A Two-Phase Scheme for Distributed TDMA Scheduling in WSNs with Flexibility to Trade-off between Schedule Length and Scheduling Time
现有的分布式TDMA调度技术可以分为静态调度和动态调度。静态TDMA调度算法的主要目的是通过生成较短长度的调度来提高信道利用率。但是,它们通常需要较长的时间来调度,因此,不适合无线传感器网络,其中网络拓扑结构动态变化。另一方面,动态TDMA调度算法快速生成调度,但它们在生成的调度长度方面效率不高。在本文中,我们提出了一种新的方法,无线传感器网络的TDMA调度,弥合了上述两种极端类型的TDMA调度技术之间的差距,通过提供的灵活性,以权衡之间的时间表长度和所需的时间生成的时间表(调度时间)。所提出的TDMA调度工作在两个阶段。在第一阶段中,我们快速生成TDMA调度,这不需要在调度长度方面非常有效。在第二阶段中,我们迭代地减少时间表长度的方式,使得时间表长度减少的过程可以在执行任意数量的迭代后终止,并且仍然留下有效的时间表。该步骤提供了在调度长度和调度时间之间进行权衡的能力。我们已经使用Castalia网络模拟器来评估所提出的TDMA调度方案的性能。仿真结果和理论分析表明,提出的TDMA调度方法不仅具有调度长度和调度时间折衷的优点,而且在调度长度和调度时间方面均优于现有算法。
2019-12-27 cs.DC
IsoSched: Preemptive Tile Cascaded Scheduling of Multi-DNN via Subgraph Isomorphism
School of Software Engineering(软件学院);Nanyang Technological University, Singapore(新加坡南洋理工大学)
提出IsoSched框架,首次通过将调度形式化为子图同构问题,在TSS架构上实现多DNN抢占式调度,显著提升了延迟受限吞吐量、能效与关键任务满足率。
2025-08-27 cs.DC
GCAPS: GPU Context-Aware Preemptive Priority-based Scheduling for Real-Time Tasks
本文提出GCAPS,一种在驱动层通过一行宏实现GPU上下文抢占的实时调度方法,并给出响应时间分析,在Jetson平台上可调度性提升达40%。
2024-06-07 cs.DC
Rethinking Thread Scheduling under Oversubscription: A User-Space Framework for Coordinating Multi-runtime and Multi-process Workloads
Barcelona Supercomputing Center(巴塞罗那超级计算中心)
本文提出用户空间调度框架USF和SCHED_COOP,通过减少线程切换干扰提升多进程在超订情况下的性能表现。
2026-01-28 cs.DC cs.OS
Topology-aware Preemptive Scheduling for Co-located LLM Workloads
Baichuan-Inc(百川公司)
针对共置 LLM 工作负载中抢占调度缺乏拓扑感知导致资源不匹配的问题,提出细粒度拓扑感知抢占式调度方法,使释放资源满足高优先级任务拓扑亲和性需求,将整体调度性能提升 55%。
2024-11-18 cs.AI cs.DC
OpenMP Loop Scheduling Revisited: Making a Case for More Schedules
