DAG任务模型调度及其同步机制的研究

来源 :西安工业大学 | 被引量 : 0次 | 上传用户:qvril
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在当前的嵌入式多核系统中,存在着大量的任务需要计算和处理,例如无人驾驶汽车系统和大型工控设备中各个控制模块的任务,这些任务之间存在着复杂的约束关系,而DAG任务模型常用于描述这些任务之间的关系。DAG任务模型的调度算法也可以应用于多核系统中,为了缩短系统中任务整体的完成时间,对于DAG任务模型的调度算法研究就成为了一个关键问题。针对带有通信开销的DAG任务图,现有的基于任务复制的调度算法存在数据冗余问题,而基于关键路径的调度算法存在计算量大等问题。此外,在任务调度过程中,任务同步问题也很重要,大多数基于锁机制的同步方法存在任务忙等状态,浪费CPU资源,当锁资源得不到满足时,会产生上下文开销问题,如果将这些锁机制应用于多核平台下的DAG任务同步,不仅会影响系统的整体效率,甚至会导致死锁现象并使系统崩溃。针对目前研究中存在的问题,为了进一步提高多核处理器的并行处理能力和系统的整体执行效率,以及在对缓冲区操作时,避免锁机制存在的问题,本文进行了如下研究:(1)对于具有通信开销的DAG任务图调度问题,提出了NMTD(Node matrix and task duplication scheduling algorithm)调度算法,首先计算出每个任务的节点矩阵,根据节点矩阵找出最小代价集合,然后根据合并规则对于最小代价集合进行合并,最后对于剩余节点根据调度情况进行任务复制,并得到最终的调度序列,避免了大量的任务复制和任务节点的重复计算问题。实验表明,随着算法接受率的增加,NMTD算法的接受率趋于一个稳定的状态,相比于DCP算法、CPFD算法和TTTD算法,提高了9.28%;随着任务节点数的增加,NMTD算法的接受率总体增加了9.78%,整体性能高于其它算法,最坏响应时间减小了7.66%。(2)对于在DAG任务图调度过程中存在的任务同步问题,提出了DCAS(Double Compare And Swap)无锁机制,且将其应用于Vxworks系统中缓冲区的申请及释放过程,避免了锁机制带来的死锁等问题。并在LITMUSRT多核平台下进行验证,结果表明,相比传统锁机制,使用DCAS无锁机制的响应时间比锁机制减少了10.4%,任务实际执行时间减少了4.2%。
其他文献
UV展开是计算机图形学领域用于三维模型表面纹理贴图的一项技术,主要通过三维模型表面网格的形变,建立三维坐标到二维图像坐标之间一对一的映射关系。由于三维物体表面,特别是非刚体三维模型(例如人体)对于空间坐标不具有不变性,而其相对于表面的二维坐标一般是固定不变的,因此可以将三维模型转化到二维平面下进行研究,另一方面,三维模型的二维图像表示对于基于深度学习的三维物体识别等方面具有一定应用价值和实际意义。
学位
三维人体表面特征点标定的目的,是为了快速、准确的定位受到放射性污染的人体部位,以便于紧急救援工作的开展,保障工作人员和救护人员的生命健康。为了高效的完成人体表面特征点位的准确标定。本文采用了基于三维重建的人体尺寸测量,结合可缩放标准人体模型来实现。主要的工作内容有以下几点:1)人体点云数据获取。在开始使用Kinect获取深度图像数据前,先通过相机标定得到内部参数。通过相机标定得到的成像参数来将深度
学位
