基于时间片的高优先级调度_Conf-优化中固定优先级可调度性的简单和通用方法...

本文引自

Pazzaglia, P (Pazzaglia, Paolo)[ 1 ] ; Biondi, A (Biondi, Alessandro)[ 1 ] ; Di Natale, M (Di Natale, Marco)[ 1 ].Simple and General Methods for Fixed-Priority Schedulability in Optimization

本文仅供自学和交流使用，未经允许请勿转载~谢谢

Abstract

本文为固定优先级调度提供了一组充分但准确的可调度性测试。这些测试适用于具有约束期限的调度的一般情况，其中任务可能在阻塞时间内发生，受释放抖动影响，使用固定偏移激活或涉及与其他任务的事务。所提出的测试以线性闭合形式出现，在任务数量上具有多个条件多项式。所有测试都针对在混合整数线性编程中编码可调度性约束时使用，以便优化实时系统（例如，解决多核系统中的任务划分）。通过基于合成工作量的大规模实验研究评估测试，揭示失败率（相对于最先进的参考测试）平均低于1％，并且最多为2％。极少数极限情况配置。

I. INTRODUCTION

定时和可调度性分析通常被视为验证和分析工具，用于证明给定的系统配置在时序约束方面是安全可行的。但是，特别是在功能丰富且考虑到具有多个内核和多个处理节点的平台的可用性的系统环境中，设计人员经常承担负担，他必须定义执行平台和软件配置，包括任务的设计和分配。在这种情况下，时序分析的结果应该用于定义设计优化过程中的约束，帮助选择具有最佳性能的可行配置。

需要这样一个公式的问题的例子是需要将应用程序从单核移动到多核甚至许多核心，划分软件任务或设计逻辑执行时间帧，以恢复多核系统中任务之间通信的确定性[1] ，[2]。

已编码可行性约束以用于先前工作中的设计优化。然而，大多数配方的共同缺点是它们的复杂性，这可能妨碍有效地用于优化工业规模的问题。这就是为什么具有良好准确性的近似（仅足够的）公式可以非常有助于允许数学形式化和解决实际相关的若干问题。

This paper.

在这项工作中，我们为可调度性公式提供了几个扩展，这些扩展被发现在Rate Monotonic固定优先级调度[3]的情况下是有效的，并且只需要在任务数量方面具有二次约束的许多约束。我们展示了如何扩展概念以处理大量实际感兴趣的案例，包括：具有抖动，偏移，阻塞时间甚至事务调度的调度，其中任务必须在优先约束链中执行。最重要的是，我们提供了大量实验，显示拟议的公式如何对于随机生成的任务集（研究文献中使用最多的基准）非常紧张，悲观情绪总是低于2％，仅适用于负载很重的系统。此外，当从一组伪谐波选项中选择周期时，误差降至1％以下。

本文的其余部分安排如下：对有关该主题的现有文献的分析后面是第二部分中系统模型的定义;可用的分析方法在第III节中介绍，建议的扩展在第IV节中介绍。第五部分讨论了测试用例的实验评估，第六部分结束了论文。

A. Related Work

实时任务的最坏情况响应时间

通常使用迭代过程[4]来计算，当在标准数学优化框架中实现时，该过程特别低效。问题在[5]中讨论，其中考虑了几个选项。可能的近似包括仅有足够的测试，如Liu和Layland利用率[6]或双曲线[7]，或者[8]中的响应时间。然而，这些充分的界限可能非常悲观，并且所得到的解决方案可能通常不是最理想的。最近，人们一直在努力寻找更有效的测试[9]和更严格的上限以及二次时间复杂度[10]，[11]。这些边界中的一些也适用于具有抖动，阻塞和高速缓存相关的抢占延迟的任务，但是不表示为线性条件，因此不适合在诸如MILP的优化方法中编码。

[12]中提出的测试是许多其他解决方案的来源，精确和近似。在这项工作中，要检查以确保可调度性的条件数是有限的，并由一组可调度点定义。然后可以将每个检查点的条件编码为约束，以与来自其他点的约束分离地组合。在[12]中首先发现[12]中的点集是多余的，其中定义了必要和充分条件的点的子集。最后，在[5]中，甚至[13]中的集合被发现是冗余的，并且可能通过解决一组优化问题而进一步简化。然而，即使这些点现在是原始集合的相对较小的子集，编码仍然可能非常大，特别是考虑到可调度点集合的计算需要预先解决一组附加的优化问题。

