实时系统中混合任务集的动态电压调节算法
While (S不为空集){
F=Scale_WCET(S,Slowdown_Factor[]);//计算减慢因子F
重新设置Sm;
Current_Scaling_Facotr *=F;
For S中的每一个任务i {
If任务i!=服务器
Slowdown_Factor[i]=F;
}
重新设置集合S,让集合S中所有任务的优先级小于Sm中最低优先级任务的优先级;
}
}本文引用地址://m.amcfsurvey.com/article/150621.htm
上面的程序通过Scale_WCET过程计算一个减慢因子,使得给定任务集中存在的一个或者多个任务的最差响应时间刚好等于它们的时限(此时该任务集刚好可调度),这样的任务称为“临界任务”。Compute_Slowdown_Factors过程首先调用Scale_WCET过程计算初始任务集的同一减慢因子F;然后让优先级低于临界任务的任务集继续调用Scale_WCET过程计算出新的减慢因子。这是因为如果继续让作用于优先级高于临界任务的减慢因子F变小,则必然会导致至少有一个临界任务超过时限,破坏了系统的实时性;而让作用优先级低于临界任务的减慢因子F变小,则不会影响整个任务集的可调度性。这个过程将会反复执行,直到初始任务集中的最低优先级任务变成临界任务。总之,这个迭代过程为每一个任务计算出减慢因子,同时保证整个任务集是可以调度的。需要说明的是,对于服务器将不会应用静态减慢因子,因为如果增加了服务器的运行时间,则必然会造成受服务器调度的非周期性任务的平均响应时间的增加。
3算法验证和仿真
本算法通过T1 OMAP1612的TCSCDMA无线终端平台来验证,对实时嵌入式操作系统Nucleus微内核进行功能上的扩充,主要是实现了可延期服务器(DS)和偶发服务器(SS)来对非周期性任务进行调度。同时,又整合了基于本算法的DVS模块和CPU功率检测模块。
本实验通过3种情况(没有采用DVS算法,以及基于混合任务集的减慢因子DVS算法在DS和SS中的分别应用)分别在服务器利用率为25%、35%、45%的情况下进行了时间为60 s的实验,得出各情况下能耗在不同服务器利用率下的关系,如图1所示。
图1 各种算法的能耗对比
图1结果表明,采用基于混合任务集的减慢因子DVS算法与没有采用DVS算法相比,能耗降低了大概19.3%~32%;同时也看到,服务器利用率越高,能耗越接近于没有采用DVS算法所产生的能耗。这是因为为了保证非周期性任务有很短的响应时间,基于混合任务集的减慢因子DVS算法在服务器上运行时,总是以最高频率运行,同时高服务器利用率意味着服务器会占用很大一部分CPU周期。因此,在这样的环境下,CPU很大的一部分时间都运行在最高频率上,导致服务器利用率越高, 越接近没有采用DVS算法的情况。
4 结论
本文提出的针对静态空闲间隔的静态减慢因子算法属于脱机(offline)的DVS算法。该算法同时把占系统很大部分的非周期性任务一起进行分析,把非周期性任务的服务器当作周期性任务进行动态电压调节,从而解决了非周期性任务的功耗问题,具有很大的实际意义。在保证性能的同时,降低了系统中的无用能耗,提高了能量的有效利用率。随着研究的深入,还将深入到对联机(online)情况进行动态电压调节。
评论