Sistemas de Tempo-Real

Tamanho: px
Começar a partir da página:

Download "Sistemas de Tempo-Real"

Transcrição

1 Sstemas de Tempo-Real Notas de curso realzado em Agosto de 2006 na Unversdade Federal do Ro Grande do Norte, Natal, Brasl 2. Escalonamento de Tempo-Real (parte 1) Francsco Vasques Faculdade de Engenhara da Unversdade do Porto Plano das Aulas Introdução aos Sstemas de Tempo-Real Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Protocolos de Comuncação de Tempo-Real Sstemas de Tempo-Real: Escalonamento (1) 2

2 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 3 Concetos e Defnções Motvação para o estudo do escalonamento de TR A utlzação de metodologas e ferramentas convenconas, tem sdo consderada sufcente para o desenvolvmento de sstemas de tempo-real de baxa complexdade. No entanto, as aplcações desenvolvdas poderão ter um comportamento temporalmente mprevsível; Para projectos com maor nível de exgênca, é fundamental a utlzação de metodologas de desenvolvmento que consderem de uma forma adequada os requstos temporas ao longo de todo o processo de desenvolvmento; Nomeadamente, para a obtenção de um escalonamento adequado da execução de tarefas num sstema de tempo-real, é fundamental a correcta consderação dos seus requstos temporas (metas temporas & atrasos temporas). Sstemas de Tempo-Real: Escalonamento (1) 4

3 Concetos e Defnções Noção de Meta Temporal Meta temporal ( deadlne ) vs. Atraso ( delay )» A mposção de um atraso ao sstema computaconal de tempo-real ndca que o sstema computaconal deve retardar a sua execução para permtr que o ambente (operador/objecto controlado) o consga acompanhar;» A mposção de uma meta temporal ao sstema computaconal de tempo-real ndca que o sstema computaconal deve acelerar a sua execução por forma a adequar o seu tempo de execução à dnâmca do ambente. Objecto Controlado Interface de Instrumentação Sstema Computaconal de tempo-real Interface Homem-Máquna Operador Sstemas de Tempo-Real: Escalonamento (1) 5 Concetos e Defnções Noção de Meta Temporal Meta temporal ( deadlne ) vs. Atraso ( delay )» A maor parte dos requstos temporas podem ser expressos em termos de atrasos e de metas temporas;» Exemplo: loop do work by deadlne delay untl next release end loop» Um atraso pode ser faclmente mplementado em qualquer RTOS. No entanto, garantr que uma meta temporal é sempre respetada quando da execução do programa de tempo-real não é trval; A análse de escalonabldade é o formalsmo utlzado para verfcação da garanta de respeto das metas temporas. Sstemas de Tempo-Real: Escalonamento (1) 6

4 Concetos e Defnções Programas em Sstemas de Tempo-Real consttuídos por tarefas. Conceto de Tarefa: Tarefa (τ ): Segmento de códgo de software que deverá ser executado múltplas vezes com dferentes dados de entrada. Uma tarefa é caracterzada por ter uma execução com característcas temporas própras; Instânca ( job ) (τ,k ) é a execução k da tarefa τ ; data de actvação Instânca τ,k data de níco de execução duração de execução data de fm de execução meta temporal Sstemas de Tempo-Real: Escalonamento (1) 7 Concetos e Defnções Núcleo ( Kernel ) Mult-Tarefa de Tempo-Real Objectvo: transparênca para a aplcação de tempo-real do processador e dos seus mecansmos de nterface; Permtr a execução de múltplas tarefas num ambente pseudo-paralelo, garantndo o respeto das metas temporas assocadas a cada uma das tarefas. Aplcação de TR τ 1 τ 2 τ 3 τ n Núcleo de Tempo-Real Processador Sstemas de Tempo-Real: Escalonamento (1) 8