鉴于可行性可以定义为约束的OR组合，[13]的作者建议通过减少要检查的点集可以很容易地得出足够的测试，但是如何选择要保留的点是没有讨论过。这种选择在[3]中被利用，其中作者对Rate Monotonic任务集的可调度性提供了足够的分析，将测试限制在非常小的调度点子集中。所提出的测试明显不如现有的测试那么悲观，它是线性的，并且表现出非常接近精确测试的性能。

在本文中，我们展示了类似于[3]中提出的直觉如何适用于广泛的不同任务集（包括约束期限，偏移，抖动和阻塞时间）和固定优先级调度程序。在大多数情况下，得到的测试是多项式时间，保持低悲观，良好的缩放特性，并且直接适合在优化算法中用作一组线性约束。

II. SYSTEM MODEL

我们考虑在单处理器上运行的任务集

，由

n个周期性任务

组成，其中

。任务集的调度是抢占式的，并且任务按照固定优先级算法（因此包括速率和截止时间单调）来排序。任务索引反映给定的排序，其中

具有最高优先级。另外，

表示优先级高于

的任务集，而

表示优先级较低的任务集。假定具有相同优先级的任务的任意打破平局（即，在最坏的情况下，它们可以相互干扰）。为了减轻所采用的符号，将具有相同优先级的干扰任务简单地表示为优先级较高的任务。

每个任务

由三元组

定义，其中

表示最坏情况的执行时间，

表示相对截止时间，

表示周期。约束期限的假设，即

，将在整篇论文中得到应用。

是

经历的最坏情况响应时间。如果条件

对于所有

成立，则任务集被认为是可调度的，否则它不可调度。

在以下部分中说明可调度性测试时，分析中的任务集的复杂性逐渐增加。我们将假设任务

可能经历具有

中的值的释放抖动，其周期性激活可以用固定的初始偏移

来定义，并且每个任务

也可能遭受来自低优先级任务的数量为

的阻塞。

此外，这项工作还考虑了事务任务模型[14]，其中一个系统由一组NT事务

组成。每个事务

被定义为一组

任务，其中每个任务表示为

，并且周期性地用周期

激活。每个任务

被激活，具有来自事务的激活时间的固定偏移

，并且可以引起由

限制的释放抖动。任务的进一步特征在于最坏情况执行时间

和期限

，使得

。属于同一事务的任务共享相同的优先级。因此，在这种情况下，集合

也用于表示高优先级事务。

III. ANALYSIS OF FIXED-PRIORITY SCHEDULING

在单个处理器上执行的固定优先级任务的经典分析可以通过计算每个任务的响应时间

然后验证不等式

是否适用于所有任务来执行。任务

的响应时间由以下递归方程[4]的最小正定点给出：

解决这个等式是Eisenbrand和Rothvob [15]证明的NP-HARD问题。尽管计算复杂，但该方程也不适合用于数学编程框架中以优化或设计实时系统。实际上，在MILP中对此等式进行编码需要引入整数变量来对上限项进行建模，这可能会随着任务数量的增加而显着限制可扩展性。在固定优先级调度下用于精确可调度性测试的替代公式包括为每个任务

验证以下条件:

Lehoczky等。[12]证明方程（1）的检验不需要处理不切实际的连续统，即，范围

，但足以检查有限数量的点以进行精确的可调度性测试。该集由

定义，大小取决于任务周期的比例。

中的元素称为可调度点。检查条件（1）是否适用于至少一个

，对于每个

，是对可调度性的充分必要测试[12]。

无论如何，固定优先级调度的精确分析的复杂性仍然是最近由Ekberg和Yi [16]证明的NP-HARD。此外，在MILP公式中使用该测试需要对集合

中的每个点进行一个约束，并在单个析取中组合这些约束。在[13]中已经发现了关于

的减少的检查点集，并且最后在[5]中提出了用于进一步减少用于必要和充分条件的点集的过程。两种方法都大大改善了约束的大小，但在最坏的情况下仍然会导致相当大的集合（正式地，仍然是指数大小）。另外，[5]中的简化集需要求解一组嵌套优化问题。

