[论文解读] (m,k)-firm constraints and DBP scheduling: impact of the initial k-sequence and exact schedulability test
本文挑战了在 (m,k)-firm 约束下 DBP 调度中使用全 1 的 k-序列(1^k)初始化为最优的普遍假设。证明了 DBP 调度是周期性的,推导出周期长度的上界,并通过基于系统状态周期推导出的有界可行性区间进行仿真,提出了首个精确(必要且充分)的可调度性测试。
In this paper we study the scheduling of (m,k)-firm synchronous periodic task systems using the Distance Based Priority (DBP) scheduler. We first show three phenomena: (i) choosing, for each task, the initial k-sequence 1^k is not optimal, (ii) we can even start the scheduling from a (fictive) error state (in regard to the initial k-sequence) and (iii) the period of feasible DBP-schedules is not necessarily the task hyper-period. We then show that any feasible DBP-schedule is periodic and we upper-bound the length of that period. Lastly, based on our periodicity result we provide an exact schedulability test.
研究动机与目标
- 挑战广泛存在的假设,即在 (m,k)-firm 约束下 DBP 调度中使用 1^k k-序列初始化为最优。
- 证明可行的 DBP 调度周期可超过任务超周期,与常见文献假设相矛盾。
- 证明所有可行的 DBP 调度均为周期性,并基于系统状态周期对周期长度进行上界估计。
- 为 (m,k)-firm 周期性任务系统在 DBP 调度下建立首个精确(必要且充分)的可调度性测试。
- 研究初始 k-序列对可调度性和调度周期性的影响,包括从虚构错误状态开始的可能性。
提出的方法
- 形式化 (m,k)-firm 模型,并将 k-序列定义为二进制字符串,用于追踪最近的截止时间失败(0)和成功(1),最左位为最旧时间。
- 通过分析随时间推移的系统状态转移,证明任何可行的 DBP 调度都是周期性的,其中状态包括 k-序列和时间模 P。
- 利用状态周期上的鸽巢原理,将周期长度上界估计为每项任务的有效 k-序列数量与超周期 P 的乘积。
- 定义可行性区间 [0, ∏ᵢ∑ⱼ₌ₘᵢᵏⁱ (ᵏⁱⱼ) × P) 作为验证长期可调度性的充分条件,基于状态重复。
- 设计算法 1 在此区间内仿真调度,通过检测周期或截止时间违规来判断可行性。
- 采用确定性、无记忆的调度器模型,以确保状态的确定性,并通过状态存储和比较实现周期检测。
实验结果
研究问题
- RQ1在 (m,k)-firm 约束下 DBP 调度中,使用 1^k k-序列初始化是否最优?或可采用其他初始状态以改善可调度性?
- RQ2DBP 调度是否可能非周期性?在 (m,k)-firm 模型与 DBP 调度下,周期性是否必然成立?
- RQ3可行 DBP 调度的周期是否必然等于任务超周期?还是可能更长?
- RQ4能否为 (m,k)-firm 周期性任务系统在 DBP 调度下构建一个既必要又充分的精确可调度性测试?
- RQ5初始 k-序列的选择如何影响调度周期的长度和结构?
主要发现
- 将初始 k-序列设为 1^k 并非最优;其他初始状态,包括虚构错误状态,可能带来更好的可调度性。
- 可行 DBP 调度的周期不必然等于任务超周期;其长度可显著更长,上界为 ∏ᵢ∑ⱼ₌ₘᵢᵏⁱ (ᵏⁱⱼ) × P。
- 所有可行的 DBP 调度均为周期性,且最大周期长度由所有任务中不同有效 k-序列组合数与超周期的乘积所上界限定。
- 长度为 ∏ᵢ∑ⱼ₌ₘᵢᵏⁱ (ᵏⁱⱼ) × P 的可行性区间足以验证长期可调度性,因为系统状态在此区间内会重复。
- 所提出的精确可调度性测试,基于在此区间内仿真并检测状态周期,是首个在 DBP 下对 (m,k)-firm 系统既必要又充分的测试。
- 该精确测试的最坏时间复杂度为 O(∏ᵢ∑ⱼ₌ₘᵢᵏⁱ (ᵏⁱⱫ) × P),对于具有谐波周期和有限 (m,k) 参数的许多实际实时系统而言仍具可行性。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。