Memory Aware Scheduling and Analysis of Phased Tasks for Predictable Execution on Multi-Core Platforms

QC 20260930

Abstract

Flerkärniga plattformar erbjuder hög prestanda och stor tillgänglighet av processorer. Ökad konkurrens vid åtkomst till delade resurser är dock ett resultat av den höga parallellismen, och en av de största utmaningarna när realtidsapplikationer distribueras till dessa plattformar. Som ett resultat har exekveringsmodeller föreslagits för att minimera konkurrens genom att separera åtkomst till delade resurser från exekvering, dvs. fasade exekveringsmodeller. Minnesåtkomst och beräkningar utförs i dedikerade faser för att göra exekveringen av uppgifter mer förutsägbar. Denna avhandling fokuserar på minnescentrerad schemaläggning av fasade exekveringsmodeller, såsom PRedictable Execution Model (PREM) och Acquisition-Execution-Restitution (AER)-modellen för flerkärniga plattformar för att förbättra uppfyllandet av både applikations- och plattformsbegränsningar.

Denna avhandling fokuserar på att förbättra schemaläggningsbarheten för uppgiftsuppsättningar som följer fasade exekveringsmodeller samtidigt som tillämpbarheten på minnesbegränsade inbäddade flerkärniga plattformar förbättras. Denna avhandling syftar till att förbättra schemaläggningen på två huvudsakliga sätt, 1) genom att använda preemptiv schemaläggning för att förbättra schemaläggningsförhållandet och 2) genom att minska pessimismen i schemaläggningsanalysen, och exekveringsmodellen för att förbättra andelen uppgiftsuppsättningar som identifieras som schemaläggbara.

Denna avhandling betonar vikten av att hantera lokala data med tanke på den begränsade storleken på lokalt minne för fasade uppgifter under preemptiv schemaläggning. Följaktligen föreslås och diskuteras olika preemption-metoder som bevarar den förutsägbara exekveringssemantiken för den fasade exekveringsmodellen. Dessutom föreslås värsta tänkbara lokala minnesanvändningsanalyser som ska användas vid designtid för att analysera den lokala minnesgenomförbarheten för preemptivt schemalagda fasade uppgifter på minnesbegränsade inbäddade plattformar.En viktig slutsats är att begränsning av preemptions avsevärt hjälper de fasade uppgifterna att uppnå schemaläggningsbarhet under lokala minnesbegränsningar. Vi föreslår begränsad preemption för både tidstriggad och online-schemaläggning. Schemaläggning med preemptionströskel, en metod som begränsar preemption genom att endast tillåta preemption från uppgifter med en prioritet över en viss tröskel, föreslås för de fasade uppgifterna. För att möjliggöra användningen av preemptionströskel föreslås algoritmer för tilldelning av preemptionströskel, schemaläggningsbarhet och analys av lokal minnesgenomförbarhet. De experimentella resultaten visar att preemptionströskeln förbättrar schemaläggningsbarheten och minnesgenomförbarheten jämfört med både icke-preemptiv och helt preemptiv schemaläggning.

Att endast sträva efter att förbättra schemaläggningsbarheten är inte effektivt om det inte finns ett schemaläggningstest som identifierar de schemaläggningsbara uppgiftsuppsättningarna. Följaktligen definierar denna avhandling schemaläggningsbarheten som ett nåbarhetsproblem med hjälp av tidsinställda automater i UPPAAL för att eliminera pessimism i schemaläggningsbarhetsanalysen för fasade uppgifter under global icke-preemptiv schemaläggning. Dessutom minskas bland annat pessimismen i schemaläggningstestet genom att använda en enklare exekveringsmodell som är lättare att analysera för fasade uppgifter under schemaläggning med preemptionströskel. I båda fallen förbättras de identifierade schemaläggningsbara uppgiftsuppsättningarna avsevärt.

Link to DiVA