CN105893148A - 一种基于rm策略的偶发任务低能耗调度方法 - Google Patents
一种基于rm策略的偶发任务低能耗调度方法 Download PDFInfo
- Publication number
- CN105893148A CN105893148A CN201610190341.9A CN201610190341A CN105893148A CN 105893148 A CN105893148 A CN 105893148A CN 201610190341 A CN201610190341 A CN 201610190341A CN 105893148 A CN105893148 A CN 105893148A
- Authority
- CN
- China
- Prior art keywords
- task
- speed
- processor
- resource requirement
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/5038—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/329—Power saving characterised by the action undertaken by task scheduling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于RM策略的偶发任务低能耗调度方法,包括在任务集调度之前,分配任务的初始优先级和执行优先级;计算任务的最大阻塞时间和最坏情况下的处理器需求;将任务集划分为有资源需求的任务集和没有资源需求的任务集,计算有资源需求任务集的最低运行速度,计算没有资源需求的任务集的最低运行速度;计算任务集离线阶段的运行速度;建立空闲时间管理队列,计算任务的空闲时间,利用DVS技术,调节处理器运行速度,确保最后的运行速度不低于关键速度。本发明考虑了通用的功耗模型、任务的执行时间与处理器速度成非线性关系情形及处理器速度切换开销,同时结合了DVS技术和DPM技术,较大地降低了能耗。
Description
技术领域
本发明涉及嵌入式***领域偶发任务的实时调度,特别涉及一种基于RM策略的偶发任务低能耗调度方法。
背景技术
嵌入式设备在生活中的应用越来越广泛,常见的嵌入式设备如手机、MP3、IPAD、笔记本电脑等,这些设备都是使用电池供电,由于电池容量有限,所提供的能耗也是有限,对于这些便捷式嵌入式设备而言能耗问题就很凸显。降低能耗不仅能够延长设备的使用时间,降低设备的发热量;而且能够减少电池的更换周期。因此,低能耗成为嵌入式设备的设计目标。处理器是嵌入式设备的核心,其功耗主要来自频率翻转造成的动态功耗和漏电流形成的静态功耗。动态功耗管理(DPM)技术和动态电压调节(DVS)技术是目前降低***能耗的常用技术。DPM技术主要通过将闲置的设备关闭来减少***能耗。而DVS技术主要根据***的负载动态调节处理器速度减少***能耗。
目前很多研究者将经典的实时调度理论和低功耗技术结合起来,解决***的能耗问题。然而这些研究主要关注周期任务模型和混合任务模型。目前对于偶发任务模型的研究相对较少。现有的偶发任务低能耗调度方法,利用EDF策略调度任务,适用于动态优先级***,忽略处理器的静态功耗和处理器速度切换开销。此外,这些方法假设任务的执行时间与处理器速度成线性关系。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于RM策略的偶发任务低能耗调度方法,RM(单调速率)策略是固定优先级调度策略,任务的优先级由任务的周期(最小释放间隔)决定,周期(最小释放间隔)越小,其优先级就越高,高优先级的任务优先执行。该方法适用于静态优先级任务***,考虑了通用的功耗模型、任务的执行时间与处理器速度成非线性关系情形、处理器速度切换开销,同时结合了DVS技术和DPM技术。
本发明解决其技术问题所采用的技术方案是:
一种基于RM策略的偶发任务低能耗调度方法,包括如下步骤:
分配任务的初始优先级和执行优先级;
计算任务的最大阻塞时间和最坏情况下的处理器需求;
将任务集划分为有资源需求的任务集和没有资源需求的任务集,分别计算有资源需求任务集和没有资源需求任务集的最低运行速度;
计算任务集离线阶段的运行速度;
建立空闲时间管理队列;回收任务提早完成产生的空闲时间,将空闲时间分配给当前时刻队列中优先级最高的任务,计算处理器当前时刻运行速度;将处理器当前时刻运行速度与预设的关键速度进行比较,利用DVS技术调节处理器运行速度确保其不低于关键速度。
所述分配任务的初始优先级和执行优先级包括:
根据RM策略分配任务的初始优先级,任务的最小释放间隔越小,其初始优先级越高;
将任务集划分为有资源需求和没有资源需求的任务子集;