5 Concetos e Defnções Núcleo ( Kernel ) Mult-Tarefa de Tempo-Real Pseudo-paralelsmo: O processador executa sucessvamente múltplas tarefas» Se as dferentes tarefas são executadas sequencalmente: escalonamento não preemptvo;» Se uma tarefa em curso de execução pode ser nterrompda por uma outra tarefa: escalonamento preemptvo. Aplcação de TR τ 1 τ 2 τ 3 τ n Núcleo de Tempo-Real Processador Sstemas de Tempo-Real: Escalonamento (1) 9 Concetos e Defnções Núcleo ( Kernel ) Mult-Tarefa de Tempo-Real Crtéros para a selecção de um Núcleo de tempo-real» Porquê utlzar um núcleo TR? Desenvolvmento mas rápdo das aplcações (ganho de produtvdade), vsto a partlha do processador ser transparente. Utlzação de espaço de memóra suplementar, com maor custo em termos de tempo de execução. Crtéros para a selecção de um Núcleo de tempo-real 1. Hardware-alvo suportado; 2. Lnguagens de programação suportadas (ex. C, C++, Ada) 3. Dmensão de memóra ocupada ( footprnt ) Núcleos modulares (dmensão de memóra varável) Problema: dentfcar o conteúdo correspondente às dmensões mínmas de memóra ndcadas pelos fabrcantes. Sstemas de Tempo-Real: Escalonamento (1) 10

6 Concetos e Defnções Núcleo ( Kernel ) Mult-Tarefa de Tempo-Real Crtéros para a selecção de um Núcleo de tempo-real 4. Servços fornecdos pelo núcleo Escalonamento: adaptado para o suporte de aplcações de tempo-real? Sncronzação entre tarefas: Que tpo de gestão de flas (FIFO, por prordades)? Que mecansmos para gerr a nversão de prordades? Gestão estátca ou dnâmca de memóra? Gestão do tempo: actvação de tarefas peródcas? Qualdade das temporzações (granulardade, precsão)? Interruptbldade do núcleo? Quas os servços mínmos que têm que ser ncluídos numa versão reduzda do núcleo? 5. Componentes de software fornecdos para além do núcleo Plhas de protocolos, base de dados de tempo-real, servços Web? Sstemas de Tempo-Real: Escalonamento (1) 11 Concetos e Defnções Núcleo ( Kernel ) Mult-Tarefa de Tempo-Real Crtéros para a selecção de um Núcleo de tempo-real 6. Desempenho ( performance ): A exstênca de análses efectuadas pelos fabrcantes devem ser escrutnadas com base nos seguntes elementos: qual a plataforma para a qual foram efectuadas? em que condções de medda? tempos médos, máxmos ou mínmos? presença de nterrupções? testes em anel (tudo na cache!)? qual o estado do núcleo (n.º de objectos, fragmentação)? 7. Exstênca de drvers para os perfércos a utlzar 8. Qualdade do suporte técnco, para futura evolução para novas arqutecturas 9. Natureza do produto (códgo fonte ou bnáro?) 10.Custo (preço por lcença?) 11.Certfcação para a área de aplcação pretendda? Sstemas de Tempo-Real: Escalonamento (1) 12

7 Concetos e Defnções Objectvo de um Núcleo ( Kernel ) Mult-Tarefa de Tempo-Real O elemento fundamental de um núcleo ( Kernel ) de tempo-real é o escalonador, que tem como função permtr a execução de múltplas tarefas num ambente pseudo-paralelo, garantndo o respeto das sua metas temporas. Escalonamento ( Schedulng ) de Tempo-Real: O escalonamento de tempo-real pretende atrbur de uma forma óptma o processador às tarefas que os pretendem utlzar, garantndo o respeto das metas temporas ( deadlnes ) assocadas à execução de cada uma das tarefas. Sstemas de Tempo-Real: Escalonamento (1) 13 Concetos e Defnções Estados de uma tarefa Durante a sua execução, uma preempt tarefa de uma aplcação de tempo-real pode estar num, e num só, dos seguntes estados: Ready execute Run Aplcação de TR τ 1 τ 2 τ 3 τ n unblock Blocked block abort release termnate Núcleo de Tempo-Real create Not ready remove Processador Not exstant Sstemas de Tempo-Real: Escalonamento (1) 14

