Cet article proposait un algorithme de planification efficace en temps réel utilisant un paradigme de planification globale fonctionnant dans un environnement multicœur connu sous le nom d'algorithme GPUAS (Global Preemptive Utility Accrual Scheduling). Les algorithmes de planification multiprocesseurs TUF/UA existants connus sous le nom de G-GUA (Greedy-Global Utility Accrual) et NG-GUA (Non Greedy-Global Utility Accrual) On voit que les algorithmes négligent l'efficacité de son algorithme de planification des tâches. Ces algorithmes ont adapté l'attribut de migration des tâches en tenant compte du problème d'équilibrage de charge dans une plate-forme multicœur. L'algorithme de planification uniprocesseur PUAS existant est mappé dans l'environnement de planification multicœur qui se compose des schémas de planification globaux en tenant compte de l'attribut de migration des tâches exécutées. Le principal principe de la planification globale est qu'il permet aux tâches exécutées de migrer d'un processeur vers les autres processeurs chaque fois qu'un événement de planification se produit dans le système. L'algorithme GPUAS proposé hérite des caractéristiques de PUAS dans uniprocesseur où il peut préempter la tâche PUD la plus élevée à tout événement qui se produit dans le système. Dans cette recherche, l'algorithme GPUAS proposé a amélioré les algorithmes NG-GUA et G-GUA existants. Le simulateur développé a dérivé l'ensemble des paramètres, des événements et des mesures de performance selon une analyse détaillée du modèle de base. L'algorithme GPUAS proposé a atteint l'utilité cumulée la plus élevée pour l'ensemble de la plage de charge. L'algorithme GPUAS proposé est plus efficace que les algorithmes existants, produisant le rapport d'utilité cumulée le plus élevé et moins de taux d'avortement, ce qui le rend plus approprié et efficace pour le domaine d'application en temps réel.

Este documento propuso un algoritmo de programación eficiente en tiempo real utilizando el paradigma de programación global que se ejecuta en un entorno multinúcleo conocido como algoritmo de programación de acumulación de utilidad preventiva global (GPUAS). Los algoritmos de programación de multiprocesadores Tuf/UA existentes conocidos como Greedy-Global Utility Accrual (G-GUA) y Non Greedy-Global Utility Accrual (NG-GUA) se ve que los algoritmos pasan por alto la eficiencia en su algoritmo de programación de tareas. Estos algoritmos han adaptado el atributo de migración de tareas teniendo en cuenta el problema de equilibrio de carga en la plataforma multinúcleo. El algoritmo de programación uniprocesador PUAS existente se asigna al entorno de programación multinúcleo que consiste en los esquemas de programación globales teniendo en cuenta el atributo de migración de las tareas ejecutadas. El principio principal de la programación global es que permite que las tareas ejecutadas migren de un procesador a los otros procesadores cada vez que ocurre un evento de programación en el sistema. El algoritmo GPUAS propuesto hereda las características de PUAS en uniprocesador donde puede adelantarse a la tarea PUD más alta en cualquier evento que ocurra en el sistema. En esta investigación, el algoritmo GPUAS propuesto mejoró los algoritmos NG-GUA y G-GUA existentes. El simulador desarrollado ha derivado el conjunto de parámetros, eventos y métricas de rendimiento de acuerdo con un análisis detallado del modelo base. El algoritmo GPUAS propuesto logró la mayor utilidad acumulada para todo el rango de carga. El algoritmo GPUAS propuesto es más eficiente que los algoritmos existentes, produciendo la mayor relación de utilidad acumulada y menos relación de aborto, lo que lo hace más adecuado y eficiente para el dominio de aplicación en tiempo real.

This paper proposed an efficient real time scheduling algorithm using global scheduling paradigm running in multicore environment known as Global Preemptive Utility Accrual Scheduling (GPUAS) algorithm.The existing TUF/UA multiprocessor scheduling algorithms known as Greedy-Global Utility Accrual (G-GUA) and Non Greedy-Global Utility Accrual (NG-GUA) algorithms is seen to overlook the efficiency on its task scheduling algorithm.These algorithms have adapted the task migration attribute considering the load balancing problem in multi core platform.The existing PUAS uniprocessor scheduling algorithm is mapped into the multicore scheduling environment that consists of the global scheduling schemes considering the migration attribute of the executed tasks.The main principal of global scheduling is that it allows the executed tasks to migrate from one processor to the other processors whenever a scheduling event occurs in the system.The proposed GPUAS algorithm inherits the characteristics of PUAS in uniprocessor where it can preempt the highest PUD task at any event that occurs in the system.In this research, the proposed GPUAS algorithm enhanced the existing NG-GUA and G-GUA algorithms.The developed simulator has derived the set of parameter, events and performance metrics according to a detailed analysis of the base model.The proposed GPUAS algorithm achieved the highest accrued utility for the entire load range.The proposed GPUAS algorithm is more efficient than the existing algorithms, producing the highest accrued utility ratio and less abortion ratio making it more suitable and efficient for real time application domain.

اقترحت هذه الورقة خوارزمية جدولة فعالة في الوقت الفعلي باستخدام نموذج الجدولة العالمي الذي يعمل في بيئة متعددة النواة تُعرف باسم خوارزمية جدولة المنفعة الوقائية العالمية (GPUAS). خوارزميات جدولة المعالجات المتعددة TUF/UA الحالية المعروفة باسم استحقاق المنفعة العالمية الجشعة (G - GUA) واستحقاق المنفعة العالمية غير الجشعة (NG - GUA) يُنظر إلى الخوارزميات على أنها تتجاهل الكفاءة في خوارزمية جدولة المهام الخاصة بها. وقد قامت هذه الخوارزميات بتكييف سمة ترحيل المهام مع الأخذ في الاعتبار مشكلة موازنة الحمل في النظام الأساسي متعدد النواة. يتم تعيين خوارزمية جدولة المعالج الأحادي PUAS الحالية في بيئة الجدولة متعددة النواة التي تتكون من مخططات الجدولة العالمية مع الأخذ في الاعتبار سمة الترحيل للمهام المنفذة. المبدأ الرئيسي للجدولة العالمية هو أنه يسمح للمهام المنفذة بالترحيل من معالج واحد إلى المعالجات الأخرى كلما حدث حدث جدولة في النظام. ترث خوارزمية GPUAS المقترحة خصائص PUAS في المعالج الأحادي حيث يمكنها استباق أعلى مهمة PUAS في أي حدث يحدث في النظام. في هذا البحث، عززت خوارزمية GPUAS المقترحة خوارزميات NG - GUA و GUA الحالية. اشتق المحاكي المطور مجموعة المعلمات والأحداث ومقاييس الأداء وفقًا لتحليل مفصل للنموذج الأساسي. حققت خوارزمية GPUAS المقترحة أعلى فائدة مستحقة لنطاق الحمل بأكمله. تعد خوارزمية GPUAS المقترحة أكثر كفاءة من الخوارزميات الحالية، حيث تنتج أعلى نسبة فائدة مستحقة ونسبة إجهاض أقل مما يجعلها أكثر ملاءمة وكفاءة لنطاق التطبيق في الوقت الفعلي.