一种空间多核操作系统容错调度算法

目前计算机系统逐步采用多核处理器来提升性能,空间操作系统如何管理多核资源是发挥处理器性能的关键。在航天等安全关键领域中,采用固定点任务与定期任务混合调度,在保证可靠性的前提下提高效率。现有针对混合任务模型的多核调度算法仅考虑任务分配问题,没有考虑到系统中某一核心出现故障时如何进行容错。FT-RTA算法是一种空间多核操作系统容错调度算法,当一个核心上出现瞬时故障,将故障核心上在故障时间段内的所有任务迁移至正常核心上执行,使计算机系统不会感知到此次核心故障,成功屏蔽故障。经过实际应用中的典型参数验证,算法可以成功屏蔽核心故障,进行系统无感知的容错。

配变重过载下的配网运营动态监控平台实时任务容错调度算法

研究配变重过载下的配网运营动态监控平台实时任务容错调度算法,以解决配网运营动态监控平台执行配变重过载监控任务时可调度性差的问题。依据分层调度思想,将实时任务容错调度划分为上层调度算法和下层调度算法,通过上层调度算法利用Logistic模型预测是否存在配变重过载情况,存在配变重过载情况时,进入下层调度算法。下层调度算法利用平台的优先级属性列表,建立平台管理机执行配变重过载动态监控任务时的有效传递函数,利用码元调制方法获取平台任务调度输出,保障配网运营动态监控平台稳定执行配变重过载动态监控任务。实例分析结果表明,配网运营动态监控同时执行30个配变重过载动态监控任务时,其容错调度成功率高于93%,验证该算法具有良好的实时任务容错调度有效性。

实时异构系统中的积极复制容错调度算法

在设计实时异构系统中的容错调度算法时,既要考虑到实时性的约束,又要最大化系统的可靠性.此外,异构系统中的并行应用调度问题已经被证明了是NP完全问题.现有的容错调度算法大多采用复制技术来提升系统的可靠性,但是任务的多次执行会导致应用执行时间变长,系统实时性下降.为此,提出了一个基于积极复制技术的容错调度算法,该算法连续的复制任务集中对当前系统实时性影响最小的任务,然后将任务集中的所有任务调度至最早完成的处理器,用以在满足实时性约束的同时,提升系统的可靠性.实验表明,相比于同样着眼于实时异构系统的DB-FTSA算法,该算法在实时性约束严格的情况下,可靠性有较大提升.

一种分布式人机界面组件容错调度模型的研究

为了解决分布式系统中人机界面组件的容错、动态配置以及各个人机交互结点界面切换的统一控制问题,基于组件技术和容错调度理论,提出一种人机界面组件两级容错调度模型,并给出了相应的调度算法。模型由一个统一调度处理组件和多个人机交互结点组成。其中,每个人机交互结点包含一个局部调度处理组件、一个界面组织处理组件以及多个人机界面组件。局部调度处理组件处理没有容错需求的局部界面调度请求。统一调度处理组件处理有容错需求的局部界面调度请求和全局界面调度请求。界面组织处理组件根据调度请求的处理结果完成界面的组织显示。最后,通过实验验证了两级容错调度模型及其算法的可行性。

混合型实时容错调度算法的设计和性能分析

以往文献中研究的实时容错调度算法都只能调度单一的具有容错需求的任务 .该文建立了一个混合型实时容错调度模型 ,提出一种静态实时容错调度算法 .该算法能同时调度具有容错需求的实时任务和无容错需求的实时任务 .该文还提出了一个求解最小处理机个数的算法 ,用于对静态实时容错调度算法的性能进行模拟分析 .为了提高静态调度算法的调度性能 ,提出了一种动态调度算法 .最后 ,通过模拟实验分析了静态和动态调度算法的性能 .实验表明 ,调度算法的性能与实时任务的个数、任务的计算时间。

基于异构分布式系统的实时容错调度算法

目前文献中研究的实时容错调度算法都是基于同构分布式系统 ,系统中的所有处理机完全相同 .该文首先建立了一个基于异构分布式系统实时容错调度模型 ,异构分布式系统中的各个处理机均不相同 .基于该异构分布式系统模型 ,该文引入了可靠性代价 (reliability cost)概念 ,并提出两种静态实时容错调度算法 (RTFTNO和RTFTRC)用于调度周期性实时容错任务 .算法 RTFTRC在调度任务时 ,尽量使系统的可靠性代价最小 ;而算法RTFTNO在调度实时任务时 ,没有考虑系统的可靠性代价 .该文详细讨论了两种调度算法的性能 .性能模拟实验分别比较了两个算法的可靠性代价 ,超时比率和可调度性 ;并研究了任务的计算时间与可靠性代价的关系以及调度长度阈值与最小处理机个数的关系 .实验结果表明 ,算法 RTFTRC的性能优于算法 RTFTNO.

