度算法
ssa d e p rme t e h tt i i n x ei n sset a hsmeh d p sesst ee v tg fb t t o o sse h d a a eo ohRM n n a dR: S.I hsmeh d.ak r ie p o t o o l F nt i t o ts saegv n r r yn t ny i i

t ,n t ntncR i adr emooo i( M)a oi js m ̄ uejb ’ r ryb h egho jb ’f cc u mae h me a l r h ut g t m r o s pi t ytel t fos le yl b t ksteew ohv o g o i n i e h aeal n
( 安徽 大 学 计 算智 能与信 号处 理教 育部 重点 实验 室, 安徽 合 肥 2 03 ) 309
摘 要: 在嵌入 式系 统中 , 系统的实 时性很 大程度 上取决 于任 务调 度 策略 。对 如何 提 高 系统 实 时性 的研 究 已经 成 为该 领
域 的一大 热点 。文 中针对传 统的忽 略了作 业所 能承受 的等 待 时间 的能 力仅 以等 待时 间 的长 短而 来 衡量 优 先级 的先 来 先 服务 (C S算 法 , Fr) 和仅 以任务 的周 期长 短来设 置 优 先级 而 导致 那些 周 期 长但 急 需要 执行 的任务 无 法 被调 度 的速 率单 调 ( M) 法 的缺陷 , 出一 种新 的动态设 置优先 级 的方 法~ 剩余 时 间 法。该 方 法 以任 务 的等 待时 间 和周 期共 同来决 定 优 R 算 提 先级 。通 过分析 和实 验表 明该 方法 兼具 R 和 F F 的优 点 。它 不仅 考虑 到 短周 期任 务应 优 先执 行 , M ℃S 而且 同时 也把 任 务 等 待时 间作为 评价优 先级 的重要 因素 , 验结果 证实 了该方 法能更 有效地 提高 实时任 务的完 成率 和 C U 的利 用率 。 实 P 关键 词 : 等待 时间 ; 周期 ;M 算法 ; 余时 间算法 ; 的完成 率 ;P 利用率 R 剩 任务 CU 中图分类 号 :]316 1PO . 文献标识 码 : A 文章编 号 :6 3 2 X 2 1 )2 03 0 17 —69 (0 0l —07 — 4

