一种适用于实时系统周期任务模型的低功耗调度方法与流程

本发明涉及实时系统周期性任务模型的实时调度，具体的说是一种适用于实时系统周期任务模型的低功耗调度方法。

背景技术：

随着超大规模集成电路技术发展，处理器的能耗也越来越大。实时系统是任务的截止时间有严格约束的调度系统，处理器功耗的增加势必导致不稳定性，因此有效降低处理器能耗是实时调度算法需要考虑的问题。实时系统调度分为周期性任务和偶发任务，其中周期性任务模型是实时系统中一种重要的任务模型，特点是任务实例呈周期性到来。目前针对周期性任务集的调度算法主要采用dvs技术，任务的实际执行时间往往小于它的最坏情况下执行时间，从而产生空闲时间。dvs技术可以回收空闲时间，分配给就绪队列中未完成的任务，降低其速度从而降低能耗。目前处理器的功耗分为三部分：静态功耗ps，与速度无关的功耗pind和与速度相关的pdep，pind主要来自漏电电流功耗，pdep主要来自动态功耗。处理器以速度s运行的动态功耗pdep可表示为pdep＝cef·s^m，其中cef代表电路中的负载电容，s为处理器的运行速度，m是和处理器功耗无关的常指数(2≤m≤3)。因此，处理器的总功耗可以表示为:p＝ps+h(pind+pdep)＝ps+h(pind+cef·s^m)，其中系数h为常量，当h＝1，表示有任务在运行；否则h＝0。处理器动态功耗和速度成约二次方关系，动态功耗因速度降低而大幅度降低。但是低速度势必会导致任务的实际执行时间延长，从而增加静态功耗。为保证系统总功耗最优，现有研究指出了使得系统能耗最低的关键速度，指出超过或低于关键速度，处理器的功耗会增加，其中关键速度

假定处理器能够提供连续的速度，并且对速度进行归一化，使得处理器提供的速度范围为[smin，1]，其中smin为处理器的最低运行速度。处理器有三个状态:关闭状态，活跃状态，空闲状态，当处理器处于关闭状态时不消耗能量。若采用dpm技术，考虑到关闭处理器所需的开销，令e0为空闲状态切换到关闭状态所需的能耗开销，pidle为空闲状态的功耗，则关闭处理器的时间开销当空闲时间大于t0，且没有就绪任务时可以选择关闭处理器。

技术实现要素：

现有的对周期性任务集低功耗调度的研究大部分都利用了dpm技术以及关键速度来降低能耗，即当传统dvs策略计算的速度小于关键速度时，采用关键速度运行任务。但关键速度也不是绝对的使得能耗最小的速度。在采用传统调度策略或关键速度之间存在一个平衡点，根据任务最坏情况下执行时间与平衡点比较来确定处理器速度。

本发明为实现上述目的所采用的技术方案是：一种适用于实时系统周期任务模型的低功耗调度方法，包括：

步骤1：周期任务集开始调度前，计算周期任务集的总利用率utot、处理器离线速度sof；所述周期任务集为t(t1,t2,t3,…ti…tn)，共包含n个周期任务；

在实时调度器上设置任务就绪队列、任务到来队列；所述任务就绪队列包含就绪任务集合rd(ti,t)，其中，t表示时刻，ti表示第i个周期任务，且就绪任务集合按照任务的优先级高低排列；所述任务到来队列包含已经运行完毕但下一个实例还没到来的任务；

步骤2：第i个周期任务ti(pi,ci)在t时刻到达时，根据最早截止期限edf优先顺序将周期任务ti(pi,ci)插入任务就绪队列中，并初始设置remi(t)＝wi(t)＝ci；其中，pi是ti的周期，ci是ti的最坏情况下执行时间，remi(t)是周期任务ti在时刻t的可利用执行时间，wi(t)是周期任务ti在时刻t的剩余最坏情况下执行时间；

步骤3：第i个周期任务ti(pi,ci)在t时刻调度执行，重新计算ti在时刻t的可利用执行时间remi(t)，重新计算ti的执行速度si＝wi(t)/remi(t)；当si<scrit时，判断采用scrit或仍保持si作为执行速度；其中，scrit为关键速度；

步骤4：若t时刻，ti运行过程中不被其他就绪任务抢占，则当周期任务ti执行时remi(t)和wi(t)逐渐减少，如果ti执行完毕，则置wi(t)＝0，ti移出任务就绪队列，加入至任务到达队列；将pi增加到ri作为下次周期任务ti的到达时间；返回步骤2继续执行周期任务，直到周期任务执行完毕；

若t时刻，ti运行过程中被其他就绪任务抢占，则保留remi(t),wi(t)，将周期任务ti重新按edf优先级顺序加入就绪队列，返回步骤2继续执行周期任务，直到周期任务执行完毕。

