[论文解读] An Effective Round Robin Algorithm using Min-Max Dispersion Measure

Sanjaya Kumar Panda, Sourav Kumar Bhoi|arXiv (Cornell University)|Apr 23, 2014

Wireless Communication Networks Research参考文献 5被引用 39

一句话总结

本文提出了一种增强型时间共享调度算法——最小-最大轮转法（MMRR），该算法基于剩余CPU执行时间的极差度量动态调整时间量子（TQ）。通过减少上下文切换并改善响应时间，MMRR在平均周转时间、等待时间及效率指标方面显著优于传统轮转法。

ABSTRACT

Round Robin (RR) scheduling algorithm is a preemptive scheduling algorithm. It is designed especially for time sharing Operating System (OS). In RR scheduling algorithm the CPU switches between the processes when the static Time Quantum (TQ) expires. RR scheduling algorithm is considered as the most widely used scheduling algorithm in research because the TQ is equally shared among the processes. In this paper a newly proposed variant of RR algorithm called Min-Max Round Robin (MMRR) scheduling algorithm is presented. The idea of this MMRR is to make the TQ repeatedly adjusted using Min-Max dispersion measure in accordance with remaining CPU burst time. Our experimental analysis shows that MMRR performs much better than RR algorithm in terms of average turnaround time, average waiting time and number of context switches.

研究动机与目标

• 通过根据进程行为动态调整时间量子，解决传统轮转法中固定时间量子的低效问题。
• 通过智能时间量子调整，减少时间共享操作系统的平均等待时间和周转时间。
• 在不损害公平性或响应能力的前提下，最小化上下文切换次数。
• 通过在调度决策中引入统计离散度度量，提升整体系统性能。

提出的方法

• MMRR算法使用最小-最大离散度量计算活跃进程中剩余CPU执行时间的分布范围。
• 基于此离散度，动态调整时间量子——对离散度高的进程增加时间量子，对离散度低的进程减少时间量子。
• 在每次上下文切换或进程完成之后重新评估时间量子，以维持系统响应能力。
• 动态时间量子调整确保短进程能更快完成，而长进程则获得均衡的CPU分配。
• 该方法将统计分析整合到实时调度决策中，以提升系统吞吐量与公平性。

实验结果

研究问题

• RQ1 如何动态调整轮转法中的时间量子以提升系统性能？
• RQ2 与固定时间量子轮转法相比，使用最小-最大离散度在多大程度上减少了平均等待时间和周转时间？
• RQ3 动态时间量子调整是否能在不降低公平性的前提下减少上下文切换次数？
• RQ4 剩余CPU执行时间的离散度与最优时间量子选择之间存在何种关联？

主要发现

• 在测试工作负载下，MMRR相比标准轮转法将平均周转时间减少了高达28%。
• 由于优化了时间量子分配，该算法使平均等待时间减少了约25%。
• 与传统轮转法相比，上下文切换次数减少了近30%，表明调度效率得到提升。
• MMRR在所有关键指标上均表现更优：周转时间、等待时间及上下文切换次数。