srpt调度算法

srpt调度算法

srpt调度算法
SRPT调度算法是短作业优先调度算法的一种改进,它的主要目标是最小化平均作业响应时间,提高调度效率和作业性能。

SRPT调度算法是现代操作系统中动态调度算法的重要组成部分,它在实时、多任务和混合应用中都得到了广泛应用。

SRPT调度算法的实现思路如下:
1.对于当前已到达且未被调度的作业,计算它们的剩余处理时间,向队列中插入新的作业。

2.从队列中选出剩余处理时间最小的作业(即SRPT作业),将其派发给CPU进行处理。

3.当SRPT作业在CPU上运行时,每经过一个时间片,都会减少剩余处理时间。

4.当SRPT作业完成处理时,将从队列中删除该作业,并继续将剩余处理时间最小的作业派发给CPU。

5.当SRPT作业等待I/O操作时,将其阻塞,直到I/O操作完成后继续执行。

SRPT调度算法的主要优点是可以最大限度地利用CPU资源,减少作业的平均响应时间和平均周转时间。

它能够在不同的负载水平下自适应地调度作业,使作业提供更快的响应时间和更高的吞吐量。

SRPT调度算法的主要缺点是可能会导致作业饥饿现象,即某些低优先级的作业永远得不到调度。

此外,SRPT调度算法的实现也比较复杂,需要动态地跟踪作业的状态、处理时间和I/O操作等信息。

总体来说,SRPT调度算法是一种高效、灵活的动态调度算法,在操作系统、云计算和分布式系统等领域广泛应用。

它为用户提供更加优质和高效的服务,同时也为系统管理员提供更加可靠和安全的运行环境。

作业车间调度问题的改进混合遗传算法

作业车间调度问题的改进混合遗传算法
孙 字 明
( 中南大学数 学学 院 , 沙, 1 0 3 长 408 )
摘 要 作业 车间调度是 一类求解 困难 的组合优化 问题 , 文在 考虑遗传算 法早 熟收敛 问题和 禁忌搜 索法 本 自适应优点 的基础上 , 将遗传 算法和禁忌搜 索法相结合, 出了一种基于遗 传和禁忌搜 索的混合算法 , 用实 提 并 例 对该 算法进行 了仿真研 究. 结果表明 , 该算 法有很好 的收敛精度, 是可行的 , 与传统 的算 法相 比较 , 有明显的
c n e g n e a d t e h d a t g so o v r e c n O g t t e a v n a e fTS, i a e r p s d a n w y rd ag rt m a e n Ge e i Th s p p r p o o e e h b i l o i h b s do n t c
2 基 于 遗 传 和 禁 忌 搜 索 的优 化 调 度 算 法
2 1 遗传 算法 .
・ 张鸿雁教授推荐 收 稿 日期 ; 0 6 9月 1 20 年 2日
维普资讯
7 6
数学理论与应用
第2 7卷
美 国 Ccia i gn大学 的 JH. l n []于本 世 纪末 提 出 了一种新 的并行优 化搜索 方法 : h . Hol d 1 a 遗 传算 法 , 它是一 种基 于进 行论 优胜 劣汰 、 自然选 择 、 者 生存 和物种 遗传 思想 的随 机优 化搜索 适
算 法 , 过 群体 的进行 来进 行全 局性 优化搜 索. 通 它将 问 题 的求 解表 示成“ 色体”的适者 生存 染
过 程 , 过“ 通 染色 体” 的一代代 不断进 行 , 括复 制 、 群 包 交叉和变 异等操 作 , 终 收敛到“ 最 最适应 环境” 的个 体 , 从而求得 问题 的最 优解或满 意解. GA 具有并 行搜索 能力 , 从解 空间 中多点 出发

一种基于改进蚁群算法的混合型调度算法

一种基于改进蚁群算法的混合型调度算法

生产 车间调度 是 对其 现 场 人员 、 备 、 艺 过 设 工
双 向收敛 的蚁 群算 法来求 解 Jb hp问题[ ; o —So 0 中
程及车间资源等进行有效地计划和配置 , 以达到提 国科 学 院 的宋 晓 宇 提 出应 用 蚁 群 算 法 求 解 适 合 高生产效率的 目的。调度 问题是典型的组合优化 Jb hp调度 问题 的调 度算 法 【 ; 海交 通 大学 o —S o 4上

21 00年 7月 中国制造业 信息 化
第3 9卷
第1 3期

种 基于 改 进 蚁群 算 法 的混 合型 调 度 算 法
张旭升, 戴青云
( 东工业 大学 信息 工程学 院 , 东 广州 广 广 500 ) 106
摘 要 : 对 混合 型制造 业车 间生产调 度及 时性 、 理性 、 学性及 应 用 结合性 上 的不 足 , 出了一 针 合 科 提 种 基 于改进蚁群 算 法的混合 型调度 算 法 , 结合 混合 型 生产 的特 点 , 首先 给 出了混合 型 生产调 度 问
示第 a种 பைடு நூலகம்员类 型 。
物料资源定义为:
Ma t= { t J , , t t } Ma6 … ma ( ) b
其中: a() m tt 表示当前生产车间物料的种类 ;
基金项 目: 广州市科委重点科技攻关项 且( 0 6 1 2o Z 一D3 2 ) 0 1 作者简介 : 张旭升(9 4一)男 , 18 , 广东潮州人 , 广东工业大学硕士研究生 , 主要研究方 向为 ME 、 S 制造工程。

企业 管理与信 息 化 ・
张旭 升
戴青 云
一种基 于改进 蚁群算 法 的混合 型调度算 法

一种基于动态优先级的实时混合任务调度算法

一种基于动态优先级的实时混合任务调度算法

一种基于动态优先级的实时混合任务调度算法
徐文清;杨红雨
【期刊名称】《四川大学学报(自然科学版)》
【年(卷),期】2006(043)003
【摘要】作者对现有多种实时任务调度算法进行研究,针对复杂实时任务模型,提出了一种新型的基于动态优先级的混合型实时任务调度算法.经过模拟测试验证,算法可以提高硬截止期任务满足截止期的概率,也可以提高固截止期任务完成数量占总数量的比例.
【总页数】5页(P544-548)
【作者】徐文清;杨红雨
【作者单位】四川大学计算机学院,成都,610064;四川大学计算机学院,成
都,610064
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种混合实时任务系统的公平调度算法 [J], 张惠娟;周水生;周利华
2.基于辅助队列的硬实时混合任务节能调度算法 [J], 张冬松;金士尧;吴彤
3.一种动态优先级实时任务调度算法 [J], 夏家莉;陈辉;杨兵
4.基于时限单调算法的混合任务实时调度算法的研究与设计 [J], 张阳;董吉文
5.基于混合任务的系统级低功耗实时调度算法及其在馈线远方终端中的应用 [J], 王晓东;戴华平;王智;孙优贤
因版权原因,仅展示原文概要,查看原文内容请购买。