鉴于循环调度的不断进步,这项工作通过概述循环调度的当前技术水平并提出现有的OpenMP调度不足以满足应用程序,系统及其特性的所有组合的证据,重新审视了OpenMP循环调度。对现有技术的回顾表明,由于并行应用的具体情况、计算平台的多样性以及众多的性能降级因素,没有一种单循环调度技术可以是“一刀切”的解决方案,以有效地优化所有并行应用在所有情况下的性能。计算工作量和硬件系统的不规则性(包括操作系统噪声)对并行应用程序性能的影响导致性能损失,并且在循环调度研究中经常被忽视,特别是在OpenMP调度的上下文中。现有的动态循环自调度技术,如梯形自调度,因子分解和加权因子分解,提供了一个未开发的潜力,以减轻这种退化的OpenMP,由于事实上,他们明确的目标是最大限度地减少负载不平衡和调度开销。通过理论和实验评估,这项工作表明,这些循环自调度方法提供了一个好处的背景下,OpenMP。总之,OpenMP必须包括更多的时间表,以提供更广泛的性能范围内的应用程序上执行的异构共享内存计算平台越来越多。
2018-09-10 cs.DC
Revisiting the Schedule Graph Generation for the Exact and Sustainable Analysis of Non-preemptive Scheduling
针对单处理器带释放抖动和执行时间波动的非抢占式任务调度问题,改进基于调度图的可调度性分析,提出新作业资格规则,实现对两类调度策略的精确可持续分析且速度显著提升。
2024-10-31 cs.DC
Analysis of Workflow Schedulers in Simulated Distributed Environments
任务图提供了一种简单的方法来描述可以在HPC集群和云中执行的科学工作流(具有依赖关系的任务集)。执行这种图的一个重要方面是所使用的调度算法。许多调度算法已被提出在现有的作品,然而,他们往往是在过于简化的环境中进行测试。我们提供了一个可扩展的模拟环境,专为原型和基准任务的执行,其中包含各种调度算法的实现,是开源的,以完全可再现。我们使用这个环境来执行一个全面的分析工作流调度算法的重点是量化的调度挑战,迄今为止大多被忽视的影响,如调度程序调用或部分未知的任务持续时间之间的延迟。我们的研究结果表明,许多以前的作品所使用的网络模型可能会产生的结果是由一个数量级相比,一个更现实的模型。此外,我们表明,某些经常被忽视的调度算法的实现细节可以有很大的影响调度器的性能,因此,他们应该非常详细地描述,使适当的评估。
2022-04-14 cs.DC
Learning to Schedule: A Supervised Learning Framework for Network-Aware Scheduling of Data-Intensive Workloads
Tennessee Technological University(田纳西理工大学)
本文提出了一种基于监督学习的网络感知任务调度框架,通过预测任务完成时间来提高数据密集型任务在多站点集群中的调度准确性。
2025-10-24 cs.DC
An Adaptive Performance-oriented Scheduler for Static and Dynamic Heterogeneity
随着异构硬件的出现为后摩尔时代铺平了道路,使运行时调度适应平台的异构性变得非常重要。为了增强自适应和响应调度,我们引入了性能跟踪表(PTT)到XiTAO,混合模式并行的弹性调度框架。PTT是每核延迟的可扩展且动态的轻量级清单,可用于指导关键和非关键任务的调度。通过了解每个任务的延迟,PTT可以推断任务性能、应用内干扰以及应用间干扰。我们在NVIDIA Jetson TX 2芯片上运行不同工作负载类别的随机直接非循环图(DAG)作为基准,与标准工作窃取调度程序相比,实现了高达3.25倍的加速。为了验证调度对干扰的适应性,我们在Intel Haswell(2650 v3)多核工作站上以高并行度运行DAG,并分析调度器对来自后台进程的干扰的响应。我们还通过移植基于卷积神经网络(CNN)的VGG-16图像分类框架来展示XiTAO的调度性能。
2020-12-30 cs.DC
Scheduling Storms and Streams in the Cloud
