[论文解读] Automatic Parameter Derivations in k2U Framework

Jian-Jia Chen, Wen-Hung Huang+1 more|arXiv (Cornell University)|Apr 30, 2016

Real-Time Systems Scheduling参考文献 9被引用 5

一句话总结

本文提出一种自动化方法，用于推导 k²U 框架所需的临界参数 αᵢ 和 βᵢ，从而在各类实时系统中实现多项式时间的可调度性分析。通过系统性地基于任务释放模式和抖动识别有效测试点，该方法将复杂的伪多项式可调度性测试转化为无需人工调参的高效 k 点测试。

ABSTRACT

We have recently developed a general schedulability test framework, called k2U, which can be applied to deal with a large variety of task models that have been widely studied in real-time embedded systems. The k2U framework provides several means for the users to convert arbitrary schedulability tests (regardless of platforms and task models) into polynomial-time tests with closed mathematical expressions. However, the applicability (as well as the performance) of the k2U framework relies on the users to index the tasks properly and define certain constant parameters. This report describes how to automatically index the tasks properly and derive those parameters. We will cover several typical schedulability tests in real-time systems to explain how to systematically and automatically derive those parameters required by the k2U framework. This automation significantly empowers the k2U framework to handle a wide range of classes of real-time execution platforms and task models, including uniprocessor scheduling, multiprocessor scheduling, self-suspending task systems, real-time tasks with arrival jitter, services and virtualizations with bounded delays, etc.

研究动机与目标

• 为解决 k²U 框架中缺乏自动化参数推导的问题，此前 αᵢ 和 βᵢ 系数需手动配置。
• 使 k²U 框架能够自动应用于广泛的实时任务模型和平台。
• 降低固定优先级可调度性测试中参数选择的复杂性和主观性。
• 支持具有到达抖动、自悬挂任务和虚拟化服务的系统实现高效、多项式时间分析。
• 建立一种系统化、可重复的程序，将指数时间或伪多项式可调度性测试转化为 k 点有效测试。

提出的方法

• 识别那些在目标任务 τₖ 的截止期限区间 (0, Dₖ] 内至少可释放一个额外作业的高优先级任务。
• 将有效测试点定义为每个高优先级任务 τᵢ 在 Dₖ 之前的最后一次释放时间，基于其周期和抖动。
• 根据条件 ⌈(Dₖ + Jᵢ)/Tᵢ⌉ = ⌈Jᵢ/Tᵢ⌉，将高优先级任务分为两类：在 (0, Dₖ] 内有额外作业和无额外作业的任务。
• 使用闭式表达式推导 αᵢ 和 βᵢ 参数：αᵢ = σ·gᵢ / (gᵢ - Jᵢ/Tᵢ) 和 βᵢ = σ / (gᵢ - Jᵢ/Tᵢ)，其中 gᵢ = ⌊(Dₖ + Jᵢ)/Tᵢ⌋。
• 通过仅评估 k 个关键时间点 tᵢ = gᵢ·Tᵢ - Jᵢ（按递增顺序排列）来应用 k 点可调度性测试。
• 通过将高优先级任务的最坏干扰嵌入推导出的参数中，确保正确性，从而保持充分的可调度性条件。

实验结果

研究问题

• RQ1 如何为任意可调度性测试自动推导 k²U 框架所需的 αᵢ 和 βᵢ 参数？
• RQ2 在存在到达抖动的情况下，可使用哪些系统性标准来识别干扰分析中最关键的时间点？
• RQ3 通过自动化参数推导，k²U 框架能否推广以处理具有有界延迟的自悬挂任务和虚拟化系统？
• RQ4 不同参数构造方式对最终可调度性测试的保守性和效率有何影响？
• RQ5 是否存在其他 k 点测试构造方式，其结果比所提方法更紧致？

主要发现

• 该方法可自动推导出广泛实时系统中 αᵢ 和 βᵢ 参数，包括单处理器、多处理器、自悬挂任务和抖动感知任务模型。
• 对于具有到达抖动的任务，该框架在 tᵢ = gᵢ·Tᵢ - Jᵢ 处识别出有效测试点，其中 gᵢ = ⌊(Dₖ + Jᵢ)/Tᵢ⌋，确保捕捉到最坏干扰。
• 推导出的参数 αᵢ = σ·gᵢ / (gᵢ - Jᵢ/Tᵢ) 和 βᵢ = σ / (gᵢ - Jᵢ/Tᵢ) 确保 k 点测试保持为充分的可调度性条件。
• 该方法通过将需检查的时间点数量减少至 k，将指数时间或伪多项式可调度性测试转化为多项式时间测试。
• 该方法适用于现有可调度性测试，例如自悬挂任务（如 Jᵢ = Tᵢ - Cᵢ）和具有有界延迟的虚拟化系统。
• 该框架不保证所推导参数的最优性，但提供了一种系统化、可重复且正确的构造方法。