异构集群系统中具有QoS 需求的实时任务容错调度

容错调度是调度问题中一个重要的研究内容,是提高系统可靠性的有效手段.目前已有很多集群系统中实时任务的容错调度算法,但是这些算法都没有考虑到任务的QoS需求问题.提出了一种异构集群系统中具有QoS需求的实时任务容错调度算法FTQ(fault-tolerant QoS-based scheduling).该算法采用主版本/副版本(primary/backup,简称PB)技术,综合考虑了任务的时间限制、任务的QoS需求、系统的可靠性和系统资源的利用率,能够自适应地根据系统负载情况动态地调整任务的QoS级别和副版本的执行模式,从而提高了系统的灵活性、可靠性、可调度性和资源的利用率.对系统的可靠性进行了定量分析,并将其引入到容错调度算法中,提高了系统的可靠性.同时,在调度过程中尽量提前主版本的开始时间,推迟副版本的开始时间,以使任务的副版本采用被动执行模式或者使任务主版本和副版本的重叠部分尽量少,提高了资源的利用率.此外,采用了副版本重叠技术,并分析了副版本的最晚开始时间及其约束条件,提高了任务的调度成功率.通过大量的模拟实验,对FTQ,NOFTQ和DYFARS算法进行了比较.实验结果表明,FTQ算法的性能优于其他方法,具有更好的调度质量.     

一种基于标准化QoS公平的反馈控制实时调度算法

任务间的QoS公平性是多QoS级别的可调节动态实时调度系统中的一个重要问题.本文引入了标准化QoS公平的概念,在公平性中加入了任务的重要性因素,并构造了具有PID反馈控制环节的实时调度算法NF-QoS来达到标准化QoS公平.利用NF-QoS对系统截止期错失率进行实时采样,定期反馈给PID控制器,根据PID控制器计算的结果对各任务QoS级别进行调整,以保证各任务公平地得到处理器资源.实验结果表明,NF-QoS不仅合理地协调了系统利用率和截止期错失率,并且有效地提高了系统的QoS公平性.     

基于可延迟调度提升实时数据对象时序一致性服务质量算法

针对保证实时数据对象时序一致性调度算法在软实时数据库系统环境下的应用问题,提出了一种基于概率统计的可延迟优化(SDS-OPT)算法。首先,分析和比较了现有算法在可调度性、服务质量(QoS)以及工作负载方面的特征与不足,指出优化现有算法的必要性;然后,利用最速下降法提升作业的执行时间筛选基准值,进而增加实时更新事务可调度的作业数量,以确保实时数据对象的时序一致性服务质量(QoS)最大化;最后,从工作负载和服务质量两个方面对所提算法和现有算法的性能进行对比分析。仿真实验结果表明,相对于已有的针对固定优先级可延迟调度算法(DS-FP)和统计性的非确定性可延迟调度算法(DS-PS),所提算法能够保证实时数据对象的时序一致性,同时降低工作负载,服务质量提升明显。     

一种实时异构系统的集成动态调度算法

提出了一种实时异构系统的集成动态调度算法.该算法通过一个新的任务分配策略以及软实时任务的服务质量QoS(quality of service)降级策略,不仅以统一方式完成了对实时异构系统中硬、软实时任务的集成动态调度,而且提高了算法的调度成功率.同时,还进行了大量的模拟研究.这些模拟以传统的近视算法为基准,将其应用在实时异构系统集成动态调度时的调度成功率与新算法进行比较,模拟结果表明,在多种任务参数取值下,新算法的调度成功率均高于传统的近视算法.     

能够提供QoS保证的固定优先级调度

弱硬实时应用要求调度算法必须确保提供满足其弱硬实时QoS(Quality of Service)参数要求的服务,一种新的能够提供(m,k)-firm保证的固定优先级调度算法被提出,该算法能够根据任务的周期以及所要求的QoS参数进行调度优先级的设定,并通过将任务设置为抢占和可选来反映其紧迫程度。文中给出该算法的可调度判定不等式,并且通过对经典任务集的调度结果,验证了算法的有效性和灵活性。     

一种改进的网格资源调度算法及其有色Petri网建模和分析

在Sufferage算法基础上提出了一种改进的网格资源调度算法ISufferage,从两个方面进行了改进:(1)考虑执行开始前输入数据以及执行完成后输出数据的存取和传输时间对调度决策产生的影响;(2)在算法中考虑用户的QoS要求,在追求最小的任务完成时间的同时兼顾用户QoS要求.为了对改进算法进行性能分析和评价,使用有色Petri网对网格调度系统和ISufferage算法进行了建模和仿真分析.结果表明,ISufferage比Sufferage算法更适合于实际的网格环境,能更好地满足用户的QoS要求.     

