Формалізацація процесу планування за методом RMRT-EDF з урахуванням обмежених ресурсів

Автор(и)

  • В. Лемешко КПІ ім. Ігоря Сікорського, Україна

DOI:

https://doi.org/10.20535/1560-8956.47.2025.340183

Ключові слова:

RMRT-EDF, MPC, ресурсні обмеження, EDF, телеметрія, токен- модель, диспетчеризація задач

Анотація

Розглянуто формалізацію процесу планування задач у середовищах з обмеженими обчислювальними ресурсами на основі гібридного підходу RMRT-EDF (Reactive Multi-Resource Token – Earliest Deadline First). Запропоновано дискретно- часову математичну модель, яка орієнтована на запуск кожної задачі не пізніше ніж через одну секунду після її надходження, з одночасним дотриманням багатовимірних обмежень на використання CPU, оперативної пам’яті та підсистем вводу/виводу. Планувальник інтерпретується як замкнена система автоматичного керування зі зворотним зв’язком: задачі проходять токен-фільтрацію ресурсів, після чого впорядковуються за принципом EDF. Кількість одночасних запусків регулюється адаптивним лімітом, сформованим за допомогою моделі прогнозного керування (Model Predictive Control) зі змінним горизонтом оптимізації. У моделі враховано можливість часткового відхилення термінів виконання з метою забезпечення стійкості системи при пікових навантаженнях.

Бібл. 18, табл. 1

Посилання

Корнага Я. І., Лемешко В.А. RMRT-EDF: реактивний мультиресурсний токен-планувальник для гарантованого запуску задач у реальному часі // InfoCom Advanced Solutions 2025. Київ, 2025. C.35-38. URL: https://ist.kpi.ua/wp-content/ uploads/2025/05/infocom-advanced-solutions-2025_compressed-3.pdf

Naseem Adnan AlsamaraiOsman Nuri Uçan, Improved Performance and Cost Algorithm for Scheduling IoT Tasks in Fog–Cloud Environment Using Gray Wolf Optimization Algorithm // Applied Sciences. – 2024. – Т. 14, № 4. – С. 1670. – DOI: 10.3390/app14041670. – Режим доступу: https://www.mdpi.com/2076-3417/14/4/1670

Abubakar Sani Jato Performance Evaluation of Operating Systems Scheduling Algorithms // ResearchGate. – 2024. – Режим доступу: https://www.researchgate.net/ publication/379263571_PERFORMANCE_EVALUATION_OF_OPERATING _SYSTEMS_SCHEDULING_ALGORITHMS.

Liang, F., Zhang, Z., Lu, H., Li, C., Leung, V. C. M., Guo, Y., & Hu, S. Resource Allocation and Workload Scheduling for Large-Scale Distributed Deep Learning: A Survey [Electronic resource] / F. Liang, Z. Zhang, H. Lu, C. Li, V. C. M. Leung, Y. Guo, S. Hu // arXiv preprint. – 2024. – June. – arXiv:2406.08115. – Mode of access: https://www.researchgate.net/ publication/381372558_Resource_Allocation_and_Workload_Scheduling_for_ Large-Scale_ Distributed_Deep_Learning_A_Survey.

Kumar, M. S., & Karri, G. R. EAEFA: An Efficient Energy-Aware Task Scheduling in Cloud Environment [Електронний ресурс] / M. S. Kumar, G. R. Karri // EAI Endorsed Transactions on Scalable Information Systems. – 2023. – Т. 11, № 3. – Режим доступу: https://www.researchgate.net/publication/374071179_EAEFA_An_Efficient_ Energy-Aware_Task_ Scheduling_in_Cloud_Environment

Bitam, S. Bees Life Algorithm for Job Scheduling in Cloud Computing [Електронний ресурс] / S. Bitam // Proceedings of the 2012 International Conference on Computer Engineering & Systems (ICCES). – 2012. – С. 186–191. – Режим доступу: https://www.researchgate.net/publication/287656786_Bees_life_algorithm_ for_job_scheduling_in_cloud_computing

Smesseim, A. Dynamic Thread Allocation for Distributed Jobs using Resource Tokens [Електронний ресурс] / A. Smesseim. – 2019. – 59 с. – Магістерська дисертація. – ETH Zurich. – Режим доступу: https://www.research-collection.ethz.ch/bitstream/handle/ 20.500.11850/362308/1/Smesseim_Ali.pdf

