高实时性异构多核处理器任务调度算法

在异构多核处理器条件下,Min-Min算法调度性能较好但在系统实时响应方面存在不足。最小空闲时间优先调度算法(LSF)、最早截止时间优先调度算法(EDF)和最大价值优先调度算法(HVF)虽然在系统任务调度响应实时性方面表现优异,但却不适用于异构多核处理器环境。为此,提出一种高实时性任务调度算法HRSA。在Min-Min调度算法的基础上融合LSF,EDF,HVF算法的调度策略,将任务能耗、任务完成价值和任务响应比相结合,在实现异构多核处理器任务动态调度的同时缩短系统对高实时性任务的响应时间。实验结果表明,相对于EDF算法和Min-Min算法,HRSA算法消耗单位能量所带来的价值较高,对高实时性任务处理的响应时间较短。     

基于动态抢占阈值的LSF调度算法

在最小空闲时间优先(LSF)调度算法中,当任务集中有多个任务的优先级相同或相近时,过多的上下文切换会产生“颠簸”现象,从而大幅增加系统开销。为此,结合LSF算法的特点,通过设计合理的动态抢占阈值,提出一种改进的调度算法DPTLSF。仿真结果表明,改进的算法能够大幅减少“颠簸”现象的发生,降低任务集的截止期错失率。     

模糊数据流实时任务调度算法

针对数据流系统中实时查询任务的特点,提出了基于模糊综合评判的动态优先级调度算法。用语言模糊集描述任务的不确定性因素和不同的优先等级,利用最大隶属度原理确定任务的优先等级。算法充分考虑了任务的持续周期性、任务之间存在依赖关系与共享滑动窗口的特点对任务优先级的影响。从累积实现价值率、差分截止期保证率和CPU切换频率3个方面测试了算法的性能,实验表明所提出算法相对于HVF算法、LSF算法、模糊动态抢占调度算法都有很大的改进。     

实时调度中基于多特征参数的任务优先级设计方法

本文在实时任务调度中基于任务的价值、剩余执行时间、空闲时间以及到达时间等多特征参数设计任务的优先级,并使任务的优先级随着任务紧迫性和完成程度变化而动态调整,并基于新的优先级设计策略提出一种实时动态抢占式调度算法VRSAF算法。仿真实验表明,在负载较轻时,VRSAF算法能获得近似EDF算法的调度性能;在过载情况下,其调度性能优于HVF算法;总体调度性能高,并能在系统过载的情况下实现平缓的降级。     

模糊动态抢占调度算法

针对不确定任务特征，提出应用模糊理论进行动态抢占调度，用语言模糊集来描述任务的不确定特征和不同的优先级等级，利用最大隶属度原理确定任务的优先级等级，采用优先调度高优先级等级任务的调度策略提高重要任务的调度成功率，实现具有不确定任务特征的抢占调度，与传统的EDF和LSF算法相比较，仿真表明，所提算法能够提高重要任务的调度成功率，并降低重要任务的截止期错失率；同时，任务间的平均切换次数大大小于LSF的平均切换次数，而与EDF保持相当，该方法可应用于计算机控制系统的控制任务调度，并借鉴于其它具有不确定任务特征或具有有限优先级等级的实时调度问题研究中。     

Linux中一种改进的实时调度算法及其应用

在实时操作系统中,调度算法起着关键性的作用,然而调度算法的开销与系统的调度性能之间经常是一对矛盾.就此问题,结合最新版Linux2.6内核任务调度的特点,提出了一种改进的最小裕度优先(LSF)算法.针对LSF算法中因任务间的频繁切换造成系统开销增大的缺点,通过采用适当的抢占阚值策略减少"颠簸"现象,提高了Linux2.6内核的实时性.     

基于异构多核处理器的静态任务调度研究

针对现存任务调度算法优先级选取过于单一、冗余任务处理较晚的问题,提出一种基于加权优先级的任务调度算法--WPTS算法.该算法综合考虑任务3个属性的加权值以决定任务被处理的先后次序,从而克服了任务选取时的单一性问题.在将任务分配到处理器的过程中,保证任务优先调度到完成时间最早的处理器上.同时,引入冗余任务处理过程,及时消除冗余任务,达到对处理器空闲时间段进行有效回收、减少处理器调度长度的效果.性能对比实验表明,WPTS算法较CPFD算法、HCPFD算法和HDEFT算法能取得更好的性能.     

基于优先级的数据流数据库实时事务调度算法与实现

数据流数据库系统中的持续查询事务存在着依赖及算子共享的复杂关系．提出了基于综合事务空闲时间与价值的优先级调度算法．在算法中充分考虑了有依赖关系与共享算子的实时事务对事务优先级的影响．利用有关联的双链表给出了算法的实现，包括事务的接收策略与事务完成／夭折算法的实现．最后在GStream系统中，从累积实现价值率和差分截止期2个方面实验了算法的性能，实验表明LSV算法相对于RR算法、LSF算法、HVF算法都有很大的改进．     

面向SaaS平台任务调度策略研究

SaaS作为一种云服务方式,在面对云环境内部大量的任务以及请求的时候,如何进行有效的任务调度和高效率的资源分配是目前亟需解决的难题。通过任务的调度和资源分配,使系统的性能达到最优,但是如何衡量任务的优先级成为了调度算法研究的核心。提出了一种任务调度策略和IDV(Integrated Deadline and Value)算法,综合考虑了任务截止日期和任务价值两个因素,并通过实验仿真验证了这种算法比EDF(Earliest Deadline First)和HVF(Highest Value First)在加权截止期保证率方面有明显的改进。     

异构云环境下基于分簇的云资源感知任务调度方案

针对提高异构云平台中资源调度的效率,提出了一种基于任务和资源分簇的异构云计算平台任务调度方案。利用K-means算法,根据任务的CPU和I/O处理时间对任务分簇,根据资源的计算能力对资源分簇;然后,将任务簇对应到合适的资源簇,并利用最早截止时间优先（EDF）算法对任务簇中的独立任务进行调度,利用提出的改进型最小关键路径（MCP）算法对依赖性任务进行调度。实验结果表明,在资源异构的云计算环境中,该方案执行任务时间短、能耗低。