容错多处理机中一种高效的实时调度算法

针对基于主副版本容错的多处理机中独立的、抢占性的硬实时任务,提出了一种高效的调度算法——TPFTRM(task partition based fault tolerant rate-monotonic)算法.该算法将单机实时RM 算法扩展到容错多处理机上,并且调度过程中从不使用主动执行的任务副版本,而仅使用被动执行和主副重叠方式执行的任务副版本,从而最大限度地利用副版本重叠和分离技术提高了算法调度性能.此外,TPFTRM 根据任务负载不同将任务集合划分成两个不相交的子集进行分配;还根据处理机调度的任务版本不同,将处理机集合划分成3 个不相交的子集进行调度,从而使TPFTRM 调度算法便于理解、实现以及减少了调度所需要的运行时间.模拟实验对各种具有不同周期和任务负载的任务集合进行了调度测试.实验结果表明,TPFTRM与目前所知同类算法相比,在调度相同参数的任务集合时不仅明显减少了调度所需要的处理机数目,还减少了调度所需要的运行时间,从而证实了TPFTRM 算法的高效性.     

通用调度框架的改进及其在Linux中的实现

在嵌入式Linux实时系统中,要求内核对不同时问约束的任务采用不同的调度算法.但目前Linux内核采用单一的实时调度模式,不能灵活地执行多种调度算法,也就无法满足实时系统中实时任务的时间约束.引入了一种能够在Linux内核调度中执行多种调度算法的框架,即通用调度框架(GSF),并改进了其中的多算法调用机制,从而更好地在Linux内核中实现GSF.     

On-Demand数据广播环境下实时有序查询处理

在On-Demand数据广播环境下,广播服务器基于用户发送的数据请求等信息进行调度决策来满足用户的数据访问需求。在很多实际应用中,用户的数据请求需要在一定时间段内得到满足,即数据请求是有截止期的。现有研究只考虑了具有截止期约束的单个数据请求的调度问题,而实时查询处理即用户以查询为单位依次发送多个数据请求的研究尚未得到足够的关注。本文重点研究了On-Demand数据广播环境下如何有效地处理实时有序查询这一问题。基于对该问题的分析,定义了一类新的调度问题ROBS并证明了ROBS的Off-Line版本是NP-Hard的;提出了一种新的考虑查询语义的On-Line调度算法OL-ROBS,该算法通过综合考虑数据请求个数、查询截止期和查询剩余数据请求个数来确定待广播数据项的优先级;为提高OL-ROBS的执行效率,设计了一种裁减算法,用以减少调度决策的搜索空间。模拟实验将OL-ROBS与目前最为有效的实时数据请求调度算法Sinθ-进行了比较,结果显示OL-ROBS具有更低的错过截止期比率。     

一种动态优先级实时任务调度算法

现有实时任务调度算法往往根据任务的时间属性或者价值确定任务优先级,较少同时兼顾任务的价值和执行紧迫性.文中根据任务的价值和剩余执行时间讨论任务的剩余价值密度,根据任务的截止期和空余执行时间分析任务的紧迫性;然后综合任务的剩余价值密度和执行紧迫性,提出了动态分派任务优先级的DPA策略;最后提出了基于DPA的抢占调度算法DRTP.DRTP算法分析了任务抢占调度的各种可能条件,分析了系统中可能出现的颠簸调度,并给出避免颠簸的条件.仿真实验结果显示,与其它同类算法相比,DRTP算法能够提高系统价值收益,降低任务截止期错失率,并大大减少任务抢占的次数.     

基于实时数据仓库的OLAP研究

传统数据仓库及OLAP应用侧重对历史数据的分析.为了满足实时分析的要求,本文提出了一种实时数据仓库的分区结构.在分析了传统OLAP设计在实时性方面的缺陷后,我们提出了基于分区结构的实时OLAP的设计,使OLAP分析能够达到实时或准实时的要求.     

