[发明专利]一种实时的容错的多处理器系统结构模型

摘要

本文结合实时容错的多处理器系统体系结构的需求，根据实时系统要确保所有任务在截止期限之前正确的完成的需要，以及针对传统的实时调度通过启发式算法利用软件完成，其性能与效率较低，对于多处理器实时系统的容错能力差的缺点。将实时任务分解为线性不相关的子任务，提出一种实时的容错的多处理器系统结构模型，对于实时系统进行优化，采用了中心型的调度硬件模型，并且采用了任务冗余方案来实现容错能力。本发明在处理器的任务拒绝率、多处理器运行时间分配偏差比例以及最早完成时间三个优化参数明显优于传统方法，而且适应度高，满足多方面的需要。

主权项

一种实时的容错的多处理器系统结构模型，其特征在于：能够在多处理器系统下保证任务调度处理的容错性，满足任务的实时性，以及提高多任务调度的性能，从而提高系统效率。所述系统结构包括专用任务处理器，中央调度器，并行处理核心。所述专用任务处理器，用于在实时的多处理器系统结构中，用于获得实时任务模块中产生的任务内存地址以及任务的部分参数的地址集合；任务分解模块根据任务的操作描述和任务结构的耦合性和交互，进行任务的分解和处理。所得子任务集合继续转入任务处理模块开始优化序列处理。所述优化序列处理过程为：运行任务处理模块固件中算法的子任务三元组集合在迭代达到设定数目或子任务三元组序列稳定时，即将子任务列表保存。所述任务分解模块，对一个实时的任务进行分析，分解为线性不相关的子任务，保证实时任务并行处理的结果具有正确性。任务分解模块为实时任务进行并行化，可看作对实时的容错的多处理器系统结构任务调度模型的任务的预处理，是系统结构中联系任务和多处理器核心之桥梁，专用任务处理器设置专用的模块。在多处理器计算机结构中，任务难以充分利用多个处理器的高效的处理能力，让多处理器系统的效率和效益大打折扣，任务进入任务分解模块中进行并行化的处理，串行的任务被分解成多个线性不相关的子任务，以便于接下来的对子任务的调度和并行处理。任务分解模块对任务进行并行优化使其可以多个操作同时进行，为提高系统的性能和让复杂的实时任务在相应的时间中完成成为可能。所述任务处理模块，专用任务处理器中对任务分解模块所得子任务集合进行处理，子任务基于相关的算法进行演算得出最佳或较佳可行解，防止多处理器的标准偏差以及任务的拒绝率过高，降低处理器利用率和系统效率。所述任务处理固件Firmware，指将优化序列处理程序预安装入只读记忆体里，支持子任务元组集合序列选优。对任务分解模块所得子任务列表进行处理中，专用任务处理系统对每个子任务设置任务id，每个子任务处理任务和处理时间被预估记录，根据子任务集合元素所持有的描述，对任务集调用相关的算法求其中每个子任务及子任务备份任务的处理器调度策略最优或较优解，所述方法包括如下步骤：步骤1：扫描所得全部子任务列表元素，每个子任务分配唯一id，所有子任务元素维护一个三元组<D_i,Z_i,R_i>，分别表示子任务id，子任务运行处理器编号，子任务备份任务运行处理器编号。步骤2：产生N个全部子任务三元组组成的子任务的序列，每个序列中子任务三元组Z_i和R_i由系统随机给出。步骤3：系统根据每个子任务处理任务和处理时间对每条序列进行评估，每条序列得出适应参数。步骤4：根据每条序列适应参数进行筛选，适应参数达到阈值的序列选出，丢弃其他序列。步骤5：得到的序列两两结合，每两个序列产生随机数RandomNum，序列沿RandomNum分成左右两段，交叉结合成新序列，计算新形成序列适应参数。步骤6：返回步骤4，直到循环给定次数，或序列不再发生变化，选出适应参数最大的序列输出。