计算所有共享同一资源任务的初始优先级中的最大值;
若任务属于没有资源需求任务子集中的任务,分配其执行优先级等于初始优先级;若任务属于有资源需求任务子集中的任务,分配其执行优先级等于所述所有共享同一资源任务的初始优先级中的最大值。
所述计算任务的最大阻塞时间和最坏情况下的处理器需求步骤中,任务Ti的最大阻塞时间B(Ti)表示为:
其中,IPi表示任务Ti的初始优先级,EPj和IPj分别表示任务Tj的执行优先级和初始优先级,ej表示任务Tj在最大处理器速度下最坏情况下的执行时间,rj表示任务Tj的资源需求,k为整数,其取值范围为1≤k≤m,m表示任务共享资源的个数;
任务Ti在区间[0,L]最坏情况下的处理器需求D0,L表示为:
其中,其中ei表示任务Ti在最大处理器速度下最坏情况下的执行时间,L为大于0的实数,其值为表示使用资源的所有任务最小释放间隔,pi表示任务Ti的最小释放间隔,ri表示任务Ti的资源需求。
所述将任务集划分为有资源需求的任务集和没有资源需求的任务集,并分别计算有资源需求任务集和没有资源需求任务集的最低运行速度包括:
将任务集划分为有资源需求的任务集和没有资源需求的任务集;
有资源需求任务集的最低运行速度LSRT(i)根据任务集的最坏情况下的处理器需求计算,用如下公式表示:
其中,SRT(i,L)表示有资源需求的任务集在时刻L所有任务满足其截止期限的最小运行速度,其值为表示任务Tj最坏情况下的执行时间,pj表示任务Tj的最小释放间隔;
没有资源需求的任务集的最低运行速度SNRT(i)根据任务集的负载计算,用如下公式表示:
其中,DTS表示延迟释放的任务集,DTS中的每个任务释放时间的间隔都大于其最小释放间隔,Fc(n)表示RM策略调度任务集可行的利用率上界。
所述计算任务集离线阶段的运行速度用如下公式表示:
其中,Slub(i)表示偶发任务集在区间[0,L]的最小运行速度,用如下公式表示:
所述空闲时间用如下公式表示:
其中,Wi表示任务Ti最坏情况下的剩余执行时间,Ui表示任务Ti的剩余执行时间,τi表示在此时刻之前处理器速度切换开销。
所述计算处理器当前时刻运行速度包括:
计算处理器当前时刻运行速度S,其中
将其与速度Ssfpsasr进行比较;若S>Ssfpsasr,设置S=Ssfpsasr;否则所述S保持不变。
所述速度Ssfpsasr计算方法如下:
若处理器空闲时,设置Ssfpsasr=Smin,所述Smin为处理器最低运行速度;
当任务Ti释放一个实例,且其属于DTS时,提高Ssfpsasr,提高的量为
当任务Ti没有释放实例,且其不属于DTS时,且当前的时间间隔超过其最小释放间隔时,降低Ssfpsasr,降低的量为
所述任务的初始优先级用如下公式表示:
IPi=n-i+1
其中,n表示偶发任务集中偶发任务的个数,i为大于等于1小于等于n的整数。
所述所有共享同一资源任务的初始优先级中的最大值用如下公式表示:
其中,1≤i≤m,m表示任务共享资源的个数,rj表示任务Tj的资源需求。
本发明具有如下有益效果:
(1)本发明提供的基于RM策略的偶发任务低能耗调度方法,不仅考虑了通用的功耗模型、任务的执行时间与处理器速度成非线性关系情形以及处理器速度切换开销,而且能够适用于静态优先级任务的***,同时利用DVS技术和DPM技术,从而比现有的偶发任务低能耗调度方法节约大约79.37%~82.94%的能耗;
(2)能够确保偶发任务在其截止期限内完成执行,且能够确保资源被互斥的使用;
(3)***能耗的降低,可以降低产品的生产成本,延迟设备的使用时间,减少电池的更换周期。
以下结合附图及实施例对本发明作进一步详细说明,但本发明的一种基于RM策略的偶发任务低能耗调度方法不局限于实施例。
附图说明
图1为本发明方法的流程图示意图;
图2为本发明的实施例归一化能耗与***利用率的仿真实验结果图;
图3为本发明的实施例归一化能耗与任务真实负载的仿真实验结果图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
参见图1,本发明提供的一种基于RM调度策略的资源受限偶发任务低能耗调度方法,包括如下步骤:
步骤101:分配任务的初始优先级和执行优先级;
具体的,初始优先级根据RM算法进行分配,任务的最小释放间隔越小,其优先级就越高;执行优先级是在任务获得CPU等资源开始执行时分配的,其优先级在任务完成执行之前都保持不变;对于没有资源需求的任务,其初始优先级等于其执行优先级。
进一步的,任务Ti的初始优先级IPi根据RM算法分配,其值为IPi=n-i+1,i表示任务Ti的下标,其值为1≤i≤n之间整数,其中n为偶发任务集中偶发任务的个数;任务的初始优先级的数值越大,其优先级就越高。
所有使用资源Ri的任务的最高优先级用πi表示,其值由下式计算:
其中,1≤i≤m,m表示任务共享资源的个数,n表示偶发任务集中偶发任务的个数,rj是任务Tj的资源需求,IPj分别表示任务Tj的初始优先级。