在许多情况下，更简单但更紧密的充分条件可能是有用的。这种情况可以通过利用[13]中最初提供的观察来计算。鉴于可行性是作为一组条件的OR组合计算的，丢弃它们中的一些（因此，一些可调度点）导致仅足够的测试。因此，可以通过找到

的子集来定义有效的可调度性测试，该子集可能具有任务数量的多项式大小，这保证了可调度性能非常接近精确测试，即，仅在极少数情况下无法检测可调度任务集。

对于具有Rate Monotonic优先级分配的任务，Park和Park [3]表明采用一组具有二次大小的任务数量的检查点会导致近乎精确的可调度性测试。该集合，在下文中表示为

，为每个任务

定义如下：

直观地，该集合包含时间间隔

中的点，当每个高优先级任务的最后一次激活发生时，假设同步释放和任务尽快释放。

确实是

的子集。该组的使用将等式（1）转换为

个线性条件，并且适用于任务周期固定的

MILP公式。

尽管这种方法具有实际用途，但遗憾的是，据我们所知，在限制较少的假设下没有提出类似的结果，

例如

（i）具有任意优先级分配的任务，

（ii）具有释放抖动或偏移的任务，

（iii） 可能导致阻塞时间的任务，

以及（iv）任务事务。下一部分旨在填补这一空白，为基于线性公式的固定优先级可调度性提供更通用的高效分析平台。

IV. EFFICIENT SCHEDULABILITY TESTS

本节介绍了一组针对不同任务模型的可调度性测试，其复杂性逐渐增加。

在精神上，遵循Park和Park [3]的工作，我们的目标在于找到关于要分析的调度窗口的最后激活高优先级任务的等式，其按模型改变模型。然后将这些点用于建立近似的可调度性测试。正如在以下部分中出现的那样，这些检查点的推导通常不是直截了当的，因为它需要明确考虑任务集的特征，例如释放抖动和偏移。尽管如此，该方法足以应用于任何固定优先级排序。

A. Tasks with constrained deadline

首先，考虑具有任意偏移和约束期限的任务集

.在这种情况下，通过将设置限制在截止日期之前的点，可以容易地扩展（2）中的检查点的公式。因此，

的检验点是

。

然后通过以下方式给出相应的可调度性测试：

与[3]类似，要检查整个任务集

的线性条件的数量是

。

B. Task sets with release jitter

考虑每个周期性任务

可能在由

限定的释放抖动中发生的情况。在这种情况下，上面提出的分析可能是乐观的和不正确的。根据[17]中的结果，为了安全地分析具有抖动的任务，需要研究关键时刻，其中（i）分析任务

，并且所有高优先级任务都具有同时具有最大抖动的第一次激活时间; （ii）所有连续实例均以零抖动释放。该调度模式表示为

.

考虑到

，我们的目标是基于在分析的调度窗口中最后激活高优先级任务所产生的检查点来提出近似测试。该测试是针对约束的任务任务的情况而导出的（在关键时刻不能存在同一任务的多个待处理作业）。感兴趣的检查点很大程度上取决于任务的最大释放抖动，并且可以使用以下定理导出。

Theorem 1.

考虑分析中的任务

并假设T中的所有任务都根据

释放。不失一般性，让

是任务发生的第一次激活的时间。正在分析的调度窗口是

。如果

，则更高优先级的任务

在

中具有多于一个激活，并且其在该区间中的最后激活被定义为

Proof.

在

处的第一次激活之后，任务

的第二次激活发生在时间

。因此，如果

，则

在

中具有多于一个的激活。

的第一个周期性实例在时间

开始。因此，

的周期性实例与正在分析的调度窗口重叠的间隔的长度是Di-Ji + Jk。由于在该区间中存在完全包含的

的

激活，所以最后一个发生在由（4）定义的时间。

用于分析

的检查点集可以被计算为由上述定理定义的点

的并集，加上其截止期限，也就是

由此产生的可调度性测试[17]在于验证每个任务的以下条件

：

对应于

个线性条件。

C. Task sets with offsets

在一些应用中，某些任务的周期性激活是用固定的起始偏移定义的;例如，当需要确保事件的隐式同步时。在这些情况下，计算同步释放假设下的最坏情况响应时间可能过于悲观。

Pellizzoni和Lipari（[18]中的定理2）提供了分析此类任务集的有效方法。为了分析通用任务

，可以通过激活通用较高优先级任务

的实例来开始构建可能的关键时刻和繁忙时段，并且考虑所有其他任务，使用他们可能遇到的最小激活偏移来定相。

的实例。然后必须通过将较高优先级任务

的每个可能激活作为作为候选关键时刻的繁忙时段的开始（在

）来执行响应时间分析。测试是悲观的，因为这样的最小偏移可能永远不会同时发生，但是在简单性和准确性之间是一个很好的折衷。然而，它的复杂性仍然是多项式的，并且非常需要近似的替代方案。