8 Concetos e Defnções Um algortmo de escalonamento de tempo-real deve:» Selecconar entre as tarefas pendentes ( ready ), qual a que deve ser executada;» Verfcar se deve nterromper a tarefa que está a ser executada ( preempton ), para permtr a execução de uma tarefa de maor prordade;» Verfcar se as regras de execução mpõem o bloqueo ( blockng ) da tarefa que está a ser executada; por forma a optmzar a execução do conjunto de tarefas. Sstemas de Tempo-Real: Escalonamento (1) 15 Concetos e Defnções Escalonamento ( Schedulng ) de Tempo-Real: O escalonamento de tempo-real nclu a defnção de:» Algortmo de escalonamento (ordem de sequênca) do processamento de tarefas, combnado com as polítcas de alocação de recursos; Deve garantr a efcente utlzação dos recursos (processador e redes de comuncação)» Teste para a análse da escalonabldade do conjunto de tarefas, qualquer que seja a sua ordem de actvação Fórmula/algortmo matemátco que forneça uma prova de escalonabldade; Também permte efectuar uma prevsão acerca do funconamento do sstema, quando confrontado com o cenáro de carga ou de falhas mas desfavorável. Sstemas de Tempo-Real: Escalonamento (1) 16

9 Concetos e Defnções Análse de escalonabldade de um programa de tempo-real Elemento fundamental para determnar o comportamento temporal de um programa de tempo-real; Gudelnes para a análse de escalonabldade de um programa de tempo-real:» Defnção de um modelo adequado para as tarefas, descrevendo de forma adequada as suas propredades temporas;» Defnção de um algortmo de escalonamento adequado para o sstema em análse;» Utlzação de um teste para a análse da escalonabldade adequado para o algortmo de escalonamento e o modelo de tarefas consderados. Sstemas de Tempo-Real: Escalonamento (1) 17 Concetos e Defnções Modelo de tarefas: Parâmetros fundamentas de um modelo de tarefas, que permta descrever de uma forma adequada as propredades temporas de um sstema de tempo-real: valores relatvos (letra maúscula)» perodcdade de actvação de cada tarefa: T» máxma duração de execução de cada tarefa (sem preempção): C» meta temporal ( deadlne ) assocada à execução de cada tarefa: D data de actvação ( release tme ) meta temporal níco de execução duração de execução fm de execução t Sstemas de Tempo-Real: Escalonamento (1) 18

10 Concetos e Defnções Modelo de tarefas: Parâmetros fundamentas de um modelo de tarefas: valores absolutos (letra mnúscula)» data de actvação da nstânca k da tarefa τ : r,k» data de níco de execução da nstânca k da tarefa τ : s,k» data de fm de execução da nstânca k da tarefa τ : f,k data de actvação ( release tme ) meta temporal níco de execução duração de execução fm de execução t Sstemas de Tempo-Real: Escalonamento (1) 19 Concetos e Defnções Outros parâmetros temporas: Folga ( laxty ): L = (meta temporal) - (conclusão de execução) Atraso ( delay ) = MAX (0, - Folga) Tempo de Resposta: R = (conclusão de execução) - (data de actvação) Factor de utlzação : = n C U = 1 T Relações de precedênca e de exclusão mútua entre tarefas; data de actvação ( release tme ) meta temporal níco de execução duração de execução fm de execução t Sstemas de Tempo-Real: Escalonamento (1) 20