任务的执行优先级分配方法如下:将任务集划分为两个不相交的子集A和B。集合A中的任务没有资源需求,集合B中的任务有资源需求。集合A中的任务的执行优先级等于其初始优先级。集合B中的任务的执行优先级等于所有共享同一资源任务的初始优先级中的最大值。对于集合B中的任务Ti,其执行优先级EPi=πi。
步骤102:计算任务的最大阻塞时间和最坏情况下的处理器需求;
具体的,任务Ti的最大阻塞时间B(Ti)是由初始优先级比它低的任务所造成的,其值为其中ej是任务Tj在最大处理器速度下最坏情况下的执行时间,rj是任务Tj的资源需求,k是整数,其取值范围为1≤k≤m,m表示任务共享资源的个数,EPj和IPj分别是任务Tj的执行优先级和初始优先级。任务Ti在区间[0,L]最坏情况下的处理器需求D0,L,其值为其中ei表示任务Ti在最大处理器速度下最坏情况下的执行时间,L为大于0的实数,其值为表示使用资源的所有任务最小释放间隔,pi表示任务Ti的最小释放间隔,ri表示任务Ti的资源需求。
步骤103:将任务集划分为有资源需求的任务集和没有资源需求的任务集,分别计算有资源需求任务集和没有资源需求任务集的最低运行速度;
具体的,将任务集划分为有资源需求的任务集和没有资源需求的任务集;有资源需求任务集的最低运行速度LSRT(i)根据任务集的最坏情况下的处理器需求计算,没有资源需求的任务集的任务最低运行速度SNRT(i)根据任务集的负载计算,SNRT(i)是集合NRT(i)在时刻所有任务满足其截止期限的最小运行速度,其值为其中DTS是延迟释放的任务集,DTS中的每个任务其释放时间的间隔都大于其最小释放间隔,ej是任务Tj最坏情况下的执行时间,pj是任务Tj的最小释放间隔,Fc(n)是RM策略调度任务集可行的利用率上界,其值为
SRT(i,L)是有资源需求的任务集在时刻所有任务满足其截止期限的最小运行速度,其值为所有共享资源Ri的最小运行速度SRT(i,L)的最大值用LSRT(i)表示,其值为
步骤104:计算任务集离线阶段的运行速度;
具体的,任务Ti在区间是唯一一个有资源需求的任务,偶发任务集T在区间[0,L]的最小运行速度Slub(i),其值为Slub(i)=LSRT(i)+SNRT(i,L),假如偶发任务集不只一个任务共享资源,且其共享的资源不同,任务集离线阶段的运行速度Lsub必须满足所有任务的处理器需求,其值由下式计算:
其中ri是任务Ti的资源需求,DTS是延迟释放的任务集,是使用资源的所有任务最小释放间隔,pi是任务Ti的最小释放间隔。
步骤105:建立空闲时间管理队列;回收任务提早完成产生的空闲时间,将空闲时间分配给当前时刻队列中优先级最高的任务,计算处理器当前时刻运行速度;将处理器当前时刻运行速度与预设的关键速度进行比较,利用DVS技术调节处理器运行速度确保其不低于关键速度。
具体的,建立空闲时间管理队列α的方法为:通过建立一个链表,将任务按照其优先级顺序排列,放在这个链表中,当任务的空闲时间等于0时,将其从链表中移除,当任务完成执行时,将其按照其优先级顺序***链表中。
回收任务提早完成产生的空闲时间ST具体是:空闲时间其中Wi为任务Ti最坏情况下的剩余执行时间,Ui为任务Ti的剩余执行时间,τi为在此时刻之前处理器速度切换开销。具体的,Wi,Ui开始时都是设置为ei,ei是任务最坏情况下的执行时间,随着任务的执行,Wi,Ui都减小,假如任务执行t个单位的时间,这两种相应减少t的单位,任务完成执行时将Wi设置为0。τi是处理器速度切换开销,τi=K|Si-Sj|,K是常数,Si、Sj是处理器的速度。
进一步的,将空闲时间分配给此时队列中优先级最高的任务,计算此时处理器运行速度S,其值为将其与速度Ssfpsasr进行比较,Ssfpsasr的计算方法如下:
假如处理器空闲时,设置Ssfpsasr=Smin,Smin为处理器最低运行速度;
当任务Ti释放一个实例,且其属于DTS时,提高Ssfpsasr,提高的量为
当任务Ti没有释放实例,且其不属于DTS时,且当前的时间间隔超过其最小释放间隔时,降低Ssfpsasr,降低的量为
当速度S>Ssfpsasr时,设置S=Ssfpsasr;否则速度S保持不变。
将处理器运行速度S与预设的关键速度进行比较,利用DVS技术调节处理器运行速度S确保其不低于关键速度。所述关键速度是***能耗最低的运行速度,不同的处理器关键速度是不一样的。
进一步的,当处理器处于空闲状态时,判断此时的空闲间隔是否大于处理器状态切换的开销,如果大于的话,利用DPM技术,将处理器切换到低功耗状态;否则,不做处理。具体的,只要空闲间隔大于处理器状态切换的开销时,就会自动切换。