任何释放

与释放不同任务

之间的最小距离可以计算为[18]

其中

是

和

之间的最大公约数。注意，

不能为负。

每当新的任务

被考虑用于繁忙时段的开始时，通过转换原始集合

中的任务来创建新任务集

,进入相应的任务

，偏移计算为

。通过如果所有

都是可调度的（来自[18]），则集合

是可调度的。

对于

的每个选择，现在可以识别对应于关于

的所有高优先级任务的最后激活的检查点。

Theorem 2.

考虑在问题窗口中分析的一组

和任务

，其中

在时间

处释放并且

是其调度窗口。

如果

，或

，则任务

在

中至少有一次激活，并且在该间隔内的最后一次激活发生在时间上

Proof.

可能存在两种情况：

i）

的第一次释放发生在

中;

ii）否则。在情况（i）中，根据定义，在

中存在至少一个

的激活。第一次激活和感兴趣区间结束之间的距离由

给出。任务

具有

周期性激活，其完全包含在

的调度窗口中。因此，最后一次激活发生在由等式（8）定义的时间。在情况（ii）中，只有在

的第一次激活发生在

的第一次激活之前，

中的

的激活才是可能的，即，

，其第二次激活在

的调度窗口内，即

.在这些条件下，可以应用上面讨论的相同推理来找到感兴趣区间中最后激活

的时间。

研究任务

的可调度性的一组检查点可以被计算为由上述定理提供的所有点

的并集加上

的截止时间。

利用集合

，必须对每个集合

和每个任务

执行以下可调度性测试[18]：

如果没有违反这些条件，则原始任务集

是可调度的。由于需要用二次过程检查n个

，因此条件总数为

。

D. Task sets with blocking

当考虑其中某些任务可能遭受来自较低优先级的任务的任务集（例如，由于锁定协议）时，可以通过简单地用阻塞项

来对

进行扩展来扩展上面呈现的可调度性测试.请注意，在截止日期之前最后激活高优先级任务的公式不受阻塞时间的影响。因此，计算的检查点也可用于在阻塞下实现可调度性测试。该测试与没有阻塞的情况具有相同的复杂性。

E. Transactional task model

在处理在多核系统上分区的并行化计算时，事务性任务（可能还安排了偏移和释放抖动）特别有趣。例如，最近关于LET模型的工作以保证多核调度中的因果关系需要将任务划分为由同步障碍分隔的周期性子任务（或LET帧），其中共享数据在核心之间传递[1]，[19] 。该体系结构可以表示为事务模型。

根据[14]中的定理2，可以通过研究在以下情况下出现的关键时刻来分析交易中的任务

：

•

在分析问题窗口开始时以最大抖动

被释放（t = 0而不失一般性）;

•因此，和相对于

相应偏移释放属于同一事务

的其他任务

无抖动;

•在所有其他事务

中，一个任务

与

同步释放，其最大抖动，其余任务以相对于

的偏移释放，并且没有抖动。

设

是根据上述规则的所有可能的调度模式组合的集合。在下文中，我们用

表示在模式

中具有与

同步的第一激活的任务集。 [14]中的分析基于可以在每个模式中生成的最大干扰的界限的推导

。

我们的方法旨在计算在相对于正在分析的任务

的候选临界时刻的所有可能的繁忙时段中的每个高优先级任务的最后激活的时间。

首先，我们计算第一次激活属于任意事务

的每个高优先级任务

的时间，并且在

的释放之后发生。这个瞬间取决于与

[14]同步激活的任务

然后通过分解

之前的部分（一些作者也称为携带）来导出由

产生的干扰，并由

表示;和以下干扰（按（9）计算）

其中

表示感兴趣的分析区间的长度。进位干扰可以是上限的

接下来，我们计算感兴趣的检查点。在模式

中，正在分析的任务的调度窗口是

。从高优先级任务

的第一次释放持续的间隔，在

和

内的

由

给出。因此，存在完全包含在

的调度窗口中的

的

个实例。因此，感兴趣的窗口中的

的最后激活由下式给出

显然，只有当任务

在

中至少有一次激活时，这些点才有效，也就是

.