11 Concetos e Defnções Outros parâmetros temporas: Jtter : varação temporal de um evento com actvação peródca Jtter no fnal de execução» valor absoluto:» valor relatvo: max k max k ( f, k r, k ) mn( f, k r, k ) k ( f r ) ( f r ), k, k mn k, k 1, k 1 Jtter no níco de execução Sstemas de Tempo-Real: Escalonamento (1) 21 Concetos e Defnções Modelo de tarefas Tarefa crítca ( hard task ), quando a ultrapassagem de uma meta temporal pode ter consequêncas desastrosas, ou seja, o valor do servço prestado fora de prazo é muto menor que o valor negatvo do prejuízo causado; Utldade r d t Sstemas de Tempo-Real: Escalonamento (1) 22

12 Concetos e Defnções Modelo de tarefas Tarefa frme ( frm task ), quando a ultrapassagem de uma meta temporal não tem consequêncas desastrosas, mas o valor do servço prestado pode ser consderado nulo; Utldade r d t Sstemas de Tempo-Real: Escalonamento (1) 23 Concetos e Defnções Modelo de tarefas Tarefa não-crítca ( soft task ), quando apesar da ultrapassagem de uma meta temporal, anda exste algum valor assocado ao servço prestado fora de prazo; Utldade r d t Sstemas de Tempo-Real: Escalonamento (1) 24

13 Concetos e Defnções Modelo de Tarefas: Tarefa Peródca:» Tarefa com perodcdade de actvação (e não de execução) constante; Tarefa Esporádca:» Tarefa cujo ntervalo de tempo entre actvações consecutvas tem um mínmo defndo Sstemas de Tempo-Real: Escalonamento (1) 25 Concetos e Defnções Modelo de Tarefas: Tarefa Aperódca:» Tarefa cujo ntervalo de tempo entre actvações consecutvas não tem nenhum mínmo defndo.» Para poder ser consderada a utlzação de tarefas aperódcas em sstemas de tempo-real, torna-se necessáro mpor um lmte superor à sua utlzação de recursos computaconas. Sstemas de Tempo-Real: Escalonamento (1) 26

14 Concetos e Defnções Preempção na Execução de Tarefas Num escalonamento preemptvo:» uma tarefa de menor prordade verá a sua execução nterrompda sempre que uma tarefa de maor prordade deseje ser executada (a menos que exstam restrções que mpeçam essa nterrupção); Num escalonamento não-preemptvo:» cada tarefa será executada até ao fnal sem ser nterrompda, sendo desta forma smplfcado o processamento assocado às mudanças de contexto; Sstemas de Tempo-Real: Escalonamento (1) 27 Concetos e Defnções Exemplos de escalonamento: Apresentam-se, para o mesmo conjunto de tarefas, 4 cenáros de escalonamento para os quas se obtém sucessvamente: 1. Escalonamento preemptvo, com 1 os peddos de execução arbtraramente desfasados; 2. Escalonamento preemptvo, com smultanedade nos 1 os peddos de execução; 3. Escalonamento não- preemptvo, com smultanedade nos 1 os peddos de execução; 4. Escalonamento não-preemptvo com actvação de tarefa de menor prordade medatamente anteror à actvação smultânea de todas as outras tarefas Sstemas de Tempo-Real: Escalonamento (1) 28

15 Concetos e Defnções 1º Exemplo:» Tarefas Peródcas: τ={c, T, d }; U=93,3%» Escalonamento preemptvo por prordades» Atrbução de prordades às tarefas (?)» 1 os peddos de execução desfasados τ 1 =(1, 3, 3) τ 2 =(1, 4, 4) τ 3 =(1.6, 5, 5) processador lvre t escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 29 Concetos e Defnções 2º Exemplo:» Tarefas Peródcas: τ={c, T, d }; U=93,3%» Escalonamento preemptvo por prordades» Atrbução de prordades às tarefas (?)» 1 os peddos de execução smultâneos τ 1 =(1, 3, 3) τ 2 =(1, 4, 4) τ 3 =(1.6, 5, 5) processador lvre t escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 30