如图2所示,本实施例中,设置任务的最坏情况下的执行时间(WCET)与最好情况下的执行时间(BCET)的比值为5,***利用率为0.1到0.6,步长为0.05,假设处理器速度切换开销的常数为0.1。图2中比较了三种方法,第一,RM/DPP方法,该方法任务始终以最大的处理器速度执行;第二,SFPSASR方法,该方法中假设任务以其最坏情况下的执行时间执行,不能够回收动态空闲时间,只利用DVS技术节能;第三,本发明的方法,该方法同时结合DVS技术和DPM技术考虑处理器速度切换开销,能够利用动态空闲时间降低能耗;以RM/DPP方法在***利用率为0.6时的能耗为基准进行归一化。从图2中可以看出,所有方法的能耗都受到***利用率的影响,***利用率上升,所有方法的归一化能耗上升;这是因为***利用率越高,每个任务的执行时间增加。本发明的方法与其他方法相比有明显的优势,与RM/DPP方法相比节约73.68%~85.22%的能耗,与SFPSASR相比节约49.08%~64.89%的能耗。
如图3所示,本实施例中,图3设置***利用率为0.31812,考察任务真实负载对能耗的影响,WCET与BCET的比值从1到10,步长为1,假设处理器速度切换开销的常数为0.1,以RM/DPP算法在WCET与BCET的比值为1的能耗为基准进行归一化。图3中所比较的方法和图2的相同。从图3中可以看出,RM/DPP方法的能耗受到WCET与BCET的比值的影响;WCET与BCET的比值上升,其归一化能耗下降;这是因为WCET与BCET的比值越高,任务的真实执行时间越小。WCET与BCET的比值的变化,对SFPSASR方法和本发明的方法的影响不大。这主要是因为这两种方法任务的运行速度受到任务集离线阶段的速度限制。本发明的方法的能耗都低于其他方法的能耗,与RM/DPP方法相比节约79.37%~82.94%的能耗,与SFPSASR相比节约42.14%~51.73%大约的能耗。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于RM策略的偶发任务低能耗调度方法,其特征在于,包括:
分配任务的初始优先级和执行优先级;
计算任务的最大阻塞时间和最坏情况下的处理器需求;
将任务集划分为有资源需求的任务集和没有资源需求的任务集,分别计算有资源需求任务集和没有资源需求任务集的最低运行速度;
计算任务集离线阶段的运行速度;
建立空闲时间管理队列;回收任务提早完成产生的空闲时间,将空闲时间分配给当前时刻队列中优先级最高的任务,计算处理器当前时刻运行速度;将处理器当前时刻运行速度与预设的关键速度进行比较,利用DVS技术调节处理器运行速度确保其不低于关键速度。
2.根据权利要求1所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述分配任务的初始优先级和执行优先级包括:
根据RM策略分配任务的初始优先级,任务的最小释放间隔越小,其初始优先级越高;
将任务集划分为有资源需求和没有资源需求的任务子集;
计算所有共享同一资源任务的初始优先级中的最大值;
若任务属于没有资源需求任务子集中的任务,分配其执行优先级等于初始优先级;若任务属于有资源需求任务子集中的任务,分配其执行优先级等于所述所有共享同一资源任务的初始优先级中的最大值。
3.根据权利要求1所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述计算任务的最大阻塞时间和最坏情况下的处理器需求步骤中,任务Ti的最大阻塞时间B(Ti)表示为:
其中,IPi表示任务Ti的初始优先级,EPj和IPj分别表示任务Tj的执行优先级和初始优先级,ej表示任务Tj在最大处理器速度下最坏情况下的执行时间,rj表示任务Tj的资源需求,k为整数,其取值范围为1≤k≤m,m表示任务共享资源的个数;
任务Ti在区间[0,L]最坏情况下的处理器需求D0,L表示为:
其中,其中ei表示任务Ti在最大处理器速度下最坏情况下的执行时间,L为大于0的实数,其值为 表示使用资源的所有任务最小释放间隔,pi表示任务Ti的最小释放间隔,ri表示任务Ti的资源需求。
4.根据权利要求3所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述将任务集划分为有资源需求的任务集和没有资源需求的任务集,并分别计算有资源需求任务集和没有资源需求任务集的最低运行速度包括:
将任务集划分为有资源需求的任务集和没有资源需求的任务集;
有资源需求任务集的最低运行速度LSRT(i)根据任务集的最坏情况下的处理器需求计算,用如下公式表示:
其中,SRT(i,L)表示有资源需求的任务集在时刻L所有任务满足其截止期限的最小运行速度,其值为ej表示任务Tj最坏情况下的执行时间,pj表示任务Tj的最小释放间隔;
没有资源需求的任务集的最低运行速度SNRT(i)根据任务集的负载计算,用如下公式表示:
其中,DTS表示延迟释放的任务集,DTS中的每个任务释放时间的间隔都大于其最小释放间隔,Fc(n)表示RM策略调度任务集可行的利用率上界。