受新兴的大流数据处理范例(例如,Twitter Storm,Streaming MapReduce),我们研究了在大型服务器集群上调度图的问题。每个图都是一个作业,其中节点表示计算任务,边表示这些计算任务之间的数据流。作业(图)随时间随机到达,完成后离开系统。当一个作业到达时,调度器需要划分图并将其分布在服务器上,以满足负载均衡和成本考虑。具体地说,图中映射到不同服务器的相邻计算任务会在网络上产生负载;因此,服务器之间的作业映射会产生与“断边”数量成比例的成本。我们提出了一个低复杂度的随机调度算法,没有服务抢占,稳定的系统与图到达/离开,更重要的是,它允许一个平滑的权衡最小化平均分区成本和平均队列长度。有趣的是,为了避免服务抢占,我们的方法不依赖于吉布斯采样器,相反,我们表明,相应的限制不变的措施有一个解释源于损失系统。
2015-02-20 cs.DC cs.NI math.OC
Canary: A Scheduling Architecture for High Performance Cloud Computing
我们提出了Canary,一种调度架构,允许高性能分析工作负载扩展到数千个核心上运行。Canary的动机是观察到中央调度器是高性能代码的瓶颈:少数多核工作者执行任务的速度比控制器调度它们的速度更快。Canary的关键见解是颠倒控制器和工作人员之间的责任。在Canary中,控制器将数据分区分配给工作者,然后工作者在本地产生和调度任务,而不是将任务分派给工作者,然后工作者根据需要获取数据。我们在Canary中评估了三个基准测试应用程序,这些应用程序在Amazon EC2上运行多达64台服务器和1,152个核心。Canary的速度比Spark快9- 90倍,比高度优化的图形分析引擎GraphX快4倍。虽然目前的集中式处理器可以每秒调度2,500个任务,但每个Canary工作器可以在每个核心上每秒调度136,000个任务,实验表明这是线性扩展的,64个工作器每秒调度超过1.2亿个任务,允许Canary支持在数千个核心上运行的优化作业。
2016-04-14 cs.DC
Improving Waiting Time of Tasks Scheduled Under Preemptive Round Robin Using Changeable Time Quantum
最小化任务在队列中等待执行的时间是一个重要的调度准则,在抢占式任务调度中占有广泛的应用。本文提出了一种结合轮询算法的可变时间量子(Changeable Time Quantum,CTQ)方法,试图根据就绪队列中任务的突发次数来调整时间量子。使用(CTQ)方法有两个重要的好处:最小化任务的平均等待时间,从而最小化平均周转时间;保持上下文切换的数量尽可能少,从而最小化调度开销。在本文中,我们考虑抢占式任务的调度问题,这些任务的时间成本是已知的先验。我们的实验结果表明,CTQ可以提供更低的调度开销和更好的调度标准。
2010-03-28 cs.DC
Large-scale Machine Learning Cluster Scheduling via Multi-agent Graph Reinforcement Learning
大型GPU集群中分布式深度学习(DL)作业的高效调度对于资源效率和作业性能至关重要。虽然作业之间的服务器共享提高了资源利用率,但是由于资源争用,在位于同一地点的DL作业之间发生干扰。干扰感知的工作安排进行了研究,白盒方法的基础上显式干扰建模和黑盒推理机与强化学习。在当今包含数千个GPU服务器的集群中,由于工作负载规模很大,因此运行单个调度程序以及时有效的方式管理所有到达作业是一项挑战。在大规模集群/数据中心中采用多个调度器,提出一种多智能体强化学习(MARL)调度框架,以最小化作业完成时间(JCT)为目标,协同学习细粒度的作业安排策略.为了实现拓扑感知布局,我们提出的框架使用分层图神经网络来编码数据中心拓扑和服务器架构。鉴于普遍缺乏对应于不同安置的精确奖励样本,进一步设计了工作干扰模型,以预测面对不同的协同定位时的干扰水平,用于训练MARL分类器。测试床和跟踪驱动的评估表明,我们的调度框架优于代表调度计划的平均JCT超过20%,是适应各种机器学习集群拓扑结构。
2021-12-26 cs.DC
Fast Transaction Scheduling in Blockchain Sharding
本文针对区块链分片的交易调度问题,提出集中式、分桶式集中式及基于层次聚类的分布式三种调度器,证明了其近似/竞争比,仿真显示其延迟最高降3倍、吞吐量最高升2倍,是首个可证明快速的区块链分片交易调度算法。