用于验证调度模式

的

的可调度性的检查点集最终由下式给出

总之，所提出的分析包括针对要分析的每个调度模式利用干扰界限

和（13）中的检查点。形式上，如果，

，则任务

被称为可调度的，

其中，

是来自

的相同事务的任务的干扰，如（11）中所计算的。

中的组合是

，并且它们中的每一个都发起

个调度点（每个高优先级任务一个）。

V. EXPERIMENTAL EVALUATION

已经进行了大规模的实验来评估所提出的测试的性能，该测试针对本文所涉及的模型的状态分析方法，即响应时间分析对具有和不具有阻塞的任务的精确测试; [17]，[18]和[14]中的分析分别用于具有抖动，偏移和参与交易的任务。

我们测试了具有

任务的系统和利用率

U从 0.7到0.95的步 骤0.05（仅在高利用率和小任务集中观察到相关的性能差异）。对于参数

的每个组合，已经测试了

ν= 50000个任务集，总共约100万个集合。使用 UUnifast [20]算法生成任务的利用率，强制执行最小的每任务利用率1％。随机选择周期（i）在1毫秒至1秒之间，均匀分布;或者（ii）在一组有限的伪谐波周期 {1,2,5,10,15,20,25,30,45,50,75,100} ms内，以测试更真实的配置。然后相应地计算执行时间

（向下舍入到第一个整数）。

对于事务任务集的情况，我们测试了具有

事务的系统，其中每个事务都有

任务，因此获得了

从6到30的总任务数。对于每个组合交易和利用 U，已经进行了 5000次测试。截止日

在区间

中随机生成，

，偏移

在

中，

，并且抖动

在

中 ，

，均匀分布。

和

是可调参数。对于固定优先级调度的一般情况（即，不是速率单调），任务优先级被随机分配。作为比较度量，我们选择了失败率，计算为我们的测试认为可调度的任务集数量之间的归一化差异，由

表示，以及由

表示的必要和充分的最新测试所接受的那些之间的归一化差异。 。失败率是

，并提供我们的测试在检测可调度条件时失败的任务集的分数。

A. Experimental results

在Rate Monotonic，隐含期限任务集的情况下，图1显示了作为任务数n的函数的故障率。非常有趣的是，最大失败率从未超过2％。图2显示了具有约束期限，偏移和抖动的任务集的故障率，分别作为参数

和

的函数。图中的每个点报告所有测试任务集大小的聚合结果，即在所有测试任务集中平均

。这些参数以不同的方式影响我们的测试的失败率：虽然改变偏移不会影响所提出的测试的精度，但是收紧期限和增加抖动通常对应于故障率的降低。在所有测试配置中，故障率导致（或低于）1％。令人惊讶的是，对于包括阻塞的任务集，以及通常所有固定优先级调度（不是速率单调）的情况，还发现了低故障率（<1％），结合了控制抖动，偏移和约束的参数的不同配置。最后期限。对于具有伪谐波任务的所有任务集，也发现极低的值。

总之，所提出的测试表明，对于难以调度的任务集（具有阻塞，高抖动，紧迫的期限和任意优先级）以及易于调度的集合（具有伪谐波任务）以及失败的高可调度性能通常与确定任务参数（例如最坏情况的执行时间）相关的不确定性的速率。最后，对于所有事务任务集，我们的实验显示所选范围内所有抖动和期限值的故障率极低。表I报告了最相关测试的结果选择。

VI. CONCLUSION

本文介绍了在任务模型的广泛假设下的固定优先级调度的近似可调度性测试。这些测试可以使用有限数量的线性闭合方程来实现，并且适用于混合整数线性程序，以优化实时系统。大规模实验揭示了非常低的故障率，在最先进的可调度性测试（包括精确测试）中仅在不到1％的建议测试案例中显示出悲观结果。

REFERENCES

[1] M. Lowinski, D. Ziegenbein, and S. Glesner, “Splitting tasks for migrating real-time automotive applications to multi-core ecus,” in Industrial Embedded Systems (SIES), 2016 11th IEEE Symposium on. IEEE, 2016, pp. 1–8.