16 Concetos e Defnções 3º Exemplo:» Tarefas Peródcas: τ={c, T, d }; U=93,3%» Escalonamento não-preemptvo por prordades» Atrbução de prordades às tarefas (?)» 1 os peddos de execução smultâneos τ 1 =(1, 3, 3) τ 2 =(1, 4, 4) τ 3 =(1.6, 5, 5) processador lvre t escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 31 Concetos e Defnções 4º Exemplo:» Tarefas Peródcas: τ={c, T, d }; U=93,3%» Escalonamento não-preemptvo por prordades» 1 o peddo de execução de uma tarefa de menor prordade medata-mente anteror à actvação smultânea de todas as outras tarefas τ 1 =(1, 3, 3) τ 2 =(1, 4, 4) τ 3 =(1.6, 5, 5) processador lvre t escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 32

17 Concetos e Defnções Instante Crítco: Num sstema com escalonamento preemptvo, a actvação smultânea de todas as tarefas (nstante crítco) tem como consequênca:» em termos de utlzação, um período de carga máxma do processador;» em termos de tempo de resposta, um ntervalo de tempo (ntervalo crítco) durante o qual o tempo de resposta é máxmo para cada uma das actvações das tarefas. Num sstema com escalonamento não-preemptvo, o nstante crítco está defndo como a actvação da tarefa de maor duração (efeto de bloqueo) medatamente antes da actvação smultânea de todas as outras tarefas [Lu and Layland, 73]. Sstemas de Tempo-Real: Escalonamento (1) 33 Concetos e Defnções Exemplos de escalonamento: Apresentam-se, para o mesmo conjunto de tarefas, 3 cenáros de escalonamento para os quas se obtém sucessvamente: 1. Escalonamento preemptvo sempre realzável (ntervalo crítco representado); 2. Escalonamento não-preemptvo sobre o qual não pode ser retrada nenhuma conclusão acerca da sua escalonabldade (ntervalo crítco não representado); 3. Escalonamento não-preemptvo não realzável (ntervalo crítco representado). Sstemas de Tempo-Real: Escalonamento (1) 34

18 Concetos e Defnções 1º Exemplo» tarefas peródcas: τ={c, T, d }; U=86,7%;» data de actvação das tarefas smultânea;» escalonamento sempre realzável. tarefa C T d τ τ τ τ R1=2 τ 2 τ 3 R2=8 processador lvre R3=14 escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 35 Concetos e Defnções 2º Exemplo» tarefas peródcas: τ={c, T, d }; U=86,7%;» data de actvação das tarefas smultânea;» ntervalo crítco não representado. tarefa C T d τ τ τ τ 1 τ R1= τ 3 R2=6 processador lvre R3=12 escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 36

19 Concetos e Defnções 3º Exemplo» tarefas peródcas: τ={c, T, d }; U=86,7%;» data de actvação das tarefas não smultânea;» escalonamento não realzável. tarefa C T d τ τ τ τ 1 τ R1= τ 3 R2=12 processador lvre escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 37 Concetos e Defnções Desempenho do escalonamento preemptvo vs. não-preemptvo Em termos de tempo de resposta, um escalonamento preemptvo permte um mas rápdo níco de execução das tarefas de maor prordade, logo é o tpo de escalonamento preferdo apesar de estar sujeto a uma sobrecarga, potencalmente elevada, assocada às múltplas mudanças de contexto; Igualmente em termos de tempo de resposta, um escalonamento não-preemptvo será nteressante para sstemas com um elevado numero de tarefas de duração reduzda (relatvamente ao tempo de duração assocado às mudanças de contexto). Sstemas de Tempo-Real: Escalonamento (1) 38

