ارائه روشی برای زمان‌بندی وظایف متناوب و وابسته در سامانه‌های بی‌درنگ بحرانی-مختلط چندهسته‌ای با هدف کاهش تعداد قبضه‌ها

امروزه به علت تمایل به یکپارچه‌سازی بخش‌های مختلف سامانه‌های بی‌درنگ با بحرانیت‌های متفاوت در صنعت، سامانه‌های بحرانی-مختلط مورد توجه قرار گرفته‌اند. از جمله کاربردهای این سامانه‌ها می‌توان به پهپادها و ابزار‌های پلیس هوشمند اشاره کرد که در آن‌‌ها، وظایف مختلف با میزان اهمیت متفاوت در یک پلتفرم مشترک جمع‌آوری شده‌اند. به منظور فراهم کردن توان پردازشی مورد نیاز سامانه‌های بحرانی-مختلط، معماری‌های چندهسته‌ای گزینه مناسبی به شمار می‌آیند. یکی از چالش‌های اصلی در معماری‌های چند هسته‌ای، زمان‌بندی وظایف است. بسیاری از پژوهش‌های انجام شده در حوزه زمان‌بندی وظایف در سامانه‌های بحرانی-مختلط چندهسته‌ای به زمان‌بندی وظایف مستقل پرداخته‌اند. ولی در واقعیت با بسیاری از وظایف روبرو هستیم که وابستگی داده‌ای بین آن‌ها وجود دارد و تا زمانی‌که اجرای یک وظیفه به اتمام نرسد امکان شروع وظیفه وابسته به آن وجود ندارد. جنبه دیگر از زمان‌بندی وظایف در سامانه‌های بحرانی-مختلط که کمتر به آن پرداخته شده کاهش تعداد قبضه‌های وظایف است که موجب کاهش سربار زمانی در حین اجرای وظایف می‌شود. در این پژوهش به زمان‌بندی وظایف وابسته و متناوب در سامانه‌های بحرانی-مختلط چندهسته‌ای خواهیم پرداخت به گونه‌ای که اولا زمان‌بندی ارائه شده محدودیت‌های سامانه را ارضا کند و ثانیا باعث کاهش تعداد قبضه‌ها در هنگام تخصیص وظایف باشد. در پایان، الگوریتم زمان‌بندی ارائه‌شده روی یک پهباد نمونه و هم‌چنین سامانه‌هایی با وظایف تصادفی آزمایش می‌گردد و نرخ زمان‌بندپذیری و تعداد قبضه‌ها مقایسه می‌گردند. نتایج بدست آمده نشان می‌دهد که الگوریتم ارائه شده بدون آن‌که تغییر قابل توجهی در کاهش نرخ زمان‌بندپذیری داشته باشد تعداد قبضه‌ها را تا حدود 96 درصد کاهش می‌دهد.

Provide a method for Scheduling of dependent and periodic tasks in real-time mixed-criticality systems with multi-core architecture with the aim of preemption reduction

Today, due to the tendency to integrate different parts of a realtime system with different criticality levels, the concept of mixedcriticality systems has been considered. Applications of these systems include UAVs and smart police devices, in which different tasks of different importance are integrated together on a common platform. In order to provide the processing power required by mixedcriticality systems, multicore architectures are a good option. One of the main challenges in multicore architectures is task scheduling. Many researches in the field of task scheduling in mixedcriticality systems with multicore architecture are assuming tasks are independent, but in reality, we are faced with many tasks that have a data dependency between them. Another aspect of task scheduling in lesserknown multicore mixedcriticality systems is the reduction and control of the number of preemptions, which reduces time overhead during task execution. In this research, we schedule dependent tasks in a multicore architecture in such a way that, firstly, the proposed schedule is correct and satisfies the limitations of the system, and secondly, it reduces the number of preemptions when assigning tasks to cores. Finally, the proposed scheduling algorithm is tested on a sample UAV and random tasks and then the scheduling rate and number of preemptions are compared. The results show that the proposed algorithm reduces the number of preemptions by about 96% without significantly changing the scalability rate.