硬实时系统中基于软件容错模型的容错调度算法

在硬实时系统中,由于任务超时完成将会导致灾难性后果,因此硬实时系统必须具有实时性和可靠性保障.软件容错模型是提高硬实时系统容错能力的一种有效方法.针对硬实时系统中容错优先级两种分配策略存在的不足,基于软件容错模型提出了一种容错优先级可提升的双重优先级分配策略.该方法通过为替代版本分配双重优先级,不仅能够提高硬实时系统的容错能力,同时还能够显著减少任务间的抢占次数.为了获得双重优先级分配的最佳策略,基于任务最坏响应时间的可调度性分析,首先提出了一种最大的双重优先级配置搜索算法(MDPCSA).然后结合MDPCSA算法,提出了一种最优的双重优先级配置搜索算法(ODPCSA).仿真实验表明,与两种分配策略相比,在提高系统容错能力和降低抢占开销方面更为有效.

异构分布式系统中基于负载均衡的容错调度算法

提出了基于主/从版本的具有容错功能的进程调度算法HDALF和HDLDF,且分别给出两种算法的时间复杂度并对算法的负载均衡性和节点资源利用率作了讨论.与以往容错调度算法不同的是,此算法是在被动进程复制模式下、适合于异构分布式系统的容错调度算法.而以往的研究都是建立在主从版本进程有相等的负载或执行时间相同的模型基础上,或者仅适合于同构分布式系统.实验结果表明,HDALF算法和HDLDF算法的性能比基于同构分布式模型下的两阶段算法更加优越.并且得出了这样的结果:当系统发生故障前后的负载均衡性权值相等时,在负载均衡和处理机资源利用率方面,HDLDF算法都要优于HDALF算法.

基于多处理机的混合实时任务容错调度

提出了一种混合实时任务容错调度算法 .该算法采用RateMonotonic (RM)算法完成周期任务的静态调度 ;采用预订处理机时间方法和EarlierDeadlineFirst (EDF)算法动态调度非周期任务 ;采用主 /副版本备份技术确保系统的容错能力 .通过充分利用周期任务的剩余处理机时间调度非周期任务和主动备份与被动备份相结合的方法有效地减少了处理机数 .仿真结果证明了算法的有效性 .

容错优先级可提升的抢占阈值容错调度算法

基于软件容错模型,提出了允许容错优先级提升的抢占阈值容错调度算法(extended fault-tolerantfixed-priority with preemption threshold,简称FT-FPPT*).该算法能够在抢占式容错调度算法(fault-tolerantfixed-priority preemptive,简称FT-FPP)和抢占阈值容错调度算法(fault-tolerant fixed-priority with preemptionthreshold,简称FT-FPPT)无法提高系统容错能力的情况下,进一步提高系统的容错能力.为了获得系统中任务优先级分配的最佳策略,基于任务最坏响应时间的可调度性分析,提出了一种最优的优先级配置搜索算法(priorityassignment search algorithm,简称PASA).经过深入分析和实验证明,与FT-FPPT算法相比,FT-FPPT*算法能够有效地提高硬实时系统的容错能力.

虚拟化云平台中实时任务容错调度算法研究

为了在云平台下满足实时系统的高可靠性要求,提出了一种虚拟化云平台中的容错调度算法(FSVC,fault-tolerant scheduling algorithm in virtualized clouds),FSVC通过主副版本方法来实现对物理主机的容错,采用副版本重叠技术与虚拟机迁移技术来提高算法的调度性能。为了达到容错的要求,分析了这2种技术应满足的约束。此外,FSVC中包含了一种两阶段策略以进一步提高算法性能。大量仿真实验表明,在虚拟化云平台中,FSVC能有效地提高系统可调度性与资源利用率。

星载Clos网络的全分布式容错调度算法

针对星载交换结构受空间辐射影响造成的可靠性严重下降问题,该文提出了一种支持全分布式调度的三级Clos网络及其全分布式容错(Fully Distributed Fault Tolerant,FDFT)调度算法,以提高星载交换结构在交叉点故障下的容错能力。该Clos网络的中间级和输出级采用联合输入交叉点队列,以支持Clos网络和交换单元内部的全分布式调度。FDFT采用一种分布式故障检测算法获得交叉点故障信息。基于对交叉点故障影响范围的分析,FDFT在输入级采用一种容错信元分发算法,实现无故障路径的负载均衡。理论分析证明,当任一输入/输出级交换单元故障个数不超过(m-n)或所有中间级交换单元故障个数不超过(m-n)时,其中m,n分别为输入级交换单元输入、输出端口数,FDFT能够达到100%吞吐率。仿真结果进一步验证,故障随机发生情况下,FDFT能够抵抗比故障任意发生情况下更多的故障,且在不同的业务场景下具有良好的吞吐率和时延性能。

实时多处理机系统BEST-FIT启发式容错调度

本文从有效利用资源的角度出发,提出了一种以最小化处理机数目为优化目标的Best-Fit启发式容错调度算法。该算法采用主/副版本备份技术和副版本的主动运行方式与被运行方式相结合的方法,将实时任务的主版本和副版本调度到不同处理机上运行;并且按照Best-Fit启发式策略为实时任务主版本寻找“最佳满足”处理机,使尽可能多的实时任务副版本以被动方式运行。算法既保证了系统的实时性和容错性,也节约了处理机。分析和仿真结果均证明了算法的有效性。

基于回卷恢复的数控系统实时容错调度策略

针对数控系统对时间确定性和可靠性的要求,建立混合关联任务集描述模型,提出了基于回卷恢复机制和最佳优先(BF)算法的容错调度策略.该策略对数控系统关键任务的执行过程进行周期性分段验证,通过保存正确的检查点状态,使得出现瞬时故障时任务可以从检查点开始继续执行,从而以较低的计算损失达到容错的效果.与传统的实时容错调度算法相比,基于回卷恢复机制的容错调度策略能很好地适用于数控系统多类型任务并存和任务间相互约束的特点,同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.该算法应用于数控系统的有效性在实例分析和算法模拟研究中得到验证.

