操作系统导论-进程调度

最近读经典书籍少了，总是爱看一些水文博客，不用费脑子想，还总有一种学到了的感觉，其实回味思考下，发现毫无营养。所以开一系列读书笔记，强迫自己读书，从《操作系统导论》开始。坚持每周一部分内容，年前读完。

前面一些知识储备内容，不写了。

运行任务的底层机制是上下文切换，那上层还需要操作系统的调度。为了理解操作系统调度策略，先把问题理想化，把操作系统中的运行的任务作出如下假设：

1. 每一个任务运行时间相同
2. 所有任务同时到达
3. 任务禁止抢占
4. 所有任务只使用CPU，即无I/O操作
5. 每个任务时间是已知的

为了比较不同的调度策略，先给出一个衡量指标，对衡量指标也先做简单化处理，即只有一个指标：周转时间（turnaround time）。任务的周转时间定义为任务完成时间减去任务到达系统时间。

我们可以想到并实现的最基本的算法，就是先进先出调度（FIFO）。

假设有三个任务A、B、C，完全满足上述理想化假设条件，都在T0时刻到达系统。因为先进先出必须要将某个任务放在前面，我们假设A>B>C。再假设每个任务执行10s。平均周转时间就是(10+20+30) / 3 = 20。

我们先放开第一个假设条件，即每个任务运行时间不同。我们想一下会有在什么场景发生什么问题。

假设依旧是A、B、C三个任务，同时到达，但是A执行时间100s，B、C执行时间10s。平均周转时间就变成了(100+110+120) / 3 = 110。

发生的这种现象被称为护航效应，一些耗时较少的潜在资源消费者被排在了重量级的资源消费者之后。

我们就需要一个更好的算法，叫做最短任务优先（SJF）。还是上述的场景，在最短任务优先策略下，平均周转时间等于(10+20+120) / 3 = 50。可以看到，在只放开第一个假设时，SFJ确实比FIFO策略在周转时间指标上表现更好。

此时，我们再放开一个假设，任务任务不是同时到达的，又会导致什么问题。

假设依旧A、B、C三个任务，A在t=0时到达，并且需要运行100s。B、C在t=10时到达，并且仅需要运行10s。用SJF策略时，平均周转时间变为(100+(110-10)+(120-10)) / 3 = 103.33。

产生这个问题的一个主要原因在于我们的假设3上，任务不可抢占。我们向SJF策略中增加抢占，就变为了最短完成时间优先（STCF）或者抢占式最短作业优先（PSJF）。每当有新的任务进入时，他都会重新确认剩余任务和新的任务中，谁的剩余时间最少，然后调度该任务。再看在此时，上述场景中平均周转时间等于(120+10+20)/3=50。

但是，我们有很多的任务并不是只关注周转时间，例如交互任务，我们坐在电脑前，敲击一下键盘，需要得到快速的响应。因此，我们就有了一个新的度量指标：响应时间，即任务从到达系统到首次运行的时间。

对于响应时间指标来说，PSJF等上述策略表现都很不好。

为了解决这个问题，又引入了新的调度算法，轮转（RR）。基本思想就是：RR在一个时间片（time slice）内运行一个工作，然后切换到运行队列中的下一个任务，反复执行，直到所有任务结束。

时间片的长度对于RR策略极为重要，越短，RR在响应时间上表现越好，然后时间片太短，上下文切换的成本会影响系统整体性能。上下文切换不仅仅是保存和灰度少量寄存器的内容，还包括CPU高速缓存、TLB、分支预测和其他片上硬件建立的大量状态被刷新。

所以，我们需要权衡时间片的长度，使其足够长以便摊销上下文切换成本，而又不会是系统不及时响应。

当系统操作有固定成本时，通常都会用摊销技术。通过减少成本的频度，系统总得成本会降低。

对于RR策略来说，响应时间指标表现很好，但是周转时间指标表现很差，这是因为RR的目的就是延伸每一个任务，只运行一个任务很短时间，就轮转到下一个任务。而周转时间只关心任务完成时间，所以表现很差是正常。

当我们把所有假设都放开时，即任务有I/O操作，任务时间是未知的，上述所有的调度策略都不再适用。

那我们就需要一种新的调度策略，叫多级反馈队列（MLFQ）。多级反馈队列目的是为了解决两个问题，首先优化周转时间，但是我们又无法得知任务要运行多久。其次给用户交互很好地体验，既缩短响应时间。

那么没有任务长度的先验知识，如何设计呢？多级反馈队列是采用了历史经验预测未来的方式，在操作系统中有很多的地方用到了这种技术，例如分支预测、缓存算法等。如果工作有很明显的阶段性行为，可以采用预测，这种技术很有效。当然也要小心使用，因为预测可能出错，会导致系统更高的代价来恢复。