5.根据权利要求4所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述计算任务集离线阶段的运行速度用如下公式表示:
其中,Slub(i)表示偶发任务集在区间[0,L]的最小运行速度,用如下公式表示:
6.根据权利要求1所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述空闲时间用如下公式表示:
其中,Wi表示任务Ti最坏情况下的剩余执行时间,Ui表示任务Ti的剩余执行时间,τi表示在此时刻之前处理器速度切换开销。
7.根据权利要求6所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述计算处理器当前时刻运行速度包括:
计算处理器当前时刻运行速度S,其中
将其与速度Ssfpsasr进行比较;若S>Ssfpsasr,设置S=Ssfpsasr;否则所述S保持不变。
8.根据权利要求7所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述速度Ssfpsasr计算方法如下:
若处理器空闲时,设置Ssfpsasr=Smin,所述Smin为处理器最低运行速度;
当任务Ti释放一个实例,且其属于DTS时,提高Ssfpsasr,提高的量为
当任务Ti没有释放实例,且其不属于DTS时,且当前的时间间隔超过其最小释放间隔时,降低Ssfpsasr,降低的量为
9.根据权利要求2所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述任务的初始优先级用如下公式表示:
IPi=n-i+1
其中,n表示偶发任务集中偶发任务的个数,i为大于等于1小于等于n的整数。
10.根据权利要求2所述的基于RM策略的偶发任务低能耗调度方法,其特征在于,所述所有共享同一资源任务的初始优先级中的最大值用如下公式表示:
其中,1≤i≤m,m表示任务共享资源的个数,rj表示任务Tj的资源需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610190341.9A CN105893148B (zh) | 2016-03-30 | 2016-03-30 | 一种基于rm策略的偶发任务低能耗调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610190341.9A CN105893148B (zh) | 2016-03-30 | 2016-03-30 | 一种基于rm策略的偶发任务低能耗调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105893148A true CN105893148A (zh) | 2016-08-24 |
CN105893148B CN105893148B (zh) | 2019-01-22 |
Family
ID=57014326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610190341.9A Active CN105893148B (zh) | 2016-03-30 | 2016-03-30 | 一种基于rm策略的偶发任务低能耗调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105893148B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106445070A (zh) * | 2016-09-12 | 2017-02-22 | 华侨大学 | 一种硬实时***资源受限偶发任务能耗优化调度方法 |
CN106970835A (zh) * | 2017-03-20 | 2017-07-21 | 华侨大学 | 固定优先级资源受限***层次能耗优化方法 |
CN107728466A (zh) * | 2017-09-28 | 2018-02-23 | 华侨大学 | 一种适用于数控***固定优先级可靠性感知能耗优化方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
CN108845659A (zh) * | 2018-01-30 | 2018-11-20 | 武汉大学 | 一种功耗优先的嵌入式处理器实时任务分配方法 |
CN108845870A (zh) * | 2018-05-29 | 2018-11-20 | 大连理工大学 | 一种基于pWCET整形的概率性实时任务调度方法 |
CN109586971A (zh) * | 2018-12-14 | 2019-04-05 | 广东外语外贸大学 | 一种基于线性关系的负载资源需求量评估方法 |