面向多处理器的实时周期任务容错调度算法研究

主副版本策略是多处理器系统实时任务调度中处理容错问题的一种重要方式.根据分布式控制系统的特点,本文提出一种改进的FTRMBF算法—PR-FTRMBF,以提高系统周期任务的可调度性.在FTRMBF等已有的调度算法中,当没有处理器分配给当前副版本时,将为副版本分配新的处理器;本文提出的改进算法则以回溯的方式重新分配主版本.在保证系统实时性能和容错能力的前提下,节省了处理器数目.仿真实验表明,与FTRMBF算法相比,改进算法显著提高了系统任务的可调度性.

副版本不可抢占的全局容错调度算法

容错是硬实时系统的关键能力,容错调度算法可以在有错误发生的情况下满足任务的实时性需求.在主副版本机制的容错调度算法中,主版本出错后留给副版本运行的时间窗口小,副版本容易错失截止期.针对副版本需要快速响应的问题,提出副版本不可抢占的全局容错调度算法FTGS-NPB(fault-tolerant global scheduling with non-preemptive backups),赋予副版本全局最高优先级,使副版本在主版本出错后可以立刻获得处理器资源,并且在运行过程中不会被其他任务抢占.这样,副版本可以在最短时间内响应.分别基于截止期分析和响应时间分析建立了FTGS-NPB的可调度性测试,并分析了两种可调度性测试分别适用于不同的优先级分配算法.仿真实验结果表明,FTGS-NPB可以有效地减少实现容错的代价.

基于截止期错失率可预测的高利用率容错调度

现代导航与通信等实时系统经常面临着复杂的实时数字信号处理及信息交互需求,处理器处于高利用率状态.对于此类高利用率实时系统,传统的时间冗余容错通常会引发多个任务连续错失截止期的灾难性后果.针对高利用率情况,提出一种截止期错失率可预测的容错调度方法,截止期错失次数不大于出现错误的次数,消除了多个任务截止期连续错失的多米诺效应.进一步地在该方法中融合时间冗余方法的优点,提出了求解检测点上界位置的离线快速算法,有效地降低了截止期错失率.仿真实验表明,与目前已知的同类方法相比,该方法具有更低的截止期错失率.

多处理机系统的高效实时容错调度算法

在容错调度算法副版本后调度算法（ＢＫＣＬ）的基础上，提出一种高效实时容错调度算法（ＥＢＫＣＬ）．对于具有容错需求的实时任务而言，由实时容错调度算法所产生的调度可保证在多处理机实时系统中一个处理机失效时，实时任务仍然可在截止时限内完成．在ＥＢＫＣＬ算法中，如果两个实时任务的基版本分配在不同的处理机Ｐｉ和Ｐｊ上，且这两个实时任务的副版本被调度到同一个处理机Ｐ上，则两个副版本之间允许有时间上的重叠．模拟实验证明，使用多个实时任务副版本之间的时间重叠技术。

星载计算机系统瞬态过载不精确容错调度算法研究

卫星在空间作业时经常需要容错处理大量复杂的任务,这将导致过载现象的发生,星载计算机系统将不能在期限内调度它们而产生调度失败。基于这种情况,提出了星载计算机系统瞬态过载不精确容错调度算法(OLIFTSA)。它采用不精确调度思想来完成过载情况下的调度,最终取得最大的调度精度。另外,提出星载计算机系统可靠性代价概念,它能量化容错调度所产生的开销,从而使本算法容错调度代价最小。仿真实验表明:OLIFT-SA算法可以在瞬态过载时,以最小的容错开销获得最大的任务执行精度。

基于杂交遗传算法的多处理器硬实时容错调度算法

传统的硬实时容错调度算法获得了较好的容错性能,但其任务拒绝率、处理器分配偏差比例以及最早完成时间等性能参数不佳,对此提出了一种基于杂交遗传算法的优化方案,并对传统的硬实时容错算法进行优化。采用了中心型调度模型,并采用了任务备份方案来实现容错能力。将任务拒绝率、处理器分配偏差比例以及最早完成时间三个优化参数作为遗传算法适应度目标函数的三个带权分量,对其进行优化,通过遗传算法的杂交与迭代计算获得了优化的结果。最终使用不同的任务数量与处理器数量的组合对本算法与传统算法进行对比实验,结果可看出本算法的三个优化参数明显优于传统算法,且总适应度值亦比传统算法有明显改进。