所述周期任务集的总利用率的计算公式为处理器离线速度的计算公式为sof＝max{smin,utot}；其中，n为任务集中周期任务的个数，第i个周期任务定义为ti(pi,ci)，smin为处理器能提供的最小速度。

所述步骤2中的第i个周期任务ti(pi,ci)在t时刻到达时，根据最早截止期限edf优先顺序将周期任务ti(pi,ci)插入任务就绪队列中为根据任务的截止时间动态分配任务的优先级；截止时间越靠前，优先级越高；其中，周期任务ti的截止时限di计算公式为di＝ri+pi，其中ri是周期任务ti该次的到达时间。

所述步骤3中的重新计算周期任务ti在时刻t的可利用执行时间remi(t)为：将slh(ti,t)与sll(ti,t)之和增加到remi(t)；

其中，比周期任务ti优先级高的任务提前完成所产生的空闲时间总和表示为slh(ti,t)；计算公式为其中，ph(ti,t)是在t时刻前已完成的优先级比周期任务ti高的任务集合；remh(t)是任务th在t时刻的可利用执行时间；slh(ti,t)的是对所有属于集合ph(ti,t)的任务th的remh(t)求和；其中，比周期任务ti优先级低的任务所产生的空闲时间总和为sll(ti,t)；

定义时刻tf＝t+slh(ti,t)+remi(t)；如果在时刻tf就绪队列为空，则定义tf′为在时刻tf之后最近的一次任务的到达时刻；tβ为在时刻tf之前没有完成的优先级最高的任务，remβ(t)和wβ(t)分别为周期任务tβ在时刻t的可利用执行时间和剩余最坏情况下执行时间；

定义pl′(tβ,t)＝{tx|tx∈pl(ti,t)且dx≤dβ}，其中，pl(ti,t)表示在时刻t之前已完成的优先级比周期任务ti低的任务集合，dx和dβ分别表示tx和tβ和截止时限；

如果在[tf,tf+sll(ti,t)]和[tf′,tf′+sll(ti,t)]时间段内存在其他就绪任务tλ，则sll(ti,t)的计算公式为sll(ti,t)＝rλ-tf；否则，sll(ti,t)的计算公式为其中，rλ是tλ的到达时刻，remx(t)是tx在t时刻的可利用执行时间；

所述步骤3中的当si<scrit时，判断采用scrit或仍保持si作为执行速度，包括：

假定周期任务ti在区间δt内执行而不被抢占，若有wi(t)<scrit*δt且则采用关键速度的能耗e1为：采用传统dvs策略的能耗e2为：置判别函数f(x)＝e2-e1且将wi(t)替换成x，则

在t时刻令δt＝remi(t)，x＝wi(t)判别方法如下：

若pind*δt-e0>0，则在区间(0，scrit*δt)内必有一点w0使得f(w0)＝0，该点即为平衡因子，当f(wi(t))>0时，采用scrit作为执行速度，反之保持si作为执行速度；

若pind*δt-e0≤0，保持si作为执行速度；

其中，α是负载电容参数，s是处理器的执行速度，pind是静态功耗，e0为关闭处理器的开销。

本发明具有以下有益效果及优点：

1.采用本发明方法，在保证系统中周期任务可调度性的前提下，充分利用系统的空闲时间，减少关闭处理器的次数。

2.采用本发明方法，在保证系统中周期任务可调度性的前提下，充分降低系统的能耗，保证系统稳定性。

附图说明

图1为判别函数的导数图；

图2为本发明中任务wcet/bcet的变化对能耗影响的仿真实验结果图；

图3为本发明中系统的利用率变化对能耗影响的仿真实验结果图。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

周期任务是实时任务的一种，其特点为两个连续的任务实例的释放间隔为固定的常数。本模型考虑存在n个相互独立的周期任务的硬实时系统，采用最早截止期限优先策略(edf)调度该周期任务集t。每个周期任务ti用二元组(pi,ci)来表示，pi为ti的周期，ci为ti在最坏情况下的执行时间，任务的相对截止时限等于其周期。这里用ri和di表示任务ti的释放时间和截止时限，用aci和ti,j分别表示ti的实际执行时间和其第j个任务实例，用utot表示整个任务集的利用率，

周期任务集开始调度之前，计算周期任务的总利用率utot，确定处理器离线速度为sof＝max{smin,utot}。

在实时调度器上设置两个队列，一个是任务的就绪队列(ready_queue)，另一个是任务的到来队列(delay_queue)。ready_queue包含就绪的任务集合，按照任务的优先级高低排列，定义集合rd(ti,t)为t时刻就绪队列中的任务集合。delay_queue包含已经运行完毕但下一个实例还没到来的任务。

第i个周期任务ti(pi,ci)在t时刻到达时，根据最早截止期限优先原则插入就绪队列中，并初始设置remi(t)＝wi(t)＝ci，remi(t)是任务ti在时刻t的可利用执行时间，wi(t)是任务ti在时刻t剩余的最坏情况下执行时间。