2025-01-16 cs.DC
A Makespan Lower Bound for the Scheduling of the Tiled Cholesky Factorization based on ALAP scheduling
由于多核架构和大规模并行性的出现,平铺Cholesky分解算法最近受到了广泛的关注,并经常被从业者作为案例研究。它也在主流的密集线性代数库中实现。然而,我们注意到,该算法的并行性的理论研究是目前缺乏的。在本文中,我们提出了新的理论结果的上下文中的一个平行齐次模型没有通信成本的平铺Cholesky分解。我们对任务使用标准的基于浮点数的权重。对于$t$ -by- $t$矩阵,我们知道平铺Cholesky算法的关键路径是$9t-10$,所有任务的权重是$t^3$。在这种情况下,我们证明,没有计划少于$0.185 t^2$处理单元可以完成的时间小于关键路径。在透视图中,一个朴素的界限给出了$0.11 t^2.$,然后我们给出了一个时间表,它需要少于$0.25 t^2+0.16t+3$处理单元来完成的关键路径的时间。在角度来看,一个天真的时间表给出$0.50 t^2.$此外,给定一个固定数量的处理单元,$p$,我们给出一个执行时间的下限如下:$$\max( \frac{t^{3}}{p}, \frac{t^{3}}{p} - 3\frac{t^2}{p} + 6\sqrt{2p} - 7 , 9t-10).$$后一个公式的兴趣在于中期。我们的结果源于观察,平铺Cholesky分解是更好地表现时,我们安排它与ASAP(尽快)启发式(尽可能晚)启发式。我们还提供了密切匹配的执行时间的下限调度算法…
2015-10-17 cs.DC
Near Optimal Task Graph Scheduling with Priced Timed Automata and Priced Timed Markov Decision Processes
任务图调度是计算机科学中的一个相关问题,在现实世界的各个领域都有应用。任务图调度遭受组合爆炸,因此找到最佳的调度器是一项困难的任务。在本文中,我们提出了一种方法来计算接近最佳的抢占式和非抢占式的任务图的竞争者。在定价时间自动机(PTA)和定价时间马尔可夫决策过程(PTMDP)中,任务图调度问题被归结为通过最快路径的位置可达性。此外,我们探索使用链,以减少计算时间,寻找时间表的影响。我们已经在UPPAAL CORA和UPPAAL STRATEGO中实现了我们的模型。我们进行了详尽的实验评估,我们将我们得到的时间表与最先进的工具的最知名的时间表进行比较。我们得到的时间表的显着数量被证明是短于或等于最知名的时间表。
2020-02-25 cs.DC cs.FL
MetaNet: Automated Dynamic Selection of Scheduling Policies in Cloud Environments
Imperial College London(伦敦帝国理工学院);Loughborough University(拉夫堡大学)
在优化云计算环境的服务质量(QoS)的背景下,任务调度是被充分研究的问题。为了维持计算需求的快速增长,云计算器最重要的QoS指标之一是执行成本。在这方面,近年来已经提出了几种基于数据驱动的深度神经网络(DNN)的调度器,以允许在动态工作负载设置中进行可扩展和有效的资源管理。然而,最佳调度通常依赖于复杂的DNN,其具有高计算需求,这意味着更高的执行成本。此外,即使在非静止环境中,也可能不总是需要复杂的过滤器,为了成本效益,我们可以暂时依靠低成本的过滤器。因此,这项工作的目的是解决非平凡的Meta问题的调度策略的在线动态选择使用一个代理模型称为MetaNet。与具有固定调度策略的传统解决方案不同,MetaNet在运行中从大量基于DNN的方法中选择调度器,以同时优化任务调度和执行成本。与最先进的DNN路由器相比,这使得执行成本、能耗、响应时间和违反服务级别协议的情况分别降低了11%、43%、8%和13%。
2022-05-21 cs.AI cs.DC
PecSched: Preemptive and Efficient Cluster Scheduling for LLM Inference
