任务调度（计算机科学技术名词）

任务调度

计算机科学技术名词

任务调度，是操作系统的重要组成部分，而对于实时操作系统，任务调度直接影响其实时性能。

方式

任务调度方式常规可分为：

可打断调度（实时系统基本功能）：关键防止优先级倒置。

不可打断调度：先来先服务，不可中断。

算法

分类

任务调度算法可分为——事件驱动调度算法：根据事件的先后以及任务的优先级安排任务的执行；时钟驱动调度算法：一般用于周期任务。

事件驱动调度

依赖外部硬件设备，通过产生中断方式为任务调度提供信号。分两种，集成事件驱动调度：中断的优先级与任务的优先级相对应，中断只有在其优先级高于正在执行的任务时才会被处理器响应。

非集成事件驱动调度：任务通过外部中断启动，中断优先级与相关任务优先级没有关系。

时钟驱动调度

基于时钟驱动的调度算法一般用于周期性的任务调度，其他空闲时间可以用非周期性的任务调度，在一个循环内，给周期性任务静态地分配了固定的时间间隔（称为超周期），为各个任务周期的最小公倍数。

为了便于任务分配，超周期要划分为同样长度的几个小周期f，每个小周期的开始时间也为任务调度时间。

时钟驱动调度常用参数

任务T的起始就绪时间；p：任务T的周期，e:任务T的执行时间；u:任务T的利用率，u=e/p;D：任务T的时限（一般p等于D）；

时钟驱动调度超周期和小周期f的确定：

理想情况下，每个作业能够在单个f时间内开始并且完成执行，即f≥max(e)。

小周期f应尽可能短，f能被超周期整除。

由于调度发生在每个小周期的开始，并且作业在每个小周期内不会被抢占，为了便于确定时限到达前任务是否可以完成，要求任务开始和到达时限之间至少有一个f的时间。

相关研究

基于狮子优化和GSA混合的多目标任务

针对现有云计算环境中调度算法资源利用率低，调度成本高的问题，提出了一种基于狮子优化和引力搜索算法混合的多目标任务调度算法。

该算法使用成本、能耗、资源利用作为目标函数，将狮子搜索和引力搜索算法进行有效地组合来执行智能过程调度，改善调度过程中的优化问题，避免陷入局部最优。

实验结果表明，相对于其他调度算法，提出的多目标任务调度算法的性能具有明显的优势，解决了传统单目标资源调度算法存在的缺陷，最终优化方案可以获得最低成本、最低能耗和最高利润。

动态队列下入侵肿瘤生长优化和BPNN的云计算

针对现有云计算任务调度算法整体性能较低，不能兼顾云利用率优化及服务质量（QoS）问题，提出一种动态调度队列下入侵肿瘤生长优化结合反向传播神经网络（TSDQ-ITGOBPNN）的云计算任务调度新方法。

融合入侵肿瘤生长优化与反向传播神经网络算法特点，优化系统平均等待时间；考虑云计算调度任务的复杂性，在兼顾云计算任务等待时间和队列长度的前提下对其进行队列管理，克服单个启发式算法的固有局限性。

基于开源模拟器CloudSim进行若干实验。实验结果表明，该方法相比于现有任务调度算法在完成时间、计算成本、资源利用率以及负载平衡等方面凸显出较大优势。 

参考资料

1.基于狮子优化和GSA混合的多目标任务调度算法·中国知网

2.动态队列下入侵肿瘤生长优化和BPNN的云计算任务调度新方法·中国知网