基于分布函数的程序执行时间的静态预估

CPU体系结构越来越复杂,令传统的程序最大执行时间分析(worsecaseexecutiontime,WCET)方法越来越难准确估计出程序运行时间。而基于分布函数的WCET就是从概率角度,宏观上把握程序运行时间区间,绕过复杂的底层硬件特性。分别用贝塔分布和正态分布模拟8087指令的运行时间,进行指令叠加后用正态分布模拟整个程序的运行时间;实验结果表明,基于分布函数的程序执行时间预估方法是可行的;最后对估计出来的时间区间作了调整。

大规模云计算网络用户短时需求任务调度优化算法

设计一种大规模云计算网络用户短时需求任务调度优化算法,在较短的时间内处理大量的云计算任务,以满足用户短时需求。建立一个大规模云计算网络任务调度模型,将大规模云计算网络任务分配到各个虚拟机节点上,快速完成用户的短时需求任务;再通过遗传算法的个体编解码、自适应函数和遗传操作获取最优任务调度结果;并引入模拟退火算法,在遗传算法获取最佳调度结果的基础上进行局部搜索,直到迭代完成,输出最终的大规模云计算网络用户短时需求任务调度的全局最优解。实验结果表明:所设计算法能够实时关注用户任务执行状态以及用户任务执行时间;当用户任务数量为220时,该算法的单节点最大执行时间约为0.27 s,可提升整个任务调度的性能和效率;且该算法获取任务调度结果的收敛速度快、精度高。

包含依赖输入分支程序的符号化WCET分析

符号化WCET(worst-caseexecutiontime)分析是用符号表达式表示任务的最大执行时间:表达式中包含了参数.通过在运行时刻快速确定表达式值,符号化WCET分析可以更精确地估算WCET.提出了一种针对其分支直接依赖于输入数据的程序的符号化WCET分析方法.首先对Blieberger方法进行扩充,使得WCET符号表达式能够表达依赖输入分支,然后利用程序的控制依赖图对符号表达式进行化简,从而产生带条件的WCET符号表达式,即不同的条件对应不同的符号表达式.与已有方法不同,符号化WCET公式直接依赖于输入参数,使得运行时的WCET估算更加简单直接.