University of Virginia(弗吉尼亚大学)
针对 LLM 推理输入长度高度异构导致的队头阻塞和长请求饥饿问题,提出 PecSched 抢占式集群调度系统,结合 prefill-decode 协同与快速 SP,显著降低短请求尾延迟并提升吞吐。
2025-06-08 cs.DC cs.LG
DAS: Dynamic Adaptive Scheduling for Energy-Efficient Heterogeneous SoCs
特定领域的片上系统(DSoCs)旨在弥合专用集成电路(ASIC)和通用处理器之间的差距。传统的操作系统(OS)调度器可能会破坏DSSoC的潜力,因为它们的执行时间可能比任务本身的执行时间大几个数量级。为了解决这个问题,我们提出了一个动态自适应调度(DAS)框架,结合了快速(低开销)调度器和缓慢(复杂,高性能,但高开销)调度器的好处。五个真实世界的流媒体应用程序的实验表明,DAS始终优于快速和缓慢的路由器。对于40种不同的工作负载,DAS在低数据率下实现了平均1.29倍的加速比,与复杂的调度器相比EDP降低了45%,在工作负载复杂性增加时,DAS实现了平均1.28倍的加速比,与快速调度器相比EDP降低了37%。
2021-09-22 cs.AR cs.DC
On the Design of an Optimal Multiprocessor Real-Time Scheduling Algorithm under Practical Considerations (Extended Version)
本研究针对硬实时的【形】系统的多处理机排程问题,特别是在考虑实际限制的情况下,着重于最佳化与整体排程问题。首先,我们提出了一个改进的优化算法BF。我们正式证明我们的适应是(i)最优的,即,它总是生成可行的调度,只要这样的调度存在;以及(i i)有效,即,它符合所有要求。我们还表明,它通过提供O(n)的计算复杂度优于BF,其中n是要调度的任务数。接下来,我们提出了一个可调度性分析,该分析先验地表明了我们对BF的改进是否可以在不错过任何截止日期的情况下调度实时的【形】应用。据我们所知,这种分析是第一个考虑到操作系统产生的所有主要开销的多处理器测试。
2011-01-24 cs.DC cs.OS
SLA-Driven Load Scheduling in Multi-Tier Cloud Computing: Financial Impact Considerations
云服务提供商努力为客户端作业提供高服务质量(QoS)。这些工作在计算和服务水平协议(SLA)义务方面各不相同,在容忍延迟和违反SLA方面也各不相同。作业调度通过分配适当的资源来执行客户端作业,在服务云需求中起着关键作用。对这些作业的响应由云提供商在多层云计算环境上进行优化。通常,多层环境的复杂性和动态性会给满足此类需求带来困难,因为层相互依赖,这反过来又会使层转换的瓶颈在后续层中升级。然而,现有的方法的优化过程中产生单层驱动的时间表,不采用的SLA违反在执行客户端作业的差异影响。此外,在层级别上优化的调度对在后续层中制定的调度的性能的影响往往被忽略,导致在多层级别上测量时的性能低于最佳性能。因此,未能履行工作义务会招致SLA惩罚,惩罚的形式通常是经济补偿,或者是失去对所提供服务不满意的客户的未来利益和动机。在本文中,提出了一种调度和分配的方法来制定时间表,占SLA违规处罚的差异影响,从而产生的时间表,是最佳的财务业绩。队列虚拟化方案的目的是促进制定最佳的时间表在云环境的层和多层级别。由于调度问题是NP难的,生物启发的方法,提出了以减轻寻找最优调度的复杂性。
2021-11-05 cs.DC cs.NI cs.PF
Fixed-Priority and EDF Schedules for ROS2 Graphs on Uniprocessor
Washington University in St Louis, USA(华盛顿大学圣路易斯分校)
本文提出基于事件执行器的ROS2图调度方案,实现固定优先级调度,填补实时系统理论与ROS2调度分析之间的差距。
2025-11-28 cs.DC cs.OS cs.RO