文档介绍：实时系统综述
摘要——本文主要从自动性能可视化、分散利用率控制、容错框架、复杂性管理等几个方面论述实时系统的特征。
自动性能可视化
对分布式实时系统来说,profiling工具是非常少的。实时系统的绝对多样性和低层次属性,不利于采用标准的、一般目的的性能分析和可视化工具。虽然很多研究在并行集群和超级计算机的profiling方面做了很多工作,这些文献事实上都忽视了实时领域。相应地,已经有少数商业工具提供了实时软件的profiling,但是它们都总是假设只有一个节点并且不能处理分布式环境。参考文献1首先调查性能分析的现状和讨论在分布式实时系统领域为什么profiler会如此之少。接着探索如何开发这些系统使之从带自动设备和数据收集的图形profiling工具获得益处。,最后示范一个叫“Bacara”的性能可视化原型,是一套附加实时分布式系统可视化分析工具(VADR)。
开发高优化图形处理器使任务性能数据可视化和整个系统行为分析得到了很大的提高,如图1显示了Dwyer的三维UML图。Dwyer只对结构分析感兴趣,该文作者希望在VADR上提供相同的性能分析思想。例如交叉节点的连接,该UML图可以增加颜色编码表示连接的利用率——红色表示高利用率,蓝色表示低利用率。随着节点增加,分布式系统将变得更加复杂,性能数据的数量将会增长,但是这些直观可视化球杆仍然很容易辨别出来,使得性能分析变成一件容易处理的事情。
为了实现如上目标,需要从两个方面讨论分布式实时系统的profiling:结构可视化与时间可视化。预想性能数据是三维虚拟世界,用户可以从任意角度观察和探究。在这个虚拟世界里,分布式系统中的节点用一个球表示,球之间的线表示节点之间的连接。拥塞的资源用红色表示,未充分利用的资源用蓝色表示。网络带宽用线的粗细表示:低带宽系列用细线表示,以太网连接用粗线表示。一个节点的CPU利用率增高球变大,利用率降低球变小。
分布式系统的开发者希望能看到一个特殊节点性能的更多数据,所以需要开发一个局部的分析。只要简单的在球上单击一下鼠标,将会打开一个窗口显示性能数据,包含功能调用和内存使用情况的图,该图可以由传统的profiling工具产生。预想一条时间线,时间沿着直角坐标向下前进,节点之间的消息传递用两个坐标之间的斜线表示。该可视化描述不仅使我们容易理解一个系统的时间行为,还可以通过简单的时间线重叠使我们容易比较两个竞争执行任务的性能。
分散利用率控制
很多实时系统面对端到端期限和防止过载必须控制CPU利用率。对分布式实时系统来说,利用率控制特别具有挑战性,因为其带有高的不可预测工作量和大量的端到端任务和处理器。参考文献2给出的分散端到端利用率控制(DEUCON)算法能动态执行期望的利用率在多处理器系统上。与早期采用集中方案相反,DEUCON采用新的控制结构只需要邻近处理器之间的局部调整。DEUCON是基于分布式模型可预测理论的最新进展系统设计的。控制理论分析与模拟都显示:尽管任务执行时间剧烈变化,DEUCON都能提供鲁棒的利用率保证和保持整体系统稳定。更进一步,DEUCON能有效分配不同处理器之间的计算和通信代价,并容许局部控制器有一定的通信延时。其结果表明,DEUCON能给执行在不可预测环境中大规模分布式实时系统提供可升级性和鲁棒性的利用率控制。
DEUCON使用端到端控制结构每一个主处理器都带有一个单独的局部控制器。每个控制器只与少量叫做它的(逻辑)邻居的处理器并列。一个基本的设计挑战是在没有整体信息的条件下使系统达到稳定和期望的利用率。接着将给出DEUCON设计基于分布式模型预测控制(DMPC)框架。作为控制设计的基础,先给出整个系统的动态模型和分解整体系统模型到局部控制子问题的方法。然后描述基于动态模型的DEUCON算法设计和控制分析。
在控制理论方法论中,一个控制算法必须基于系统模型设计。一个动态实时嵌入式(DRE)系统可以被近似的设计成如下的整体系统模型:
向量表示任务率的改变。子任务分配矩阵F是一个n×m矩阵。如果任务有子任务分配给处理器,则;如果没有任务没有子任务分配给处理器,则。由于端到端任务F捕获处理器之间的耦合。,其中表示实际利用率和估计利用率的之间的改变的比率。由于不可预测执行时间,的精确值是未知的。G描述了工作量不确定对DRE系统的利用率的影响。
控制器的子问题包含一系列的利用率作为控制变量和一系列的任务率作为操纵变量。控制器的控制变量包含主机处理器的利用率和一系列直接邻居的利用率。的操纵变量包含所有与相关任务的比率。相关任务可能被自己主管,也可能被其直接或间接邻居主管。设包含所有相关任务的比率,,则的子问题变成了如下带邻居的局部约束优化问题:
且服从:
DEUCON有一个局部模型只包含其局部变量和邻居