多处理器混合关键性系统中的划分调度策略

多核处理器正越发广泛地应用到现代嵌入式系统的设计与实现当中,其强大的计算能力为将多个不同关键性级别的功能子系统集成到统一的共享资源平台提供了支持.混合关键性系统的调度问题即便在单处理器平台中都极具挑战性,在多处理器平台则更为困难.将目前资源利用率最高的单处理器混合关键性调度算法EY-VD扩展到多处理器平台中.首先,结合传统的划分调度策略提出了适用于多处理器混合关键性系统的MC-PEDF(mixedcriticality partitioned earliest deadline first)划分调度算法.尽管比之前的算法有更好的可调度性能,但传统的划分策略不能有效地平衡不同关键性级别下的负载,故其不完全适用于混合关键性系统.为了克服传统策略的不足,提出了划分调度策略OCOP(one criticality one partition).OCOP允许系统在关键性模式切换时对实时任务集进行重新划分,进而更好地平衡各个处理器在不同关键性模式中的资源利用率.基于OCOP,提出了第2种划分调度算法MC-MP-EDF(mixed-criticality multi-partitioned EDF).基于随机生成任务集的仿真实验结果表明,与MC-PEDF和已有的算法相比,MC-MP-EDF能够显著地提高系统的可调度性,尤其是在处理器数量较多的系统中.     

多处理器系统动态调度负载均衡节约算法

将任务集与处理器处理能力之间的匹配关系作为研究调度算法性能的重要因素,建立了相应的任务-处理器模型,以描述多处理器系统的负载状况.描述了多处理器系统任务可调度的必要条件,设计实现了任务集的生成方法.对节约算法进行改进,提出了负载均衡的节约算法.所提出的算法可在保证调度成功率的前提下,缩短任务的平均响应时间和调度长度,并均衡地提高处理器的利用率.     

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。     

一种基于分组与适当选取策略的实时多处理器系统的动态调度算法

在分析了近视算法和节约算法缺点的基础上，提出了一种新的实时多处理器系统的动态调度算法——分组适度算法．分组适度算法包括两个策略：分组策略和适当选取策略．分组策略是为了提高资源的利用率，在保证具有较小目标函数值的任务截止期限的情况下，优先选择可以共享访问资源的任务进行扩展．适当选取策略是为了提高处理器的利用率，当任务不访问资源以及任务所需资源的最早可用时间小于系统中处理器的最小最早可用时间时，选择最早可用时间最小的处理器；否则，选择最早可用时间最接近资源的最早可用时间的处理器．模拟结果表明，分组适度算法的任务接受率高于近视算法和节约算法的任务接受率．     

一个调度Out-Tree任务图的启发式算法

任务调度问题是并行分布式计算中的挑战性问题之一。大多数实际的调度算法是启发式的因而常常具有改进的余地。针对Out-Tree任务图这一基本结构提出一个基于任务复制的启发式调度算法,该算法在确保最短调度长度的同时,注重处理器的负载平衡,以达到节约处理器的目的。比较性实验的结果表明,该算法确保了最短调度长度且使用的处理器最少。因而,该算法提高了系统的利用率,避免消耗过多的资源,实际应用性更好。     

基于机器学习的异构感知多核调度方法

异构多核处理器已成为现代嵌入式系统的主流解决方案,而好的在线映射或调度方法对其充分发挥高性能和低功耗的优势起着至关重要的作用。针对异构多核处理系统上的应用程序动态映射和调度问题,提出一种基于机器学习、能快速准确评估程序性能和程序行为阶段变化的检测技术来有效确定重映射时机从而最大化系统性能的映射和调度解决方案。该方案一方面通过合理选择处理核和程序运行时的静态和动态特征来有效感知异构处理所带来的计算能力和工作负载运行行为的差异,从而能够构建更加准确的预测模型;另一方面通过引入阶段检测来尽可能减少在线映射计算的次数,从而能够提供更加高效的调度方案。最后,在SPLASH-2数据集上验证了所提出调度方案的有效性。实验结果表明,与Linux默认的完全公平调度（CFS）方法相比,所提出的方法在系统计算性能方面提高了52%,在CPU资源利用率上提高了9.4%。这表明所提方法在系统计算性能和CPU资源利用率方面具备优良的性能,可以有效提升异构多核系统的应用动态映射和调度效果。     

基于机器学习的异构感知多核调度方法

异构多核处理器已成为现代嵌入式系统的主流解决方案，而好的在线映射或调度方法对其充分发挥高性能和低功耗的优势起着至关重要的作用。针对异构多核处理系统上的应用程序动态映射和调度问题，提出一种基于机器学习、能快速准确评估程序性能和程序行为阶段变化的检测技术来有效确定重映射时机从而最大化系统性能的映射和调度解决方案。该方案一方面通过合理选择处理核和程序运行时的静态和动态特征来有效感知异构处理所带来的计算能力和工作负载运行行为的差异，从而能够构建更加准确的预测模型；另一方面通过引入阶段检测来尽可能减少在线映射计算的次数，从而能够提供更加高效的调度方案。最后，在SPLASH-2数据集上验证了所提出调度方案的有效性。实验结果表明，与Linux默认的完全公平调度（CFS）方法相比，所提出的方法在系统计算性能方面提高了52%，在CPU资源利用率上提高了9.4%。这表明所提方法在系统计算性能和CPU资源利用率方面具备优良的性能，可以有效提升异构多核系统的应用动态映射和调度效果。     

基于模糊多目标决策的网格资源调度算法研究

针对如何提高网格资源的使用效率和用户满意度及系统效率等问题,提出了一个基于层次调度模型的、将资源的表示与需求用XML方式描述、以模糊多目标决策理论为资源调度策略,以用户满意度和系统资源利用率为主要目标的综合网格资源调度算法.该算法不仅最大程度提高用户的满意度,而且较好地解决了网格资源的均衡使用,极大地提高了系统效率,对网格系统综合性能有明显地提高.     

虚系统防火墙中处理器资源分配方案

为了有效地解决虚系统防火墙中处理器资源分配问题,提出一个基于阈值触发的PQ与WRR队列结合的处理器资源分配方案.为每个虚系统设置一个软件队列,通过对各虚系统的软件队列调度来实现处理器资源在各虚系统中的按需分配.软件队列之间采用WRR算法实现了高效率的基于权重的调度,硬件队列和软件队列之间采用了动态优先级的调度算法,设置调度触发阁值,降低了调度方案引入的性能损失.测试数据表明,该方案引入的性能损失很低,且处理器资源在各虚系统中得到了按需调度.     

基于G1obus网格服务的作业调度的实现

为了实现作业调度系统的均衡分布,提高资源利用率和系统的吞吐率,通过对网格服务的研究,设计并实现了一种基于Globus网格服务的作业调度系统.提出了网格服务的模式,给出了作业调度系统的结构形式;设计并实现了一种综合考虑作业数、各结点性能以及当前负载情况的作业调度分配器系统.实验结果表明,此分配器系统能有效改善作业的分配和调度,大大提高分布式网络资源的利用率.