Partition-based workload scheduling in living data warehouse environments

The demand for so-called living or real-time data warehouses is increasing in many application areas such as manufacturing, event monitoring and telecommunications. In these fields, users normally expect short response times for their queries and high freshness for the requested data. However, meeting these fundamental requirements is challenging due to the high loads and the continuous flow of write-only updates and read-only queries that might be in conflict with each other. Therefore, we present the concept of workload balancing by election (WINE), which allows users to express their individual demands on the quality of service and the quality of data, respectively. WINE exploits these information to balance and prioritize both types of transactions—queries and updates—according to the varying user needs. A simulation study shows that our proposed algorithm outperforms competing baseline algorithms over the entire spectrum of workloads and user requirements.     

一种基于服务质量的多媒体任务模型

实时调度算法研究一直是实时系统领域的热点和难点.近年来,发展快速的多媒体应用由于需要保证一定的服务质量而呈现实时需求.然而,多媒体应用的特点使得很难使用传统任务模型对其进行描述.本文提出了一种基于服务质量的多媒体任务模型,并给出了在该模型下计算系统QoS指标的算法.该模型将有助于多媒体实时系统的理论分析和调度算法研究.     

Processing real-time transactions in a replicated database system

A database system supporting a real-time application has to provide real-time information to the executing transactions. Each real-time transaction is associated with a timing constraint, typically in the form of a deadline. It is difficult to satisfy all timing constraints due to the consistency requirements of the underlying database. In scheduling the transactions it is aimed to process as many transactions as possible within their deadlines. Replicated database systems possess desirable features for real-time applications, such as a high level of data availability, and potentially improved response time for queries. On the other hand, multiple copy updates lead to a considerable overhead due to the communication required among the data sites holding the copies. In this paper, we investigate the impact of storing multiple copies of data on satisfying the timing constraints of real-time transactions. A detailed performance model of a distributed database system is employed in evaluating the effects of various workload parameters and design alternatives on the system performance. The performance is expressed in terms of the fraction of satisfied transaction deadlines. A comparison of several real-time concurrency control protocols, which are based on different approaches in involving timing constraints of transactions in scheduling, is also provided in performance experiments. Recommended by: A. ElmagarmidThis work was initiated while the author was at the Computer Science Department, University of Illinois at Urbana-Champaign.     

基于Multi-Agent的主动实时数据仓库研究

传统的数据仓库不能提供实时查询,并且当前的主动实时数据仓库在实时性方面和分布式环境下存在许多不足,针对当前主动实时数据仓库存在的不足,提出基于Multi-Agent的主动实时数据仓库的基本框架,一方面借助了Agent的基本特性提高了数据仓库的主动性和实时性,另一方面采用方案Agent和集成Agent解决了分布式环境下数据仓库集成问题。     

数据流处理中确定性QoS的保证方法

与以往尽最大努力的查询服务提供方式不同,讨论了数据流处理中确定性QoS的保证问题以网络演算为理论基础,提出了一种数据流处理中的QoS建模和QoS保证方法.系统运行前验证所有查询在满足各自的QoS前提下的可调度性.在运行时为通过QoS可调度性验证的每个查询分配代表其QoS需求的服务曲线,从而保证各查询期望的QoS.为了提高查询处理效率,还讨论了保证QoS的批调度和查询共享.实验结果表明,该QoS保证方法能够有效地为数据流上的连续查询提供确定性的QoS保证.     

基于网络演算计算交换式工业以太网中的最大时延

为保证周期性实时数据在交换式工业以太网中的服务质量,在交换机中引入非抢占式的优先级调度方法,并在源节点对进入网络的非周期数据流进行漏桶管制;基于网络演算理论推导了交换机对不同类型数据的服务曲线;针对一个树型拓扑的交换式工业以太网模型,利用所推导出的结论计算了实时数据的最大网络时延.     

数据仓库中基于密度的批量增量聚类算法

数据仓库为数据挖掘提供了很好的平台,当数据仓库中的数据发生变化时,原来挖掘出来的模式也要相应地进行更新。MartinEster等最先提出了增量聚类算法,但算法在增量聚类过程中,更新对象依次一个个地单独处理,而没有考虑更新对象之间的关系,效率较低。该文提出了基于DBSCAN算法的批量增量聚类算法,减少了对象的检索,提高了增量聚类的效率。