Linux2.6内核进程调度队列详细讲解

上图是 Linux2.6 内核中进程队列的数据结构,之间关系也已经给大家画出来,方便大家理解。
一个 CPU 拥有一个 runqueue。
Linux真正的调度方式是通过runqueue进行调度的,我们知道进程的优先级范围是根据nice值确定的,而nice值的范围为[-20,19],所以进程的优先级分40个级别。
如上图,runqueue中有一个数组array,这其实是一个结构体数组,其结构体成员为nr_active,bitmap[5],queue[140]三个,我们先从成员queue[140]开始介绍,其140个空间分别对应的是140个优先级,而0~99为实时优先级,这些一般是用在少数注重实时性操作系统上才会频繁使用的优先级,一般我们所用的操作系统都注重进程间调用的平衡,所以这里对于前0~99的优先级我们先暂且不淡,而100~139这40位优先级我们称为普通优先级,对应我们nice值的取值范围,所以在调用我们的进程可以根据其优先级60~99分别对应100~139进行排列调用,相同优先级的进程链接在同一优先级进程的后面

而我们在调用进程时并不是对queue队列进行遍历,而是通过bitmap[5]位图,一个long类型的大小为32比特,5个为160比特,足够进行对queue[140]的标注,我们可以在有进程的位置将二进制对应设置为1,那么在遍历时直接通过bitmap[0~4]进行每次32位的查找,若为0则表示该32位置比特没有进程调用,若不为0则再对32个比特中查找,那么这样我们就可以对位图进行操作,来确定队列中那个优先级存在进程,这样遍历调度队列时间复杂度基本为O(1)

从上图中我们可以看到结构体数组array其成员是开辟了两个的,其分别为活动队列和过期队列,活动队列保证进程只出不进(根据优先级调用排队等待执行的进程),而过期队列保证进程只进不出(调用过的进程或是新来的进程都进入过期队列进行排队等候),在CUP调用进程时始终调用的是活动队列,但CUP并不是直接去调用活动队列的,而是在runqueue队列中,通过两个指针*active,*expired,进行调度,*active指向活动队列,而*expired指向过期队列,当活动队列中的进程被调度完之后将指针*active和*expired进行交换,那么原先的过期队列就变成了活动队列,原先的活动队列就变成了过期队列,CUP通过指针*active再进行调度,通过指针active和expired的交换我们实现了时间复杂度为O(1)的进程调度。

活动队列
● 时间片还没有结束的所有进程都按照优先级放在该队列
● nr_active: 总共有多少个运行状态的进程
● queue[140]: 一个元素就是一个进程队列,相同优先级的进程按照 FIFO 规则进行排队调度 ,    所以,数组下 标就是优先级
● 从该结构中,选择一个最合适的进程,过程是怎么的呢?
        1. 从 0 下表开始遍历 queue[140]
        2. 找到第一个非空队列,该队列必定为优先级最高的队列
        3. 拿到选中队列的第一个进程,开始运行,调度完成
        4. 遍历 queue[140] 时间复杂度是常数!但还是太低效了
● bitmap[5]: 一共 140 个优先级,一共 140 个进程队列,为了提高查找非空队列的效率,就可以用 5*32 比特位表示队列是否为空,这样,便可以大大提高查找效率
过期队列
● 过期队列和活动队列结构一模一样
● 过期队列上放置的进程,都是时间片耗尽的进程
● 当活动队列上的进程都被处理完毕之后,对过期队列的进程进行时间片重新计算
active 指针和 expired 指针
● active 指针永远指向活动队列
● expired 指针永远指向过期队列
● 可是活动队列上的进程会越来越少,过期队列上的进程会越来越多,因为进程时间片到期时一直都存在 的。
● 没关系,在合适的时候,只要能够交换 active 指针和 expired 指针的内容,就相当于有具有了一批新的活 动进程
在系统当中查找一个最合适调度的进程的时间复杂度是一个常数,不随着进程增多而导致时间成本增加,我们称之为进程调度 O(1) 算法

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/399978.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Raspberry Pi Pico 2 上实现:实时机器学习(ML)音频噪音抑制功能

Arm 公司的首席软件工程师 Sandeep Mistry 为我们展示了一种全新的巧妙方法: 在 Raspberry Pi Pico 2 上如何将音频噪音抑制应用于麦克风输入。 机器学习(ML)技术彻底改变了许多软件应用程序的开发方式。应用程序开发人员现在可以为所需系统整…

【单片机】51单片机入门教程(二):定时器的模式详解与中断应用实例

文章目录 51单片机定时器教程:模式详解与中断应用实例1. 介绍2. 51单片机定时器/计数器概述3. 定时器控制寄存器与中断入口4. 模式0:13位定时器/计数器5. 模式1:16位定时器/计数器6. 模式2:8位自动重装载定时器/计数器7. 模式3:分割两个独立的8位定时器/计数器8. 总结51单…

可视化基础的设计四大原则

一个好的数据可视化设计可以帮助观众迅速理解数据背后的意义。然而,如何确保我们的可视化设计既美观又简单易懂呢?本文将介绍四大设计原则——亲密原则、对比原则、对齐原则和重复原则。 1、 亲密原则(Proximity) 定义与应用&am…

JVM运行时数据区之虚拟机栈

【1】概述 Java虚拟机栈(Java Virtual Machine Stack),早期也叫Java栈。每个线程在创建时都会创建一个虚拟机栈,其内部保存一个个的栈帧(Stack Frame),对应着一次次的Java方法调用。 栈是运行…