顾名思义，MLFQ中有多个队列，每个队列有不同的优先级。任何时刻，一个任务只能在一个队列中。MLFQ总是会优先执行较高优先级队列中的任务。

每个优先级的队列内的所有任务采用FIFO的轮转调度。

在MLFQ中，会根据每个任务的行为不停的动态调整每个任务的优先级，例如：如果一个任务不停的放弃CPU去等待键盘输入，这个任务可能是交互型，需要较快的响应时间，MLFQ会使其保持较高的优先级。如果一个任务长时间的占用CPU，则可能是CPU密集型任务，MLFQ会降低其优先级。

那么我们得到MLFQ的两条基本规则：

• 规则1：如果任务A优先级 > 任务B优先级，调度A
• 规则2：如果任务A优先级 = 任务B优先级，轮转任务A、B

再看MLFQ是如何改变任务优先级的，如果不对任务优先级改变，低优先级队列中的任务，可能永远不被执行到，导致饿死。

改变优先级有以下三个规则：

• 规则3：任务进入系统是，放在最高优先级队列
• 规则4a：任务用完整个时间片后，降低其优先级
• 规则4b：任务在时间片内主动释放CPU，则不改变其优先级

我们再看下是否可以满足了所有场景。

场景1：单个长时间运行任务

任务刚进入系统时，在最高优先级队列。运行一个时间片后，优先级减一，进入第一级的任务队列......重复一直到任务降低到最底层的队列中，一直留在那里直到完成。

场景2：来了一个短任务

再有长短任务的复杂场景，MLFQ是否可以近似SJF。在场景1中，假设任务A已经到了最低优先级的队列中。此时来了一个任务B，并且加到了最高优先级。此时MLFQ会优先调度任务B，直到任务B执行完，或者也到了最低优先级队列时，才会和任务A轮转调度。

场景3：如果任务有I/O

如果任务在时间片内主动放弃CPU，则任务不降级。假设有任务C，每次都在时间片用完前，释放CPU，则任务C一直在最高优先级队列中，则当任务C从I/O恢复后，每次系统调度都会优先调度任务C。

我们看一下每个场景中，MLFQ表现似乎都很好。但是，我们想一下场景3，如果有大量的类似任务C的任务，则他们会一直在最高优先级中，不停地抢占CPU，导致低级队列中的任务都被饿死。

并且，如果程序员玩阴招，每次在时间片用完前，执行一次I/O调度，比如访问下无关的文件，会导致他的任务永远被优先调度。

那么MLFQ需要另外一个规则，即提升优先度

• 规则5：经过一段时间S后，把所有任务都提升到最高优先级队列中

规则5，首先解决了任务不会被饿死的问题。并且，当一个CPU密集型任务转变为交互型时，有机会让调度策略重新正确的对待他。

但是时间S的设置又是个问题，S设置得太高，长工作会饥饿；S设置的太低，交互性工作又不会得到合适的CPU时间比例。

这种类似S的值，叫做巫毒常量。

并且需要更改规则4，修正任务的计时方式，即每次重新调度后，不再重新计时，而是累加任务在该队列中运行的总时长。只要是运行总时长超过了自己的配额，即时间片，则降级到下一个队列中。无论是一次用完，还是很多次。

• 规则4：一旦任务用完了其在某一层中的时间配额（无论中间主动放弃多少次CPU），就降低其优先级

新的规则4，保证了更完善的CPU计时方式，可以保证，无论进程I/O行为如何，都可以正确的被降级。

并且，MLFQ还有可调优，比如高优先级的队列，经常是响应型任务，所以需要更短的时间片。低优先级队列，更多是CPU密集型任务，所以需要更长的时间片。

所以MLFQ中，每个优先级队列的时间片长度不是相同的，更高优先级的队列时间片更短，更低优先级的队列时间片更长。

 

以上，循序渐进了解了操作系统的进程调度策略。

像护航效应，在实际工作中经常出现，例如线程池运行任务，有的任务执行时间长，导致任务队列堆积。那么就有了工作窃取思想。

像摊销技术，在性能优化中经常用，比如常见的pipline、合并处理等减少网络I/O。

预测技术更为常见了，缓存、预加载、文件的块读写，JIT的分支预测等等常见的技术，基本都是预测思想。

还有巫毒常量，更是极为常见，比如脏页多久、多大比例刷新？设置大了，怕有数据丢失；设置小了，怕影响性能。所以很多时候，都会从另外一些角度来避免巫毒常量。