|
Le calcul du temps de rafale du processeur, qui correspond au temps dont un processus a besoin pour utiliser le processeur en continu avant d'être bloqué ou arrêté, est un aspect crucial de la planification des processus. Il est difficile de connaître le temps de rafale *exact* à l'avance, c'est pourquoi les algorithmes s'appuient souvent sur des estimations. basé sur un comportement passé. Voici un aperçu de la façon dont les temps de rafale du processeur sont calculés et estimés :
1. Le scénario idéal (et peu pratique) :connaître l'avenir
* Dans un monde parfait, vous connaîtriez le temps de rafale exact du processeur dont chaque processus aura besoin *avant* son exécution. Cela permettrait une planification optimale (par exemple, le travail le plus court en premier).
* Réalité : Connaître l’avenir est impossible ! Les processus peuvent dépendre des données, des entrées et être influencés par des événements externes, ce qui rend leurs besoins en CPU très imprévisibles.
2. L'approche pratique :estimation à l'aide de la moyenne exponentielle
Comme nous ne pouvons pas connaître l'heure exacte de la rafale, les systèmes d'exploitation utilisent des algorithmes de prédiction. pour l'estimer. La technique la plus courante et la plus efficace est la moyenne exponentielle. (également connu sous le nom de vieillissement).
* Formule :
`τ_(n+1) =α * t_n + (1 - α) * τ_n`
Où:
* `τ_(n+1)` :Le temps de rafale prévu pour la *prochaine* rafale CPU.
* `t_n` :Le temps de rafale *réel* mesuré de la rafale de CPU *la plus récente*.
* `τ_n` :Le temps de rafale prédit *précédent*. C’est l’estimation que nous avions faite avant la dernière rafale.
* `α` :le facteur de lissage (0 ≤ α ≤ 1). Cela détermine le poids accordé à la rafale la plus récente par rapport à la prédiction précédente.
* Explication :
* La formule calcule une moyenne pondérée de la prédiction précédente (`τ_n`) et du temps de rafale réel le plus récent (`t_n`).
* `α` contrôle la rapidité avec laquelle la prédiction s'adapte aux changements dans le comportement du processus.
* α élevé (proche de 1) : Donne plus de poids à la récente rafale. La prédiction répond rapidement aux changements soudains des exigences du processeur. Convient aux processus avec des salves courtes et variables.
* Faible α (proche de 0) : Donne plus de poids à l’histoire passée. La prévision est plus stable et moins affectée par les fluctuations occasionnelles. Convient aux processus avec des exigences CPU relativement cohérentes.
* Lorsqu'un nouveau processus arrive, son estimation initiale du temps de rafale (`τ_0`) est généralement définie sur une petite valeur par défaut (par exemple, 0 ou le temps de rafale moyen des autres processus).
* Exemple :
Disons :
* `α =0,5`
* `τ_n =10` ms (prédiction précédente)
* `t_n =20` ms (temps de rafale réel juste terminé)
Alors:
`τ_(n+1) =0,5 * 20 + (1 - 0,5) * 10 =10 + 5 =15` ms
Le temps de rafale prévu pour la prochaine rafale est de 15 ms.
3. Comment ça marche en pratique (simplifié)
1. Initialisation : Lorsqu'un processus démarre, définissez une estimation initiale (`τ_0`).
2. Exécution : Le processus s'exécute et nous mesurons son temps de rafale CPU réel (`t_n`).
3. Estimation : Une fois la rafale terminée, utilisez la formule de moyenne exponentielle pour calculer la nouvelle durée de rafale prévue (`τ_(n+1)`).
4. Répéter : Le processus continue de s'exécuter et nous répétons les étapes 2 et 3 après chaque rafale. La prédiction est continuellement mise à jour.
4. Considérations et défis
* Choisir α : La sélection de la bonne valeur « α » est essentielle. Il n’existe pas de « meilleure » valeur unique. Cela dépend des caractéristiques des processus exécutés sur le système. Certains systèmes d'exploitation peuvent ajuster dynamiquement « α » en fonction du comportement observé du processus.
* Précision : La moyenne exponentielle est une *estimation*, pas un prédicteur parfait. La précision de la prédiction dépend du comportement du processus et du choix de « α ».
* Surcharge de changement de contexte : La surcharge liée à la mesure des temps de rafale et à la mise à jour des estimations doit être prise en compte, en particulier si les changements de contexte sont fréquents.
* Autres techniques de prédiction : Bien que la moyenne exponentielle soit la plus courante, d'autres techniques existent, telles que l'utilisation de moyennes historiques plus complexes ou de modèles d'apprentissage automatique. Cependant, ceux-ci sont moins fréquemment utilisés en raison de leur complexité accrue et de leur surcharge potentielle.
En résumé, calculer le temps de rafale du processeur consiste à *l'estimer* en utilisant le comportement passé. La moyenne exponentielle est une méthode simple mais efficace qui permet au système d'exploitation de s'adapter aux besoins changeants du processeur du processus, permettant ainsi de meilleures décisions de planification.
|
