[发明专利]一种基于扩展向量模型的软实时周期任务延迟计算方法

说明书

本发明涉及一种基于扩展向量模型的软实时周期任务延迟计算方法，该方法针对同一处理器上被调度的两个或两个以上相互独立的暗含时限的实时周期任务，首先将暗含时限的周期任务模型转化为初始向量模型，然后将迁移任务的迁移比例情况计算出来，将迁移任务再转化为扩展向量，根据扩展向量的内容，精确计算低优先级的任务的每次执行的完成时间以及延迟时间。本发明给出了相关的定理证明以及计算公式和实例，可以精确计算出低优先级任务每次执行的完成时间和延迟时间，为调度算法分析提供了理论支持。

技术领域

本发明属于嵌入式系统多核技术领域，涉及嵌入式多核平台下软实时任务调度过程中的性能评测研究。

背景技术

在当前基于多核体系结构的调度方法中，针对相互独立的实时周期任务的调度算法大致分为两大类：全局调度算法和任务划分调度算法。全局调度算法典型的如GEDF(Global Earliest Deadline First Scheduling)，该算法的优点是核利用率高，缺点是要想达到负载均衡必须进行线程迁移，而迁移的开销很大。任务划分调度算法典型的如PEDF(Partitioned Earliest Deadline First Scheduling)，该算法的优点是能够达到负载均衡，但却使核利用率较低。于是许多学者结合两种算法各自的优点，提出了半划分调度算法(Semi-Partitioned Scheduling)典型的如EDF-os(Earliest Deadline First-basedOptimal Semi-partitioned)算法，该类算法的总体思想是将调度算法分为两个部分：离线划分阶段和调度执行阶段。在离线划分阶段，将任务分为固定任务(Fixed Tasks)和迁移任务(Splitting Tasks)，大部分任务为固定任务，被指派到其中一个处理器上，这种任务不可迁移；而另外一些小部分任务按照一定的比例被分配到不同处理器上，被称为迁移任务。调度执行阶段迁移的任务可以按照已经设定好的比例在不同处理器之间进行迁移。半划分调度算法在理论和实际应用中优于单纯的任务划分和全局的调度算法，但当两个或者两个以上相互独立的实时周期任务被分配到同一个处理器上时，如何精确计算出低优先级任务由于被抢占而导致的每次任务执行后的延迟时间，却是一个比较棘手的问题。当前大多学者都是在划分算法理论上给出一个延迟的最大范围，或者在假设已有的延迟的基础上进行最大延迟的理论推导，却无法从理论上精确给出低优先级任务每次执行的完成时间以及相应的延迟。

发明内容

本发明提供一种基于扩展向量模型的软实时周期任务延迟计算方法，解决现有技术中软实时系统中两个或两个以上暗含时限的实时周期任务被分配到同一处理器上时,由于抢占导致低优先级任务产生的延迟时间无法确定的问题。

为了达到上述目的，本发明的技术方案如下：

一种基于扩展向量模型的软实时周期任务延迟计算方法，其特征在于，针对同一处理器上被调度的两个或两个以上相互独立的暗含时限的实时周期任务，首先将暗含时限的周期任务模型转化为初始向量模型，然后将迁移任务的迁移比例情况计算出来，将迁移任务再转化为扩展向量，根据扩展向量的内容，精确计算低优先级的任务的每次执行的完成时间以及延迟时间。

进一步的，具体包括以下步骤：

步骤1、选择一个已经分配好的处理器，将该处理器上已经分配的暗含时限的周期模型转化为初始向量模型；

步骤2、根据划分调度算法，将分配在处理器上的高优先级的任务的分配份额以及Job执行的比例计算出来；

步骤3、根据步骤2，将所有高优先级任务的初始向量按照Job分配的比例转化为扩展向量模型；

步骤4、如果同一个处理器上只有两个任务，则直接进入步骤5；否则将高优先级任务的扩展向量合并为一个扩展向量。