CN109597378A (zh) * | 2018-11-02 | 2019-04-09 | 华侨大学 | 一种资源受限混合任务能耗感知方法 |
CN109799805A (zh) * | 2019-01-17 | 2019-05-24 | 湖南大学 | 一种可靠性感知的高性能汽车电子调度算法 |
CN110275770A (zh) * | 2018-03-15 | 2019-09-24 | 阿里巴巴集团控股有限公司 | 任务均衡调度方法、***、节点及电子设备 |
CN110850954A (zh) * | 2019-10-28 | 2020-02-28 | 华侨大学 | 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法 |
CN111597030A (zh) * | 2020-05-21 | 2020-08-28 | 华侨大学 | 一种基于任务属性可适应因子能耗优化方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109739332B (zh) * | 2019-01-25 | 2022-05-03 | 华侨大学 | 一种多任务通用能耗优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424017A (zh) * | 2013-08-21 | 2015-03-18 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于数控***的容错低功耗调度方法 |
-
2016
- 2016-03-30 CN CN201610190341.9A patent/CN105893148B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104424017A (zh) * | 2013-08-21 | 2015-03-18 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于数控***的容错低功耗调度方法 |
Non-Patent Citations (2)
Title |
---|
张忆文,郭锐锋,邓昌义: "常带宽服务器混合任务低功耗调度算法", 《计算机研究与发展》 * |
邓昌义,郭锐锋,张忆文,韩文业: "面向硬实时***零星任务低调度算法", 《小型微型计算机***》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106445070A (zh) * | 2016-09-12 | 2017-02-22 | 华侨大学 | 一种硬实时***资源受限偶发任务能耗优化调度方法 |
CN106970835A (zh) * | 2017-03-20 | 2017-07-21 | 华侨大学 | 固定优先级资源受限***层次能耗优化方法 |
CN106970835B (zh) * | 2017-03-20 | 2021-03-09 | 华侨大学 | 固定优先级资源受限***层次能耗优化方法 |
CN107728466A (zh) * | 2017-09-28 | 2018-02-23 | 华侨大学 | 一种适用于数控***固定优先级可靠性感知能耗优化方法 |
CN107995660A (zh) * | 2017-12-18 | 2018-05-04 | 重庆邮电大学 | 支持d2d-边缘服务器卸载的联合任务调度及资源分配方法 |
CN108845659A (zh) * | 2018-01-30 | 2018-11-20 | 武汉大学 | 一种功耗优先的嵌入式处理器实时任务分配方法 |
CN108845659B (zh) * | 2018-01-30 | 2021-06-04 | 武汉大学 | 一种功耗优先的嵌入式处理器实时任务分配方法 |
CN110275770A (zh) * | 2018-03-15 | 2019-09-24 | 阿里巴巴集团控股有限公司 | 任务均衡调度方法、***、节点及电子设备 |
CN110275770B (zh) * | 2018-03-15 | 2023-09-22 | 阿里巴巴集团控股有限公司 | 任务均衡调度方法、***、节点及电子设备 |
CN108845870A (zh) * | 2018-05-29 | 2018-11-20 | 大连理工大学 | 一种基于pWCET整形的概率性实时任务调度方法 |
CN108845870B (zh) * | 2018-05-29 | 2021-05-07 | 大连理工大学 | 一种基于pWCET整形的概率性实时任务调度方法 |
CN109597378B (zh) * | 2018-11-02 | 2021-03-09 | 华侨大学 | 一种资源受限混合任务能耗感知方法 |