20 Concetos e Defnções Teste de Escalonabldade verfcação off-lne da escalonabldade de um sstema Teste para determnar a exequbldade do escalonamento de um conjunto de tarefas, consderando um algortmo determnado para a atrbução de prordades às tarefas.» Teste exacto de escalonabldade ndca se um determnado conjunto de tarefas é ou não escalonável. Este tpo de testes pode ser de grande complexdade, pelo que por vezes se opta pela utlzação de testes não exactos, mas de maor smplcdade algorítmca:» Teste necessáro: um teste necessáro de escalonabldade negatvo, garante que o conjunto de tarefas é sempre não escalonável;» Teste sufcente: um teste sufcente de escalonabldade postvo, garante que o conjunto de tarefas é sempre escalonável; Sstemas de Tempo-Real: Escalonamento (1) 39 Concetos e Defnções Teste de Escalonabldade verfcação on-lne da escalonabldade de um sstema Teste para a acetação/rejeção da nclusão de uma nova tarefa num conjunto de tarefas prevamente escalonável;» Este tpo de testes deve ser de reduzda complexdade, pelo que exste o rsco de rejeção de tarefas potencalmente escalonáves. Sstemas de Tempo-Real: Escalonamento (1) 40

21 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 41 Classfcação de Algortmos de Escalonamento Classfcação de Algortmos de Escalonamento (Stankovc et.al.) Escalonamento de TR em Sstemas Crítcos ( Hard RT Schedulng ) Dnâmco ( On-Lne ) Prordades Fxas Prordades Dnâmcas Preemptvo Não-Preemptvo Preemptvo Não-Preemptvo Estátco ( Off-Lne ) Executvo Cíclco Sstemas de Tempo-Real: Escalonamento (1) 42

22 Classfcação de Algortmos de Escalonamento Escalonamento em Sstemas Crítcos vs. em Sstemas Não-Crítcos O escalonamento em sstemas crítcos é baseado na adequabldade de recursos, ou seja, na garanta em fase de concepção de um tempo de resposta adequado para a execução de cada uma das tarefas;» Os testes de escalonabldade a efectuar prevamente devem ser determnístcos, ou seja, devem verfcar que, para os pressupostos de carga (e de falhas) assumdos, o tempo de resposta máxmo assocado a cada tarefa é nferor à sua meta temporal; Para o caso de sstemas não-crítcos, sabendo que a volação de metas temporas não é crítca, admte-se a utlzação de métodos probablístcos (por exemplo baseados em smulações) para a verfcação da garanta de escalonabldade. Sstemas de Tempo-Real: Escalonamento (1) 43 Classfcação de Algortmos de Escalonamento Classfcação de Algortmos de Escalonamento (Stankovc et.al.) Escalonamento de TR em Sstemas Crítcos ( Hard RT Schedulng ) Dnâmco ( On-Lne ) Prordades Fxas Prordades Dnâmcas Preemptvo Não-Preemptvo Preemptvo Não-Preemptvo Estátco ( Off-Lne ) Executvo Cíclco Sstemas de Tempo-Real: Escalonamento (1) 44

23 Classfcação de Algortmos de Escalonamento Escalonamento Estátco (Executvo Cíclco) Um escalonador é consderado estátco se tomar prevamente todas as decsões de escalonamento, gerando, em tempo de complação, uma tabela de escalonamento com a sequênca de execução das tarefas.» Em tempo de execução, esta tabela será repetdamente executada pelo processo de dspatcher, com a perodcdade adequada. Aplcação de TR τ 1 τ 2 τ 3 τ n tabela de escalonamento nstâncas de tarefas Dspatcher Núcleo de Tempo-Real Processador Sstemas de Tempo-Real: Escalonamento (1) 45 Classfcação de Algortmos de Escalonamento Escalonamento Estátco (Executvo Cíclco) Num escalonador estátco, qualquer varação no modelo de tarefas mplcará a geração de uma nova tabela de escalonamento. A garanta de escalonabldade é fornecda por smples nspecção da tabela de escalonamento, por forma a ser verfcada a não ultrapassagem de nenhuma meta temporal. Aplcação de TR τ 1 τ 2 τ 3 τ n tabela de escalonamento nstâncas de tarefas Dspatcher Núcleo de Tempo-Real Processador Sstemas de Tempo-Real: Escalonamento (1) 46

