[发明专利]在调度问题中降低最大数据存储的最大差值算法

说明书

技术领域

本发明涉及一种降低最大数据存储的算法。特别是涉及一种用来降低系统最大数据存储的软硬件任务的在调度问题中降低最大数据存储的最大差值算法。

背景技术

在通信系统中，通信的存储能力必定是有限的，在任务执行的调度过程中存在数据存储问题。而通信存储能力的限制会对调度方案的可行性产生重大影响，这将导致传统的割裂任务间的依赖关系以及硬件资源间的并发关系的调度算法将是不适用的。例如：

图1（a）、图1（b）所示为对一个9结点DAG（Directed Acyclic Graph）图的划分及调度结果的甘特图，其中图1（a）阴影区域表示通信数据的传输时间，图1（b）阴影区域表示通信数据的存在时间，阴影区域上面标注的数字表示不同结点间任务传输的结点号。可见，在图1（a）中，由于通信的传输没有“重叠”，所以从通信竞争的角度这种方案是可行的。而在图1（b）中，如果在AB、BC直到JK段，任何一段所需的通信存储量超过了系统的通信存储能力，都会使该方案变得不可行。

甘特图表示项目中完成每项活动所需要的时间的条形图。

目前，对于异构环境下任务调度的研究往往是针对任务节点开展，忽视了任务之间的数据关联和优先约束关系，即大多数针对任务的调度不能反映异构环境下任务的实际特征。这割裂了任务间的存储依赖关系以及硬件资源间的并发关系，由于存在通信存储和通信时延问题，使得获得很高加速的硬件任务会受限于低速任务的执行，降低整个任务集合的执行效率，即降低了软硬件系统的执行效率。

因此，考虑任务之间的数据关联和优先约束关系，降低通信存储，增大硬件处理器的并行量，从而能大大提高调度效率。

发明内容

本发明所要解决的技术问题是，提供一种能够降低系统任务通信数据的存储时间开销，提高调度效率，进而提高系统执行效率的在调度问题中降低最大数据存储的最大差值算法。

本发明所采用的技术方案是：一种在调度问题中降低最大数据存储的算法，包括如下步骤：

1）系统任务已经由智能优化算法进行软硬件划分，将划分为由硬件执行的结点任务集合记为H，由软件执行的结点任务集合记为S，同时，将当前时刻记为CM，执行任务的下一时刻记为NM，已经完成的结点任务数记为Num；

2）将在当前时刻即CM时刻能执行的结点任务集合记为A，如果A不为空，且A中非空元素对应的处理器有闲置的，计算出集合A中每一个结点任务对应的r值；

3）执行最大r值对应的结点任务t，如果该结点被划分为硬件，则通过硬件执行，如果该结点被划分为软件，则通过软件执行，选择与r值对应的结点任务完成的时间值和CM时刻值两者中相对大的时间值，记为Va；

4）如果Va的值大于系统中下一个结点任务的执行时间，则将NM赋值给CM，统计新的CM时刻能够执行的结点任务；如果Va的值小于下一结点任务的执行时刻时，则满足任务执行的条件；

5）找出所有的父结点任务都已执行完毕的结点，将它们的集合作为新的在CM时刻进行任务调度的任务集A，跳转到步骤2；

6）直到结点任务全部完成，循环结束。

步骤2）中所述的r值表示当前结点的所有子结点数与所有父结点数的差值。

步骤2）如果A不为空，且A中非空元素对应的处理器没有闲置的，则计算出集合A中每一个结点任务对应的r值，所述的r值表示当前结点的所有子结点数与所有父结点数的差值。

步骤2）中如果A为空，表示任务完成，跳出循环。

步骤4）中还包括同时将集合A中的结点任务t去除，Num加1，更新集合A，将该结点任务对应的处理器标记为闲置处理器。

本发明的在调度问题中降低最大数据存储的最大差值算法，将提高数据存储器的最大存储容量要求，通过MDF算法，能充分发挥硬件处理器任务可以同时执行的优点，硬件处理器执行任务的并行量增大后，能够有效的降低系统任务通信数据的存储时间开销，提高调度效率，进而提高系统的执行效率。

附图说明

图1（a）是9结点DAG图的划分及调度结果图，图中阴影区域表示通信数据的传输时间；

图1（b）是9结点DAG图的划分及调度结果图，图中阴影区域表示通信数据的存在时间；

图2是DAG图所对应的软硬件划分模型图。

具体实施方式

下面结合实施例和附图对本发明的在调度问题中降低最大数据存储的最大差值算法做出详细说明。