面向车联网应用的数据关联性任务调度算法

多核系统的广泛应用提高了任务的并发性,同时也带来了任务核间通信这一额外开销.对于具有数据关联性的任务,核间通信会极大地影响任务的调度长度和实时性.结合车联网多任务混合并发的应用特点,针对多核系统中任务响应实时性问题,该文提出了一种面向车联网应用的数据关联性任务调度算法(DTSV).首先,根据车联网协议标准中针对车联网应用相关的三类数据及其特性进行了描述与分析.车联网应用中任务被分为安全关键类、交通效率类和安全无关类,每类任务都包含大量参数.有些参数并不仅存在于一个任务中,而会同时被多个任务所应用.因此,在车联网中,任务之间存在着大量的数据关联性.基于常用关联性任务模型以及车联网中任务特性,定义了一种基于车联网应用的数据关联性模型.其次,根据任务相关性模型给出了任务关联性评价函数,该评价函数的建立主要依据与计算型任务有关的所有通信型任务,生成一个多维的向量,以表示任务与内核中任务之间的强弱关联关系.再次,根据上述关联性模型和评价函数设计了基于此评价函数的关联性任务调度算法,通过将数据关联性较强的任务分配到同一个内核,以减少任务执行过程中核间通信量.算法分为初始化阶段和运行阶段.算法的初始化阶段主要解决了车联网系统启动时大量周期性任务的分配问题,能够明显地减少周期性任务的周期调度长度.算法的运行阶段主要解决了车联网系统运行中随机产生的非周期性任务的分配问题,考虑到非周期性任务的特性,算法能够在一定程度上提高其实时性.同时,在算法的运行阶段,通过对非周期性任务的数据关联的预处理,更进一步提高了非周期性任务的实时性.最后,通过实验将DTSV与传统多核任务调度算法做出了比较,结果显示DTSV平均能够缩短10.6%整体任务调度长度,同时非周期性任务的响应时间平均能够减少33.5%.实验证明,DTSV相对于传统多核调度算法,针对具有数据关联性的周期性任务以及非周期性任务都能有效地降低其核间通信延时,缩短任务调度长度,提高任务响应实时性.