24 Classfcação de Algortmos de Escalonamento Exemplo de Escalonamento Estátco: tarefa C T d U A ,4 B ,32 C ,1 D ,08 E ,02 U_total: 0,92 A B C A B D E A B C A B D Tabela de escalonamento organzada em mcro-cclos com duração gual a m.d.c.{t}=25, sendo o comprmento total da tabela de escalonamento (macro-cclo) gual ao m.m.c. {T}=100. Sstemas de Tempo-Real: Escalonamento (1) 47 Classfcação de Algortmos de Escalonamento Escalonamento Estátco: Vantagens de um escalonamento estátco:» Sendo geralmente baseados em algortmos heurístcos, fornece um suporte efcaz à mplementação de relações de precedênca entre processos;» Comportamento do sstema completamente prevsível;» Sobrecarga mínma em tempo de execução;» Muto utlzado para suporte de aplcações de elevada crtcaldade (devdo à smplcdade (!) do processo de certfcação). Sstemas de Tempo-Real: Escalonamento (1) 48

25 Classfcação de Algortmos de Escalonamento Escalonamento Estátco: Desvantagens de um escalonamento estátco:» Escalonamento de baxa flexbldade, dfcultando tanto operações de modfcação do conjunto de tarefas, como a execução de tarefas esporádcas e/ou aperódcas; Dfculdades relaconadas com a sua mplementação» Tarefas com duração elevada deverão ser repartdas entre múltplos mcrocclos, o que não é desejável em termos de engenhara de software.» A perodcdade das tarefas deve ser smultaneamente múltpla do valor do mcro-cclo e dvsível pelo valor do macro-cclo, mpondo regras apertadas para a escolha destes valores; Sstemas de Tempo-Real: Escalonamento (1) 49 Classfcação de Algortmos de Escalonamento Classfcação de Algortmos de Escalonamento (Stankovc et.al.) Escalonamento de TR em Sstemas Crítcos ( Hard RT Schedulng ) Dnâmco ( On-Lne ) Prordades Fxas Prordades Dnâmcas Preemptvo Não-Preemptvo Preemptvo Não-Preemptvo Estátco ( Off-Lne ) Executvo Cíclco Sstemas de Tempo-Real: Escalonamento (1) 50

26 Classfcação de Algortmos de Escalonamento Escalonamento Dnâmco (ou por prordades) Um escalonador dnâmco toma as decsões de escalonamento em tempo de execução ( run tme ), em função dos peddos de execução pendentes;» Atrbução do processador ( ready run ) à tarefa pendente mas prortára;» Também referdo como escalonador por prordades. preempt Aplcação de TR τ 1 τ 2 τ 3 τ n Ready execute Run unblock Blocked block abort release termnate Núcleo de Tempo-Real create Not ready remove Not exstent Processador Sstemas de Tempo-Real: Escalonamento (1) 51 Classfcação de Algortmos de Escalonamento Escalonamento Dnâmco (ou por prordades) Vantagens:» adapta-se faclmente à presença de tarefas com requstos varáves no tempo, vsto efectuar o escalonamento em tempo de execução;» permte consderar a mportânca relatva das tarefas em função dos seus requstos temporas. Aspectos relevantes a consderar:» A transformação requstos temporas prordade das tarefas é da responsabldade do utlzador;» O escalonador não efectua a verfcação do respeto das metas temporas assocadas à execução das tarefas. Sstemas de Tempo-Real: Escalonamento (1) 52

