端到端时间约束的实时任务动态调度算法

在单处理机系统中,由于计算高优先级任务抢占的时间相对比较简单,所以单处理机调度理论取得了长足的进步.提出一个端到端时间约束的实时任务调度算法,当实时任务到达系统时,算法为任务的每个子任务在相应的处理机上预约一定的计算资源,把端到端的多处理机调度问题转换成单处理机调度问题,从而可以利用单处理机调度理论判定实时任务的可调度性.实验表明,该算法明显地提高了CPU利用率和任务接收率.     

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.     

基于组合优先级的自适应实时调度算法研究

在嵌入式实时操作系统中,由单个特征参数作为实时任务优先级的调度依据,并不能较好地描述系统中任务的关键性和紧迫性.提出一种基于组合优先级的自适应实时调度算法(SREDF),综合任务的截止期和CPU运行期设计任务的优先级,使截止期越早且CPU运行期越短的任务拥有最高优先级.处理器能有效地调度相同截止期的实时任务,并提前分析和预测任务能否完成.实验表明,该算法降低了任务调度的截止期错失率(MDP),并提高了任务调度的速度和效率.     

Xen虚拟机的虚拟CPU松弛协同调度方法

目前,Xen虚拟机调度算法均采用独立调度虚拟CPU的方式,而没有考虑虚拟机各虚拟CPU之间的协同调度关系,这会使虚拟机各个虚拟CPU之间产生很大的时钟中断数量偏差等问题,从而导致系统不稳定.为了提高系统的稳定性,基于Credit算法提出了一种比RCS(relaxed co-scheduling)算法更松弛的协同调度算法MRCS(more relaxed co-scheduling).该算法采用非抢占式协同调整方法将各个虚拟CPU相对运行的时间间隔控制在同步时间检测的上限门限值Tmax之内,同时利用同步队列中虚拟CPU优化选择调度方法和Credit算法的虚拟CPU动态迁移方法,能够更加及时地协同处理虚拟CPU,并且保证了各个物理CPU的负载均衡,有效地减少客户操作系统与VMM的环境切换次数,降低了系统开销.实验结果证明该方法不但保证了系统的稳定性,而且使系统性能得到一定程度的提升.虚拟机调度算法不仅影响虚拟机的性能,更会影响虚拟机的稳定性,致力于虚拟机调度算法的研究是一项非常有意义的工作.     

无线传感器网络混合任务的系统级低功耗实时调度算法研究

现有的无线传感器网络节能研究主要集中在无线通信上面,针对传感器节点CPU节能的研究还不够充分.本文以多任务、多跳网络传输的实时无线传感器网络为研究对象,从节点的调度分析出发,在保证其实时性的前提下,结合动态电压调节技术,提出两个低功耗实时调度算法:(1)基于任务最坏执行时间来计算任务CPU速度的静态低功耗调度算法;(2)将任务在实际执行过程中产生的空闲时间,分配给余下将要执行的任务,进一步调整其电压等级,即动态低功耗调度算法.仿真实验结果表明,本文提出的算法能够有效降低节点CPU能耗.     

基于反馈的实时集群系统中的负载平衡方法

为了提高实时集群系统中各节点的利用率并防止出现CPU使用率的热点,研究了实时集群系统中基于反馈控制的实时调度框架,并提出了一种新的面向任意图结构的负载平衡算法.该算法基于差异迁移系数和扩散负载平衡原理指导任务迁移以实现系统负载均衡,同时结合反馈控制以避免系统节点使用率振荡.实验结果表明,该算法不仅实现了节点间负载平衡,有效避免了局部热点,而且与反馈控制算法有机集成,保证整个系统稳定运行.     

基于比例公平的下行联合分组调度算法

传统比例公平算法不能很好地权衡系统吞吐量与用户间的公平性,为实现下行链路实时和非实时用户数据量的同步传输,提出一种基于比例公平的下行联合分组调度算法.给出调度模型和传输架构,从而获得联合分组调度算法.设计基线调度算法与其进行比较,结果表明,当系统负载为1时,该算法的吞吐量约提升13％,实时数据与非实时数据包时延均低于基线调度算法,且用户公平性指数较高.     

CPU的多层次并行调度优化模型仿真

通过CPU多调度模式优化,提高CPU运行效率.由于海量数据进行运算的过程中,存在调试不均衡的问题,传统的CPU调度模型不能很好的均衡所有的调度任务关系,无法满足数据运算的实际需求,导致CPU负载不均衡,降低了调度效率.提出基于二叉树搜索算法的CPU多层次并行调度方法.针对CPU中不同层次的任务量进行预测,建立多层次并行调度模型,实现海量调度任务的多层次并行调度.在每个层次中,进行二叉树搜索,完成各个层次独立的CPU任务调度.将二叉树搜索方法运用到多层次并行调度模型中,完成CPU的多层次并行调度.实验结果表明,利用改进算法进行CPU多层次并行调度,能够提高调度效率,缩短调度时间,完成CPU合理调度,保证CPU的运算速率.     

