为有效管理分布式开放实时系统(Distributed Open Real-Time System,DORTS)的CPU和网络资源,提供实时应用端到端延时确保,提出一种基于资源预留的分层调度策略。对于任务的调度,首先利用最大需求任务优先与最小可利用率节点适应算法将...为有效管理分布式开放实时系统(Distributed Open Real-Time System,DORTS)的CPU和网络资源,提供实时应用端到端延时确保,提出一种基于资源预留的分层调度策略。对于任务的调度,首先利用最大需求任务优先与最小可利用率节点适应算法将任务分配到各节点,然后在节点上采用基于服务器的两层调度架构进行调度;对于消息的调度,采用3层调度架构:在顶层为每个应用创建一个高级别调度器,负责调度应用产生的消息;在中间层为每个节点创建一个低级别调度器来调度所有的高级别调度器;在底层,一个介质访问控制调度器用于授权各节点对网络的访问。设计了EDF-SS(Earliest Deadline First with Slack Stealing)算法用于改进软实时非周期消息的响应性。仿真实验证明了算法的有效性。展开更多
文摘随着移动边缘计算(mobile edge computing,MEC)技术的不断演进发展,大量的用户设备分散在边缘服务器密集部署的各个区域内。然而,在任务时延与资源受限的前提下,如何选择合适的服务器进行任务卸载,仍然是一个具有挑战性的难题。研究用户-服务器关联、卸载比例以及资源分配的联合优化问题,在考虑需求和服务异构性下最小化系统能耗。该问题被建模为混合整数非线性规划问题,并分解为用户-服务器关联子问题、卸载率和资源分配子问题进行求解。对于第一个子问题,在同时考虑通信质量与服务类型条件下,利用改良的带权匈牙利算法(Kuhn-Munkres matching algorithm,K-M)实现用户-服务器关联。为了处理第二个高度非凸问题,提出一种有效的双层算法,内层采用拉格朗日对偶法得到计算与通信资源分配;外层采用一维搜索方法得到卸载比例。最后,利用块坐标下降技术交替求解两个子问题,直到收敛。仿真结果表明,与随机算法、贪婪算法和带权匈牙利匹配-本地计算(Kuhn-Munkres matching and local computing,KM-LC)算法相比,文中所提出的算法能有效降低系统能耗。
文摘为有效管理分布式开放实时系统(Distributed Open Real-Time System,DORTS)的CPU和网络资源,提供实时应用端到端延时确保,提出一种基于资源预留的分层调度策略。对于任务的调度,首先利用最大需求任务优先与最小可利用率节点适应算法将任务分配到各节点,然后在节点上采用基于服务器的两层调度架构进行调度;对于消息的调度,采用3层调度架构:在顶层为每个应用创建一个高级别调度器,负责调度应用产生的消息;在中间层为每个节点创建一个低级别调度器来调度所有的高级别调度器;在底层,一个介质访问控制调度器用于授权各节点对网络的访问。设计了EDF-SS(Earliest Deadline First with Slack Stealing)算法用于改进软实时非周期消息的响应性。仿真实验证明了算法的有效性。