目前,公共场所存在极大安全隐患,例如新闻常报道所失踪。行人重识别技术可以有效解决此类人口失踪问题,从同一区域下的不同的摄像头拍出的图像中快捷地检索出失踪的行人。但是在现实情况下,行人身体部分会受到如光线不同、杂乱的背景、分辨率高低、不同摄像机视角和遮挡等条件影响,从而老人或者小孩在大型游乐场会导致行人重识别模型在提取行人特征时会被干扰,没有办法满足应用场景的需求。本文针对以上问题出发,对行人重识别
学位
在航空领域中,现多使用触屏或操纵杆进行多功能显示器(MFD)操控,但由于飞行时操作者双手动作有限,视线交互技术被视为一种前瞻性的输入方式。然而仅使用视线交互存在“米达斯接触”问题即无法有效判断视线是有意还是无意,所以一般将多种交互方式结合使用。其中,通过运动想象(MI)产生的脑电信号与眼动数据相结合方式较为常见。但简单的结合有一定的局限性,不能很好的体现用户意图。故本研究以战机MFD交互为研究背景
学位
区块链是一种去中心化、不可篡改、可追溯、多方共同维护的分布式数据库。共识机制(或称共识协议)是区块链的核心技术,旨在为一个存在一定数量故障或者恶意节点的区块链系统提供区块链账本的一致性与可用性。相关的学者们对共识机制的研究主要分为三类,即中本聪风格账本协议(Nakamoto-style ledger protocol),状态机复制协议(State Machine Replication proto
学位
新一代群智感知(Crowd Sensing)系统在完成大规模、细粒度感知任务的过程中,基于人工智能的分析、推理及决策的作用变得不可或缺,而且越来越重要。群智感知是一个依赖移动智能终端设备广泛参与数据感知计算的开放系统,很容易造成用户隐私数据泄露。联邦学习(Federated Learning,FL)是让一组设备协同训练一个共享的人工智能模型的新兴分布式机器学习方法,模型训练过程中将用户数据保存在用
学位
得益于知识图谱技术的迅速发展和智能问答技术的逐渐成熟,普通的搜索引擎需要用户对链接进行二次筛选的问题逐渐得到了解决。本文借助于深度学习技术,以医疗领域为例搭建知识图谱,将用户输入问题到答案反馈这个流程拆分为三个阶段,从而形成以领域知识图谱为基础的问答系统,旨在整合领域知识,为用户提供简单快捷的信息检索服务。基于此目标,本文的主要研究内容包括以下三个方面:(1)首先,本文提出一种中文命名实体识别模型
学位
随着感知与控制技术的不断进步,四旋翼无人机已被成功地应用于各种领域,如航空摄影、农业测绘、探测搜救、科学研究等,为日常工作和社会发展提供了强有力的支持。越来越多的科研机构开始利用四旋翼无人机开展特定的障碍物目标检测以及智能避障研究,这些研究既能提高无人机在飞行中的可靠性和安全性,又能避免无人机对人身和财产造成的潜在威胁。而数字孪生技术通过创建物理实体的虚拟镜像,借助数据、模型等模拟物理对象在真实环
学位
随着智能设备的不断普及,人们在日常的生活中频繁接触图像。图像中包含大量的信息元素,人类可以通过将图像作为载体进行信息交流。在日常生活中我们使用手机或相机拍摄照片时,得到的图像不是单一时间内的一幅即时图像,而是一段时间内的情景,在拍照的过程中,相机会产生曝光,在这短短几秒里,所拍摄的物体产生位移或照相机自身发生了位移都可能会导致像素点发生错乱,产生一种非均匀模糊,造成图像信息受损而无法传递有效信息。
学位
随着无线通信技术的蓬勃发展,无人机影像应用是继卫星遥感的有力补充,目标检测技术在无人机航拍场景的应用也成为理论界焦点话题。然而,无人机航拍与计算机视觉的结合虽然予以生活极大地便利,但是仍面临以下问题亟待解决:如何避免在无人机航拍视频中行人检测时出现漏检和错检;如何在行人之间出现相互遮挡以及在不同的光照条件下进行检测。常见的目标检测算法在对自然场景下具有较好的检测效果,但是对于无人机航拍中的目标检测
学位