基于RTAI改进的Linux实时调度算法

针对Linux实时内核RTAI的RMS调度算法CPU利用率不高的不足,结合CFS算法能公平对待所有任务的优点,实现一种新的调度算法EIC-CFS(Epoch Increase Control-Completely Fair Scheduler)。实验表明,EIC-CFS算法在负载较高的情况下,CPU的利用率较RMS算法大幅提高,改善了CFS算法因处理器周期自动增长而无法对任务做出实时响应和处理的不足。     

实时容错调度算法的自动模拟系统模型与设计

实时容错技术是实时系统中的关键技术之一,而实时容错调度算法则是实时容错研究领域中需要重点研究的问题.传统的实时容错调度算法的性能模拟是通过手工完成的,如果采用自动模拟方法,可以提高模拟实验的效率和准确性.首先给出一个实时容错调度算法的自动模拟系统模型,该模型定义了自动模拟系统中的关键参数.然后,提出了实时容错调度自动模拟算法.最后,研究了该自动模拟系统的软件结构.文章研究的自动模拟系统具重要的指导意义,可以参考该系统设计其他类型的调度算法的自动模拟系统.该系统的实现可大大节省用于研究实时容错调度算法的时间和费用.     

一种基于PID反馈控制的分时调度算法

近年来，在实时操作系统的研究中，已开始将反馈控制融人操作系统的任务调度，将这一想法与分时操作系统相结合，提出一种基于PID反馈控制的分时调度算法，它能根据任务对CPU带宽的个性化需求，并考虑开放的分时系统中CPU占用率的不确定动态变化特性，动态地分配CPU带宽，使CPU对任务集的处理效果始终处于最佳状态，性能分析实验结果表明，它不仅兼容传统的分时调度架构，还具有良好的动态、静态特性及鲁棒性，且引入的调度费用较低。     

An optimal resources scheduling strategy on multimedia cloud computing under multi- device constraint

In view of the problem of inaccurate scheduling by using traditional resource scheduling method, because the method is mainly based on extracting and classifying the resource features to make scheduling, ignoring the effect of the feature relevance between the resources on the scheduling results. This paper presents a model for multimedia cloud resource scheduling based on multi- device constraint. In this method the objective function is no longer constrained only by the CPU computing capacity and the minimized completion time, but to achieve a minimum time-consuming of CPU, memory and other peripherals operation are considered as the scheduling objectives. Then the utilization of solving constrained jointly is employed to obtain the mapping relationship of the optimal virtual and physical machine. Moreover, a regressive dimensionality reduction algorithm is designed for this scheduling model to solve the high dimensional problems aroused by multi-device constraints. Simulation results show that the improved algorithm has a better performance than the traditional algorithm, has a good efficiency and has a certain convergence.     

分时EDF算法及其在多媒体操作系统中的应用

提出了一种新的CPU调度算法－－分时EDF（Earliest Deadine First)算法,该算法能保证硬实时任务不丢失死线,并易于在分时系统中实现。以分时EDF算法为基础,提出一种新的CPU层次调度算法－－HRFSFQ,该算法用于多媒体操作系统时能保证各类任务的QoS。最后通过大量实验证明了上述算法的有效性和正确性。     

移动云计算环境下多工作流任务调度的联合优化方法

传统移动云计算环境下的任务调度通过random算法来决定任务执行位置,通过动态电压调节技术来调节工作频率,通过任务间的差异性判别进行任务的整合,这往往带来了很多不合理的任务迁移,并导致CPU负载严重,造成了系统损害和大量能耗。针对多工作流任务提出了CCS算法,它包括consolidation算法与多任务并发算法,通过增加任务之间传输与执行的并发性,增加任务集整合的概率,提高任务的处理速率,减少任务的响应时间,增加CPU使用率的同时将主机和内核CPU使用率控制在阈值上限以下,避免CPU过载并根据多任务并发来优化local算法,调整任务执行位置,提高迁移效率的同时也避免了随机算法的局限性,实验结果表明该算法可以有效地提高系统性能,避免CPU过载问题,并且优化了能耗和工作流的完成时间。     

基于特征尺度均衡的Linux系统双阈值任务调度算法

在嵌入式Linux操作系统的设计和应用中,操作系统经过移植后运行在不同的硬件平台上,它需要一种有效的任务调度算法来实现进程管理和内存管理,以提高系统运行效率.提出了一种基于特征尺度均衡的Linux系统双阈值任务调度算法,分析了嵌入式Linux的内核结构,构建了系统任务调度模型.该算法对以往各类型任务的到达频率、执行时间等信息流进行统计,并提取特征尺度,在Linux系统的全局任务调度中心将所有任务进行融合,输入系统总调度器,得到尺度优化目标函数,进行特征尺度均衡处理;把均衡后的特征尺度时间轴划分成各个相邻但不重合的任务匹配平滑窗口,通过双阈值权衡判决实现对Linux系统的任务调度.仿真结果表明,采用该算法进行Linux嵌入式任务调度,具有较高的执行效率,CPU利用率高,整体性能优于传统算法.     