若ti(pi,ci)在t时刻就绪，则任务ti在时刻t可利用的时间由3部分组成：比ti优先级高的任务提前完成所产生的空闲时间总和slh(ti,t)；任务ti原有的可利用执行时间；比ti优先级低的任务所产生的空闲时间总和sll(ti,t)。按照以下的方法计算空闲时间以及处理器速度：

1.计算其中ph(ti,t)是已完成的优先级比ti高的任务集合,remh(t)表示th在时刻t的可利用执行时间。

2.定义tf＝t+slh(ti,t)+remi(t)，如果在时刻tf就绪队列为空，则定义tf′为在时刻tf之后最近的一次任务到达时刻。tβ为在时刻tf之前没有完成的优先级最高的任务，remβ(t)和wβ(t)分别为tβ的可利用执行时间和剩余最坏情况下执行时间，pl(ti,t)表示在时刻t之前已完成的优先级比任务ti低的任务集合，则定义pl′(tβ,t)＝{tx|tx∈pl(ti,t)anddx≤dβ}，其中dx和dβ分别是tx和tβ的相对截止时限，计算如果[tf,tf+sll(ti,t)]和[tf′,tf′+sll(ti,t)]时间段内有其他就绪任务tλ，则计算sll(ti,t)＝rλ-tf。

3.将slh(ti,t)和sll(ti,t)之和增加到remi(t)，计算ti的速度si＝wi(t)/remi(t)。

4.判别si是否是使得ti能耗最优的速度。处理器的功耗表达式为，p＝α*s³+pind，其中，s是处理器的执行速度，pind是静态功耗。若采用scrit执行任务，当任务提早完成，若空闲时间大于关闭处理器开销t0，需要关闭处理器。根据xscale处理器功耗模型简化上式，α＝1.52，pind＝0.08，关闭处理器的开销e0＝0.8，scrit取0.3，则p＝1.52*s³+0.08，其中s是处理器速度。假定ti在区间δt内执行而不被抢占。此时任务ti剩余最坏情况下执行时间为wi(t)，当wi(t)<scrit*δt,且时,采用关键速度的能耗为+0.8＝0.4*wi(t)+0.8，采用传统dvs策略产生的能耗为e2＝1.52*s²*wi(t)+0.08*δt，令

当x∈(0,0.3δt),如图1所示为判别函数的导数图，f′(x)<0,f(x)在(0,0.3δt)上单调递减，f(0.3δt)＝-0.8<0。

在t时刻令δt＝remi(t)，x＝wi(t)判别方法如下：

若0.08*δt-0.8>0，则当f(wi(t))>0时，设置si＝scrit，反之保持si不变；

若0.08*δt-0.8≤0，si不变。

当任务ti执行时，remi(t)和wi(t)逐渐减少，如果ti完成执行，则置wi(t)＝0，ti加入delay_queue。将pi增加到ri，增加后的ri作为下次周期任务ti的释放时间。

若t时刻，ti运行过程中被其他就绪任务抢占，保留remi(t),wi(t),将ti重新按edf优先级顺序加入就绪队列。

图2为本发明中任务wcet/bcet的变化对能耗影响的仿真实验结果图，其中wcet是任务的最坏情况下执行时间，bcet是任务的最好情况下执行时间。对比算法为现有的dra算法和dstra算法，以及本发明提出的lpabobf算法。横坐标为wcet/bcet，纵坐标为归一化后的能耗。当wcet/bcet逐渐增大，任务的实际执行时间的平均值就会减少，任务集的平均空闲时间就逐渐增多，三者的能耗都逐渐下降。可以看出lpabobf算法的性能始终优于dra和dstra算法，经计算可知，在这种情况下lpabobf比dra算法节省约18.33％～28.57％的能耗，比dstra节省约7.3％～18.03％能耗。

图3为本发明中系统的利用率变化对能耗影响的仿真实验结果图。对比算法为现有的dra算法和dstra算法，以及本发明提出的lpabobf算法。横坐标为利用率，纵坐标为归一化后的能耗。随着利用率的增加，处理器处于运行状态的时间比增大，三种算法的能耗均逐渐增大。可以看出lpabobf算法的节能效果相对两者较好。当利用率较小时，处理器总是处于关闭的状态，故三者能耗相接近，但采用dpm技术的dstra和lpabobf算法有一定优势。随着利用率的增加，很多时间段上要在传统dvs策略或关键速度策略中做出选择，lpabobf算法逐渐起到了效果。当利用率接近1时，负载加重，处理器速度小于关键速度的情况较少，lpabobf算法与dstra算法节能效果相接近，经计算，lpabowsa比dra算法节省8.9％～26.19％的能耗，比dstra算法节省约2.7％～13.98％的能耗。