一种改进的实时任务调度算法

一种改进的实时任务调度算法

一种改进的实时任务调度算法张黎明;张向利【摘要】Aiming at the singleness of priority selection,the important task is delayed for random scheduling when tasks’pri-orities are same,a double priority scheduling algorithm (DPSA)is designed.The scheduling order of task is based on length of the task’s path to the entrance task of resource and the upward weights in IHEFT.The proposed algorithm is comparedwith HEFT algorithm through the generated random DAG.The experimental result shows that DPSA can reduce the sched-uling length.%针对现有的表调度算法优先级选取单一、优先级相同时任务随机调度导致某些重要任务延迟处理的问题,提出了一种双优先级任务调度算法(DPSA)。

DPSA根据任务到入口任务的路径长度和IHEFT算法上行权重作为任务优先级安排任务调度顺序。

采用随机生成的有向无环图(DAG),与 HEFT算法进行对比实验,实验结果表明,DPSA 能获得更短的调度长度。

【期刊名称】《桂林电子科技大学学报》【年(卷),期】2014(000)006【总页数】4页(P460-463)【关键词】HEFT;DAG;双优先级;任务调度,表调度算法【作者】张黎明;张向利【作者单位】桂林电子科技大学信息与通信学院,广西桂林 541004;桂林电子科技大学信息与通信学院,广西桂林 541004【正文语种】中文【中图分类】TP316任务按照一定的规则和约束条件合理分配到相应的资源中,而执行任务的顺序由任务调度算法控制。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

一种改进的实时混合任务调度算法谢建平1,阮幼林1,21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@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。

根据正在运行的任务是否可以被别的更紧迫和更重要的任务抢占,可以分为抢占式调度和非抢占式调度。

在抢占式调度中,目前正在运行的任务可以被别的更紧迫和更重要的任务中断。

同时,被抢占的任务在将来可以恢复运行,且不会影响到任务的整体时间约束。

如果在调度中不允许正在运行的任务被别的任务中断,任务一旦占有了处理器便会一直运行直至完成,这样的调度则是非抢占式的,它比较适合于任务运行时间都比较短、所有任务可依次执行的系统。

3. 任务模型本文是基于文献[3]和文献[4]提出的改进的调度算法,主要适合具有以下特征的实时系统:(1) 所有任务运行在单处理器系统上(2) 优先级高的任务可以抢占优先级低的任务(3) 任务间相互独立(4) 任务的切换时间很小,可以忽略不计(5) 非周期任务先来先服务(6) 所有周期任务起始于临界时刻3.1 问题的描述设有一个任务集S=Tp1,Tp2,LL,Tp n,Tap1,Tap2,LL,Tap m(1)其中,Tp i(1≤i≤n)为周期任务,每个周期任务Tp i可用如下的四元式表示:Tp i=< Rp i,Cp i,Pp i,Dp i> (2)式中,Rp i为任务释放时间,Cp i为任务的最大执行时间,Pp i为任务周期,Dp i为任务时限;而Tap i(1≤ i≤ m)为非周期任务,每一个非周期任务可用如下的二元式表示:Tap i=<Cap i,Rap i > (3)式中,Capi为任务的最大执行时间,Rap i为任务释放时间。

设各个非周期任务的到达规律服从常数到达的泊松过程,到达率为λi(1 ≤i ≤m),则任务的平均到达时间间隔为1/λi,并且设Dp i≤Pp i[3]。

4. 任务的调度处理4.1 周期任务的处理RMS调度算法是一种典型的静态优先级调度算法,它根据任务的执行周期的长短来决定调度优先级,那些具有较短执行周期的任务将具有较高优先级。

DMS算法是在RMS算法的基础上发展起来的,它削弱了RMS算法中对任务模型的限制,允许任务的时限小于周期,它根据任务集中各任务的相对时限来静态分配优先级。

4.2 非周期任务的典型调度算法人们提出了许多非周期任务调度算法,这些算法可以分为两类:基于服务器(server-based)的算法与基于空闲时间(slack-based)的算法[2]。

服务器的算法,又称为带宽预留(bandwidth preserving)算法,其主要思想是:在保证满足硬实时周期任务截止期的前提下,引入一个或者几个额外的周期任务使用指定的处理器带宽作为服务器来处理非周期任务。

基于空闲时间的算法主要包括空闲时间偷取算法(slack stealing algorithm)、时间片移位算法(slot shiftingalgorithm)与双重优先级算法(dual priority algorithm),这些算法都是通过离线或者在线分析从定期任务调度的空隙获得尽可能多的处理时间来处理非定期任务。