An Integrated Technique for Task Matching and Scheduling onto Distributed Heterogeneous Computing Systems

This paper presents a problem-space genetic algorithm (PSGA)-based technique for efficient matching and scheduling of an application program that can be represented by a directed acyclic graph, onto a mixed-machine distributed heterogeneous computing (DHC) system. PSGA is an evolutionary technique that combines the search capability of genetic algorithms with a known fast problem-specific heuristic to provide the best-possible solution to a problem in an efficient manner as compared to other probabilistic techniques. The goal of the algorithm is to reduce the overall completion time through proper task matching, task scheduling, and inter-machine data transfer scheduling in an integrated fashion. The algorithm is based on a new evolutionary technique that embeds a known problem-specific fast heuristic into genetic algorithms (GAs). The algorithm is robust in the sense that it explores a large and complex solution space in smaller CPU time and uses less memory space as compared to traditional GAs. Consequently, the proposed technique schedules an application program with a comparable schedule length in a very short CPU time, as compared to GA-based heuristics. The paper includes a performance comparison showing the viability and effectiveness of the proposed technique through comparison with existing GA-based techniques.     

大数据背景下的数据通信调度方法研究

大数据背景下,传统数据通信调度方法研究由于预测要素引入面窄、预测算法逻辑同意性差,导致数据调度出现数据调度断层现象;针对上述问题,提出大数据背景下数据通信调度3+1集成法设计;采用3+1集成法,通过CPU信号强度波动算法、处理器数据节点动态数检测技术、电频信号转换算法与快速执行代码,解决传统的数据通信调度过程中的数据响应慢、数据调度断层的问题;通过仿真实验证明,提出的大数据背景下数据通信调度3+1集成法具有数据调度速度快、资源开销小、调度数据准确度高的特点。     

动态抢占阈值调度中的快速任务选择算法

基于动态抢占阈值的实时调度算法集非抢占调度和纯抢占调度的特点,既减少了由于过多的随意抢占造成的CPU资源浪费,又保证了较高的CPU资源利用率。然而,现有的任务选择算法运行时的额外代价严重影响了系统的整体性能。针对这个问题,本文提出一种使用“选择树”作为任务队列结构的、时间复杂度为O（｜log2n｜）的快速任务选择算法。本文从理论上证明该算法正确性的同时,在使用ARM9芯片的Nokia智能手机上验证了该算法在嵌入式实时系统中的有效性。实验表明,该算法在充分利用处理器的同时能够有效降低动态阈值调度算法的额外代价。     

基于DVS技术的性能感知反馈调度算法

传统DVS算法在能量管理方面没有考虑实际系统性能的需求,这在一定意义上限制了其节能效果．针对这一问题,提出一种基于DVS技术的性能感知反馈调度算法．在反馈调度器中,分别采用DVS技术和模糊控制技术设计CPU电压调节模块和控制任务周期调节模块,实现对系统CPU速率和控制任务采样周期的动态调节．通过与基于固定采样周期的DVS反馈调度算法进行对比,结果表明该算法在保证系统控制性能的同时进一步降低了系统能耗．     

Kubernetes异构资源细粒度调度策略的设计与实现

在异构资源环境中高效利用计算资源是提升任务效率和集群利用率的关键。Kuberentes作为容器编排领域的首选方案,在异构资源调度场景下调度器缺少GPU细粒度信息无法满足用户自定义需求,并且CPU/GPU节点混合部署下调度器无法感知异构资源从而导致资源竞争。综合考虑异构资源在节点上的分布及其硬件状态,提出一种基于Kubernetes的CPU/GPU异构资源细粒度调度策略。利用设备插件机制收集每个节点上GPU的详细信息,并将GPU资源指标提交给调度算法。在原有CPU和内存过滤算法的基础上,增加自定义GPU信息的过滤,从而筛选出符合用户细粒度需求的节点。针对CPU/GPU节点混合部署的情况,改进调度器的打分算法,动态感知应用类型,对CPU和GPU应用分别采用负载均衡算法和最小最合适算法,保证异构资源调度策略对不同类型应用的正确调度,并且在CPU资源不足的情况下充分利用GPU节点的碎片资源。通过对GPU细粒度调度和CPU/GPU节点混合部署情况下的调度效果进行实验验证,结果表明该策略能够有效进行GPU调度并且避免资源竞争。