CN109597378A (zh) * | 2018-11-02 | 2019-04-09 | 华侨大学 | 一种资源受限混合任务能耗感知方法 |
CN109586971B (zh) * | 2018-12-14 | 2021-06-15 | 广东外语外贸大学 | 一种基于线性关系的负载资源需求量评估方法 |
CN109586971A (zh) * | 2018-12-14 | 2019-04-05 | 广东外语外贸大学 | 一种基于线性关系的负载资源需求量评估方法 |
CN109799805A (zh) * | 2019-01-17 | 2019-05-24 | 湖南大学 | 一种可靠性感知的高性能汽车电子调度算法 |
CN110850954A (zh) * | 2019-10-28 | 2020-02-28 | 华侨大学 | 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法 |
CN110850954B (zh) * | 2019-10-28 | 2023-03-28 | 华侨大学 | 一种基于固定优先级事件触发混合关键偶发任务的能耗优化方法 |
CN111597030A (zh) * | 2020-05-21 | 2020-08-28 | 华侨大学 | 一种基于任务属性可适应因子能耗优化方法 |
CN111597030B (zh) * | 2020-05-21 | 2023-03-24 | 华侨大学 | 一种基于任务属性可适应因子能耗优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105893148B (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105893148A (zh) | 一种基于rm策略的偶发任务低能耗调度方法 | |
Li et al. | Unrelated parallel machine scheduling problem with energy and tardiness cost | |
CN103576827B (zh) | 一种云计算数据中心在线节能调度的方法 | |
CN106445070B (zh) | 一种硬实时***资源受限偶发任务能耗优化调度方法 | |
CN105975049B (zh) | 一种任务同步偶发任务低能耗调度方法 | |
TW201205441A (en) | Multi-CPU domain mobile electronic device and operation method thereof | |
WO2020239057A1 (zh) | 一种分布式移动储能配电网控制方法与*** | |
CN107861796B (zh) | 一种支持云数据中心能耗优化的虚拟机调度方法 | |
CN106201718A (zh) | 一种基于负载预测的云计算资源动态伸缩方法 | |
CN110308977B (zh) | 一种动态利用率更新混合关键偶发任务低能耗方法 | |
Li et al. | Energy-efficient scheduling in nonpreemptive systems with real-time constraints | |
CN103399626A (zh) | 面向混合计算环境的功耗感知的并行应用调度***及方法 | |
CN110633152A (zh) | 用于实现业务集群水平伸缩的方法和装置 | |
CN103577265A (zh) | 一种云计算数据中心离线节能调度的方法与装置 | |
CN107728466A (zh) | 一种适用于数控***固定优先级可靠性感知能耗优化方法 | |
CN106970835A (zh) | 固定优先级资源受限***层次能耗优化方法 | |
CN103023802B (zh) | 一种面向web集群的低能耗调度***和方法 | |
CN109976911A (zh) | 一种自适应资源调度方法 | |
CN105847385A (zh) | 一种基于运行时长的云计算平台虚拟机调度方法 | |
CN112905330B (zh) | 一种固定优先级混合关键偶发任务能耗感知方法 | |
CN103414784B (zh) | 支持应急模式的云计算资源调度方法 | |
CN105225016B (zh) | 可再生供能的云计算***中基于合作博弈的能量分配方法 | |
CN105630126A (zh) | 一种基于常带宽服务器混合任务低功耗调度方法 | |
CN102567076A (zh) | 一种基于能耗的服务器整合方案选择方法 | |
CN108429784B (zh) | 一种能效优先的云资源分配与调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |