对 OS:TEP 的 MLFQ 策略的一点思考

news2026/4/4 18:19:18
1.SJF 调度算法SJF 没啥好说的, 书上讲的很清楚了, SJF 就是最短任务优先原则, 其设计初衷是想解决 FIFO 的糟糕的周转时间的问题.但是, 正如书上所说, 这玩意主打一个秩序井然, 只能处理所有任务同时到队列的情况, 要是某堆进程不按这套路出牌, 那 SJF 立马完蛋, 书上就有一个完蛋的例子:2.PSJF/STCF 调度算法这个时候, 我突然想起了(其实是 OSTEP 告诉我的), 诶, 咱 CPU 还有个功能叫做抢占(更准确的说, 时钟中断)呢, 那可以把它们用起来啊. 于是, 就有了 STCF.这也没什么好说的, 书上也有:对, 这样确实能让周转时间大大提高, 但是对于响应时间来说, 这个方案还是有点令人头疼的, 毕竟它只在新任务来的时候抢占任务, 假设用户在终端中运行一个任务, 还是得等待前面一个任务完成了, 才能知道这个任务在运行了:那对这种情况, 又该怎么办呢?3.RR 调度算法那我们先把周转时间抛开不谈, 为了能给用户一个好的体验, 那必须优化响应时间.不过, 既然 CPU 每隔一个固定的时间就被打断一次, 那我们就把这个固定的时间取个名字, 叫做时间片吧.那我们只需要轮流调度任务堆中的任务就可以了, 例如有 A B C 三个任务, 都是100ms, CPU 每隔 50ms 就被打断一次, 那时间片为 50ms.第一个 50ms 我们运行任务A 50ms第二个 50ms 我们运行任务B 50ms第三个 50ms 我们运行任务C 50ms第四个 50ms 我们重新运行任务A 50ms, 任务A 运行完了第五个 50ms 我们重新运行任务B 50ms, 任务B 运行完了第六个 50ms 我们重新运行任务C 50ms, 任务C 运行完了至此, 全部任务运行完毕这就是轮转调度, 也叫做RR.但是, 这会导致新的问题-- RR改变了响应时间, 但是因为三个任务的周转时间都包含了其他任务的运行时间, 所以周转时间可能比 SJF 还要糟糕啊!有没有什么好办法呢?4.MLFQ 调度算法MLFQ 的全称是多级反馈调度机制, 其实本质上就是STCF 调度算法和RR 调度算法的究极缝合怪.首先, 就是关键问题:MLFQ 给出的解决方案大概是这样的:定义几个队列, 优先级从高到低.每个队列单独设置一个固定的时间额度, 任务在该队列执行完对应的 CPU 时间额度后, 要是还没嘎, 就会自动被丢到低一个优先级级的队列.CPU 对最高优先级的队列中的所有任务进行轮转调度.每隔一段时间后, 所有队列的任务都需要被丢到最高优先级的队列.用书上的原话来说:还有一点, 针对 I/O 密集型的任务, MLFQ又做了如下优化:一句话, 分解任务, 重叠使用.那么, RR是好理解的, 毕竟同一优先级下, CPU采用的是轮转调度任务制. 但是, 什么地方体现了 STCF 呢?5.MLFQ 到底哪一点像 STCF?让我们仔细研究一下上面我写的解决方案的第 2 条, 它们怎么设置某个优先级的时间额度?对, 时间额度长度是随优先级的递减而递增的.那也就是说, 我们可以总结 MLFQ 设计的思路:先假定一个任务是I/O 密集型任务(短时间), 丢到最高优先级的队列里面, 让它先执行.如果时间片没有用完, 证明假设不成立, 就丢到下一个队列中继续工作, 代表该任务也许是CPU密集型任务.以此类推做筛选, 最终在最低优先级的队列的任务就都是CPU密集型任务了.也就是这张图了:这种抢占式最短作业执行思路, 是不是在哪见过... 这是不是特别类似 PSJF/STCF 算法?这个设计看似合理, 但是它对一种情况却欠考虑, 对, 就是上面的I/O密集型任务的情况. 说不定, 这个任务被分解为好几个子任务, 其中一个子任务占用 CPU 时间特别长,后半段有超多的 CPU 和 I/O 混合的任务呢, 如我下面所画的情况?对于这类情况, 要是仅凭借子任务 1 就忽略了后面的那一堆短时间的 I/O 密集型的子任务, 是不是过于短视了?所以, 为了避免这种情况, 就跟上面我说的解决方案的第 4 点一样, 每隔一段时间后, 就假设所有大任务中当前正在执行的小任务 (例如图中的子任务1) 已经执行完了, 然后把这些大任务重新丢回最高优先级的队列.要是大任务改变了行为, 那假设成立, 证明当前的子任务已经执行完成, 已经在进行下一个子任务了.例如上面的大任务改变了行为 (本来是在最低优先级队列运行 CPU 密集型的子任务 1, 但是某次, 大任务却突然留在高优先级队列了, 那就证明大任务已经执行完子任务 1并且启动后面的 I/O 密集型任务了), 这样保证大任务的 I/O 密集型子任务也能够做到快速响应, 做到真正的STCF.这就是 MLFQ 像 STCF 的点.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2472701.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…