[2] A. Biondi, P. Pazzaglia, A. Balsini, and M. Di Natale, “Logical execution time implementation and memory optimization issues in autosar applications for multicores,” in International Workshop on Analysis Tools and Methodologies for Embedded and Real-time Systems (WATERS), 2017.

[3] M. Park and H. Park, “An efficient test method for rate monotonic schedulability,” IEEE Transactions on Computers, vol. 63, no. 5, pp. 1309–1315, 2014. [4] M. Joseph and P. Pandya, “Finding response times in a real-time system,” The Computer Journal, vol. 29, no. 5, pp. 390–395, 1986.

[5] H. Zeng and M. Di Natale, “An efficient formulation of the realtime feasibility region for design optimization,” IEEE Transactions on Computers, vol. 62, no. 4, pp. 644–661, 2013.

[6] C. L. Liu and J. W. Layland, “Scheduling algorithms for multiprogramming in a hard-real-time environment,” Journal of the ACM (JACM), vol. 20, no. 1, pp. 46–61, 1973.

[7] E. Bini, G. C. Buttazzo, and G. M. Buttazzo, “Rate monotonic analysis: the hyperbolic bound,” IEEE Transactions on Computers, vol. 52, no. 7, pp. 933–942, 2003.

[8] R. I. Davis and A. Burns, “Response time upper bounds for fixed priority real-time systems,” in Real-Time Systems Symposium, 2008. IEEE, 2008, pp. 407–418.

[9] R. I. Davis, A. Zabos, and A. Burns, “Efficient exact schedulability tests for fixed priority real-time systems,” IEEE Transactions on Computers, vol. 57, no. 9, pp. 1261–1276, 2008.

[10] E. Bini, A. Parri, and G. Dossena, “A quadratic-time response time upper bound with a tightness property,” in Real-Time Systems Symposium, 2015 IEEE. IEEE, 2015, pp. 13–22.

[11] J.-J. Chen, W.-H. Huang, and C. Liu, “k2q: A quadratic-form response time and schedulability analysis framework for utilization-based analysis,” in Real-Time Systems Symposium (RTSS), 2016 IEEE. IEEE, 2016, pp. 351–362.

[12] J. Lehoczky, L. Sha, and Y. Ding, “The rate monotonic scheduling algorithm: Exact characterization and average case behavior,” in Real Time Systems Symposium, 1989., Proceedings. IEEE, 1989, pp. 166– 171.

[13] E. Bini and G. C. Buttazzo, “Schedulability analysis of periodic fixed priority systems,” IEEE Transactions on Computers, vol. 53, no. 11, pp. 1462–1473, 2004.

[14] J. C. Palencia and M. G. Harbour, “Schedulability analysis for tasks with static and dynamic offsets,” in Real-Time Systems Symposium, 1998. Proceedings. The 19th IEEE. IEEE, 1998, pp. 26–37.

[15] F. Eisenbrand and T. Rothvoß, “Static-priority real-time scheduling: Response time computation is np-hard,” in Real-Time Systems Symposium, 2008. IEEE, 2008, pp. 397–406.

[16] P. Ekberg and W. Yi, “Fixed-priority schedulability of sporadic tasks on uniprocessors is np-hard,” in Real-Time Systems Symposium (RTSS), 2017 IEEE. IEEE, 2017, pp. 139–146.

[17] N. Audsley, A. Burns, M. Richardson, K. Tindell, and A. J. Wellings, “Applying new scheduling theory to static priority pre-emptive scheduling,” Software Engineering Journal, vol. 8, no. 5, pp. 284–292, 1993.

[18] R. Pellizzoni and G. Lipari, “Feasibility analysis of real-time periodic tasks with offsets,” Real-Time Systems, vol. 30, no. 1-2, pp. 105–128, 2005.

[19] A. Biondi and M. D. Natale, “Achieving predictable multicore execution of automotive applications using the LET paradigm,” in In Proc. of the 24th IEEE Real-Time and Embedded Technology and Applications Symposium (RTAS 2018). IEEE, 2018.

[20] E. Bini and G. C. Buttazzo, “Measuring the performance of schedulability tests,” Real-Time Systems, vol. 30, no. 1-2, pp. 129–154, 2005.