[论文解读] A New Proposed Dynamic Quantum with Re-Adjusted Round Robin Scheduling Algorithm and Its Performance Analysis

Himanshu Sekhar Behera, Rakesh Mohanty+1 more|arXiv (Cornell University)|Mar 20, 2011

Distributed and Parallel Computing Systems被引用 10

一句话总结

本文提出动态量子重调轮转（DQRRR）调度算法，通过根据进程执行时间动态调整时间量子，改进传统轮转（RR）算法，减少上下文切换次数、平均等待时间和平均周转时间。实验结果表明，DQRRR通过自适应时间量子调整，在关键性能指标上优于标准轮转算法。

ABSTRACT

Scheduling is the central concept used frequently in Operating System. It helps in choosing the processes for execution. Round Robin (RR) is one of the most widely used CPU scheduling algorithm. But, its performance degrades with respect to context switching, which is an overhead and it occurs during each scheduling. Overall performance of the system depends on choice of an optimal time quantum, so that context switching can be reduced. In this paper, we have proposed a new variant of RR scheduling algorithm, known as Dynamic Quantum with Readjusted Round Robin (DQRRR) algorithm. We have experimentally shown that performance of DQRRR is better than RR by reducing number of context switching, average waiting time and average turn around time.

研究动机与目标

• 解决因过多上下文切换导致轮转调度性能下降的问题。
• 减少CPU调度中的平均等待时间和平均周转时间。
• 设计一种根据进程执行时间自适应调整时间量子的机制。
• 在受控条件下，评估所提算法与传统轮转算法的性能表现。
• 通过基于运行时行为优化时间量子选择，最小化调度开销。

提出的方法

• DQRRR算法根据进程前一次执行时间，动态调整其时间量子。
• 在每个执行周期后重新评估并调整时间量子，以平衡响应速度与效率。
• 该算法采用反馈机制，根据进程是否在当前时间量子内完成，决定增加或减少时间量子。
• 在当前量子内完成的进程，在下一次周期中被分配更小的时间量子；未完成的进程则获得更大的时间量子。
• 调度机制保留了轮转算法的时间片划分原则，但通过自适应时间量子大小进行增强。
• 性能通过标准指标进行评估：上下文切换次数、平均等待时间与平均周转时间。

实验结果

研究问题

• RQ1 时间量子的动态调整如何影响轮转调度中的上下文切换频率？
• RQ2 自适应时间量子大小是否能相比固定时间量子的轮转算法，减少平均等待时间？
• RQ3 所提算法在平均周转时间方面相比标准轮转算法的改进程度如何？
• RQ4 重调整机制对系统整体响应速度与效率有何影响？
• RQ5 在所提出的DQRRR模型中，响应速度与开销之间的性能权衡如何？

主要发现

• 与标准轮转调度相比，DQRRR算法显著减少了上下文切换次数。
• 由于基于进程行为更高效地分配时间量子，DQRRR中的平均等待时间得以降低。
• 平均周转时间得到改善，表明新算法下进程完成速度更快。
• 动态时间量子调整机制有效平衡了响应速度与调度开销。
• 实验结果证实，在测试条件下，DQRRR在所有关键性能指标上均优于传统轮转算法。
• 重调整逻辑通过最小化不必要的量子超时与资源浪费，显著提升了系统性能。