实时调度中的DBF函数

最近在阅读文献时，看到这样一个DBF函数，全名是“Demand Bound Function”，函数定义如下：

它描述了任务τi的所有job在时间间隔(time interval)t内对计算时间的需求量，前提是对于每一个job，它的arrival time和deadline要包含在t内。
注意这个函数总是与理论最优调度算法对应，也就是说在采用理论最优调度算法时，可以用此函数来计算τi的job在t内对执行时间的需求量。而对sporadic task来说，EDF是最优的调度算法，所以该函数常用来进行EDF的可调度性分析。
(所以又引出了另一个需要学习的问题：具体是如何利用DBF来做EDF的可调度性分析？)

这个函数的关键是:job的arrival time和deadline都要包含在t内，从计算公式不难看出，只有在这种情况下一个完整的Ci才会被加入总的DBF中。
起初这个函数的思想让我很难理解，在求助学长后得以解决，关注下面的例子：

假设存在两个任务，采用EDF算法调度，任务参数如下：
τ1: C=3，D=4，T=5
τ2: C=1，D=3，T=4
时序关系如下：

以t=6为例，去分别计算两个任务的DBF，发现τ1的DBF是3，而τ2的DBF是1，但在实际时序图中，t=6之前明明执行满了6个time unit。
这里要注意：demand并不等同于实际的execution time！
DBF认为只要当前job的deadline不包含在t内，那么该job就不产生任何执行时间的需求，但实际中，该job还是运行了一些时间的。当t由6改为7时，此时τ2的DBF马上变为了2，即两次job需求的C。

假设此时加入第三个任务τ3，它的D3(deadline)=6，那么可以对它进行如下的可调度性分析：
IF ( D3 - DBF(τ1，D3) - DBF(τ2，D3) <= C ) ———C为τ3的执行时间
此时在计算τ1和τ2的DBF时，DBF会认为当前有deadline更加紧急的job，所以当前τ1和τ2的job的执行都可以被推后(这体现了“最优”的思想)，这也就是为什么在上图中，这两个任务的第二个job在t=6之前的执行时间都可以不计入各自的DBF。

但这样做会带来一个问题，由于τ1和τ2的第二个job的执行时间被“无形中”推后了，那么它们会不会错过各自的deadline呢？
所以在利用DBF做EDF的可调度性分析时，在一个LCM(T1,T2,T3…)中，对每个任务的每个deadline都要做一次可调度性分析(这里可能不准确，因为对于减少分析次数的相关工作也有许多，而我还没有学习到)，这将是很庞大的工作量。

以上是我对DBF函数原理的一些理解，如有错误，欢迎指出^ _ ^