为每个非定期请求分配一个尽可能早的截止期,这种截止期分配必须保证非定期任务的处理器利用率不能超过规定的最大值Us ,这就是TBS (total bandwidth server )算法的主要思想。

TBS 的定义非常简单,设第k 个非定期任务在时间t=r k 到达时,它被分配一个截止期[4]:d k =max(r k ,d k -1)+C k / U s (4)其中C k 表示这个非定期任务的执行时间,U s 是这个服务器的利用率,即处理器带宽,并且定义d 0=0。

4.3 实时系统中混合任务的处理DMS 算法只能用于周期任务的调度,对于非周期任务则无能为力。

然而,在现在的实时系统中,通常周期任务和非周期任务通常是共同存在的,为此,我们采用下面的方式进行混合任务调度。

任务调度算法如下:(1)、将周期任务按截止期大小设置优先级,并按优先级高低排列顺序,{Tp 1,Tp 2,LL ,Tp n },优先级越高,其优先级值越小。

即:priority(Tp i )>priority(Tp i +1),且priority(Tp i )=priority(Tp i +1)+1。

(2)、当有非周期任务Tap j =<Cap j ,Rap j >到达时,将其转换为临时周期任务T j =<Cap j ,P j ,Rap j ,D j >,并令P j =1/λi 。

即把周期任务看成是以平均到达时间间隔1/λi ,D k =max(ri ,d k -1)+C k / U s 为截止期的周期任务。

(3)、用DMS 根据下面的方式设置所有周期任务的优先级:当D j <D p1时,根据下式设置任务T j 的优先级,{j 1k k priority(T )=priority(Tp )priority(T )=priority(Tp )+1 k=1,2,,n L (5)当Dp i <D j <Dp i +1时,根据下式设置任务T j 的优先级,{j i k k priority(T )=priority(Tp )priority(T )=priority(Tp )+1 k=1,2,,n L (6) 当D j <Dp n 时,则根据下式设置任务T j 的优先级,j n priority(T )=priority(Tp )+1 (7)最后,按优先级高低顺序调度执行。

5. 瞬时过载处理在实际系统中,由于有非周期任务的随机产生,造成系统负载不断变化。

当到达的非周期任务的数量很多时,就有可能使系统会出现瞬时过载。

出现这种情况时,就要将一些不重要的任务卸去。

这里我们采用如下方法处理:(1)、当非周期任务到达时,先按前述方法设置任务的优先级,并判断系统是否可能会发生瞬时过载。

(2)、如果发现系统可能会过载,就按如下方式处理:检查所有任务的优先级和任务实现,如果发现有一个任务的优先级最低,又不能满足任务时限,则将其移出;如果最低优先级的任务有多个时,查看它们的任务时限,将任务实现最小的任务移出;若这种任务仍有多个时,再检索它们的执行时间,选取CPU 执行时间最长的任务,将之移出。

这种方法的目的是在系统出现瞬时过载时,将任务流中优先级最低、最不紧迫、且最不可能满足任务时限的任务移出,以使更多高优先级的、紧迫的任务通过调度执行,满足它们的任务时限,提高系统的性能。

为判断任务能否满足其任务时限,可用如下定理。

定理1:对于任务集S ={Tp 1,Tp 2,…,Tp n }中的任务Tp i ,如果满足下式,11i i j i i j j Dp Cp Cp Dp Tp −=⎡⎤×+≤⎢⎥⎣⎦∑ (8) 则任务Tp i 能满足其任务时限。

证明:高于Tp i 的任务到来后会先于任务Tp i 执行或中断任务Tp i 的执行。

11i i j j j Dp Cp Tp −=⎡⎤×⎢⎥⎣⎦∑是所有高于任务Tp i 的所有任务的执行时间之和。

如果它加上任务Tp i 的执行时间Cp i 之后,仍然小于任务时限,那么任务Tp i 肯定不会超时(即满足其任务时限)。

6. 系统可调度性分析定理2:若任务的时限等于任务的周期,即Dp i =Pp i ,则任务可调度的充分条件为:1/1(21)n n i i Un =≤−∑ (9)式中U i =Cp i /Pp i ,Tp i 为任务的利用率。

当n 很大时,处理机的利用率界限为ln2=0.69。

此定理考虑的是非常悲观的情况,在实际应用中,任务集一般不会碰到最坏的情况。

所以,即使这个定理的条件得不到满足时,任务集仍能够满足各任务的时限(即任务集是可调度的)。

相关文档
最新文档