Al-Haidari, F., & Balharith, T. Enhanced Round-Robin Algorithm in the Cloud Computing Environment for Optimal Task Scheduling [Електронний ресурс] / F. Al-Haidari, T. Balharith // ResearchGate. – 2021. – Режим доступу: https://www.researchgate.net/publication/351453682_Enhanced_Round-Robin_Algorithm_in_the_Cloud_Computing_ Environment_for_Optimal_Task_Scheduling

Zhou, J., Liu, B., & Gao, J. A task scheduling algorithm with deadline constraints for distributed clouds in smart cities [Електронний ресурс] / Zhou, B. Liu, J. Gao // PeerJ Computer Science. – 2023. – Vol. 9. – Article e1346. – DOI: 10.7717/peerj-cs.1346. – Режим доступу: https://peerj.com/articles/cs-1346/

Abohamama, A. S., El-Ghamry, A., & Hamouda, E. Real-Time Task Scheduling Algorithm for IoT-Based Applications in the Cloud–Fog Environment [Електронний ресурс] / A. S. Abohamama, A. El-Ghamry, E. Hamouda // Journal of Network and Systems Management. – 2022. – Vol. 30, Article 54. – DOI: 10.1007/s10922-022-09664-6. – Режим доступу: https://www.researchgate.net/publication/361715957_Real-Time_Task_Scheduling_ Algorithm_for_IoT-Based_Applications_in_the_Cloud-Fog_Environment

Huang Y., Zhang S., Wang B. An Improved Genetic Algorithm with Swarm Intelligence for Security-Aware Task Scheduling in Hybrid Clouds // Electronics. – 2023. – Vol. 12, No. 9. – Article No. 2064. – DOI: https://doi.org/10.3390/electronics12092064

Garba, A. J., Gital, A. Y., Boukari, S., & Zambuk, F. U. (2023). Hybrid Meta-Heuristics Based Task Scheduling Algorithm for Energy Efficiency in Fog Computing. International Journal of Advanced Scientific Research and Engineering, 9(2), 1–8. https://doi.org/10.31695/IJASRE.2023.9.2.3

Wang J., Li S., Zhang X., Wu F., Xie C. Deep reinforcement learning task scheduling method based on server real-time performance // PeerJ Computer Science. – 2024. – Vol. 10. – Article e2120. – DOI: https://doi.org/10.7717/peerj-cs.2120

Liu C. L., Layland J. W. Scheduling Algorithms for Multiprogramming in a Hard-Real-Time Environment // Journal of the ACM. – 1973. – Vol. 20, No. 1. – P. 46–61. – DOI: https://doi.org/10.1145/321738.321743.

Le Boudec J.-Y., Thiran P. Network Calculus: A Theory of Deterministic Queuing Systems for the Internet. – Berlin: Springer, 2001. – 274 p. – (Lecture Notes in Computer Science; Vol. 2050). – ISBN 978-3-540-42184-9

Buttazzo G. C. Hard Real-Time Computing Systems: Predictable Scheduling Algorithms and Applications. – 3rd ed. – New York: Springer, 2011. – 524 p. – (Real-Time Systems Series; Vol. 24). – ISBN 978-1-4614-0675-4. – DOI: 10.1007/978-1-4614-0676-1

S. A. A. Shah, M. A. Khan, M. A. Khan, and M. A. Khan. Designing and Implementing of Earliest Deadline First Scheduling Algorithm on Standard Linux // 2010 International Conference on Complex, Intelligent and Software Intensive Systems (CISIS). – 2010. – P. 107–112. – DOI: https://doi.org/10.1109/CISIS.2010.34

Zak S. H. An Introduction to Model-based Predictive Control (MPC) // ECE 680 – Fall 2017. – 2017. – 22 p. – Available at: https://www.researchgate.net/profile/Mohamed-Mourad-Lafifi/post/Model-Predictive-Control-examples/attachment/60202ac761fb570001029 f61/AS%3A988637009301508%401612720839656/download/An+Introduction+ to+Model-based+Predictive+Control+%28MPC%29.pdf

##submission.downloads##

Опубліковано

2025-09-28