Leetcode JAVA刷刷站(20)有效的括号

一、题目概述 二、思路方向 在Java中,要判断一个仅包含括号((, ), {, }, [, ])的字符串是否有效,你可以使用栈(Stack)数据结构来实现。栈是一种后进先出(LIFO, Last In First Out)的…

达梦数据库 逻辑备份还原

达梦的逻辑备份还原 1.背景2.要求3.实验步骤3.1 相关术语3.2 dexp逻辑导出3.2.1 使用dexp工具3.2.2 dexp相关参数含义3.2.3 四种级别导出3.2.3.1 FULL3.2.3.2 OWNER3.2.3.3 SCHEMAS3.2.3.4 TABLES 3.2.4 使用范例3.2.4.1 环境准备3.2.4.2 dexp逻辑导出 3.3 dimp逻辑导入3.3.1 使…

AI大模型赋能游戏:更智能、更个性化的NPC

参考论文:https://arxiv.org/abs/2403.10249 在传统游戏中,NPC(非玩家角色)的行为往往是预先设定好的,缺乏灵活性和变化性。然而,基于大模型的NPC可以利用其强大的推理和学习能力,实时生成对话…

汇编语言指令 jmp:jmp short、jmp near ptr、jmp far ptr

引言: 在8086CPU中,可以修改IP(Instruction Pointer ,指令指针寄存器)或同时修改CS(Code Segment,代码段寄存器)和IP的指令称为转移指令,更通俗的说,转移指令…

React H5设置企业级v6版本路由的配置

路由配置是项目开发的必要一环,尤其是目前流行SPA,下面看看如何使用v6版本路由进行合理的H5路由配置 一、基本页面结构(目录根据开发要求建,下面仅用于展示配置路由) 二、具体文件实现 1. index.tsx import React f…

用python的manim库实现表格格式操作【table 下】

1.Table 是 Manim 中用于创建一个包含文本或其他 数学符号的表格的类 Table 是 Manim 中用于创建一个包含文本或其他 数学符号的表格的类它能够帮助你在场景中清晰地展示数据或信息。 参数解释 table: 一个二维数组或列表,表示表格中的内容。每个子列表代表表格的…

Spring Web MVC

1. Spring Web MVC Spring Web MVC是⼀个Web框架 1.1 MVC 举个例子理解: Controller相当于前台,接送请求,传给相关部门,部门派人处理,此时这就是Model MVC是一种思想,Spring进行了实现,称为Spring MVC Spring Boot是创建Spring MVC项目的一种方式而已 1.2 Spring MVC 而…

(第二十七天)

上午 核心:内核中的 ipvs , ipvsadm 1 、安装 ipvsadm [rootnat ~] # yum -y install ipvsadm 2 、配置规则 查看所有的规则,如果已经配置好规则,重启之后也就没有了 [rootnat ~] # ipvsadm -L -n 1 、配置 vip 网卡 &…

如何用Python进行数据可视化、科技图表绘制?

目录 写在前面 推荐图书 推荐理由 写在最后 写在前面 有了它,科技图表绘制、数据可视化真的毫无难度! 推荐图书 《Python数据可视化:科技图表绘制》(芯智)【摘要 书评 试读】- 京东图书 图书简介 《Python数据可视化:科技图表绘制》结…

生成式人工智能(大语言模型)上线备案材料

材料总体一览 生成式人工智能(大语言模型)上线备案,除申请表外还需要提交五份材料: 《生成式人工智能 (大语言模型)上线备案申请表》 《附件1:安全自评估报告》 《附件2:模型服务协议…

Python(TensorFlow)衍射光学层卷积算法模拟(英伟达GPU)

🎯要点 🎯衍射光学卷积算法模拟 | 🎯模拟或数字电子计算之前加入一层光学计算 | 🎯前馈卷积神经网络计算成像系统对输入图像进行分类 | 🎯相位掩模利用线性空间不变成像系统执行固有卷积 📜用例 Python非…

大语言模型与多模态大模型loss计算

文章目录 前言一、大语言模型loss计算1、loss计算代码解读2、构建模型输入内容与label标签3、input_ids与labels格式 二、多模态大模型loss计算方法1、多模态loss计算代码解读2、多模态输入内容2、大语言模型输入内容3、图像embending如何嵌入文本embeding 前言 如果看了我前面…

MySQL学习[4] ——MySQL锁

四、MySQL锁 4.1 MySQL有哪些锁? 4.1.1 全局锁 全局锁就是**对整个数据库实例加锁,主要用于全库逻辑备份**等场景。 flush tables with read lock # 加全局锁unlock tables # 解锁加上全局(读)锁后,整个数据库都…

css实现水滴效果图

效果图&#xff1a; <template><div style"width: 100%;height:500px;padding:20px;"><div class"water"></div></div> </template> <script> export default {data() {return {};},watch: {},created() {},me…

spring mvc工作流程

Spring MVC 是基于模型-视图-控制器&#xff08;MVC&#xff09;设计模式的 Web 框架&#xff0c;它简化了开发 Web 应用程序的流程。下面是 Spring MVC 的工作流程详细介绍&#xff1a; 客户端请求 --> DispatcherServlet --> HandlerMapping --> Controller --&…

Win10 创建新的桌面2,并实现桌面切换

1. Win10 创建新的桌面2 Win - Tab 2. Win10 桌面切换 Ctrl - Win - ←/→ 我们下期见&#xff0c;拜拜&#xff01;