27 Classfcação de Algortmos de Escalonamento Escalonamento Dnâmco (ou por prordades) Desvantagens:» processo escalonador mas complexo do que no caso estátco, devdo à necessdade de efectuar o escalonamento em tempo de execução;» maor dfculdade de detecção de sobrecargas. Sstemas de Tempo-Real: Escalonamento (1) 53 Classfcação de Algortmos de Escalonamento Classfcação de Algortmos de Escalonamento (Stankovc et.al.) Escalonamento de TR em Sstemas Crítcos ( Hard RT Schedulng ) Dnâmco ( On-Lne ) Prordades Fxas Prordades Dnâmcas Preemptvo Não-Preemptvo Preemptvo Não-Preemptvo Estátco ( Off-Lne ) Executvo Cíclco Sstemas de Tempo-Real: Escalonamento (1) 54

28 Classfcação de Algortmos de Escalonamento Escalonamento com Prordades Fxas vs. Prordades Dnâmcas Num escalonamento dnâmco com prordades fxas, a cada tarefa é atrbuído um determnado nível de prordade na fase de concepção. Enquanto o modo de funconamento do sstema se mantver, o nível de prordade de cada tarefa permanece nalterado (a menos de mudanças mpostas por mecansmos de sncronzação no acesso a recursos partlhados); Sstemas de Tempo-Real: Escalonamento (1) 55 Classfcação de Algortmos de Escalonamento Escalonamento com Prordades Fxas vs. Prordades Dnâmcas Num escalonamento dnâmco com prordades dnâmcas, o nível de prordade evolu ao longo do tempo em função da polítca de escalonamento selecconada.» Exemplo: algortmo EDF ( Earlest Deadlne Frst ), para o qual o nível de prordade de uma tarefa será tanto maor quanto mas próxma estver a sua meta temporal. Sstemas de Tempo-Real: Escalonamento (1) 56

29 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento» Algortmo Rate Monotonc (RM)» Cálculo do Tempo de Resposta» Algortmo Deadlne Monotonc (DM)» Algortmo Earlest Deadlne Frst (EDF) Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 57 Algortmos Clásscos de Escalonamento Algortmo Rate Monotonc [Lu and Layland, 1973] Algortmo defndo para um modelo smplfcado de tarefas:» as tarefas são ndependentes entre s (não têm relações de precedênca, nem necessdades de sncronzação);» todas as tarefas têm uma actvação peródca, com uma meta temporal gual ao seu período (ou seja, qualquer execução deve ser fnalzada antes da próxma data de actvação da tarefa);» todas as tarefas têm um tempo máxmo de execução conhecdo. Sstemas de Tempo-Real: Escalonamento (1) 58

30 Algortmos Clásscos de Escalonamento Algortmo Rate Monotonc [Lu and Layland, 1973] Este algortmo defne a ordem de atrbução de prordades a um conjunto de tarefas, na ordem nversa da perodcdade das tarefas: T < Tj P > Pj» desde a tarefa de menor período à qual é atrbuída a maor prordade, até à tarefa de maor perodcdade à qual é atrbuída a menor prordade;» as stuações de empate serão resolvdas arbtraramente; Trata-se de um algortmo óptmo para sstemas mono-processador, no sentdo que se um qualquer conjunto de tarefas (peródcas, ndependentes, d = T, ) pode ser escalonado por escalonador dnâmco com prordades fxas, então também pode ser escalonado pelo algortmo RM. Sstemas de Tempo-Real: Escalonamento (1) 59 Algortmos Clásscos de Escalonamento Algortmo Rate Monotonc [Lu and Layland, 1973] Teste sufcente de escalonabldade para um caso preemptvo: n C U = n T = 1 n ( 2 1)» um teste sufcente (não necessáro) sgnfca que poderá haver conjuntos de tarefas escalonáves apesar de não respetarem o respectvo teste.» para dferentes conjuntos de tarefas, n = 2, U = 0, 83 n = 3, U = 0, 78 n = 4, U = 0, 76 n +, U 0, 693 Sstemas de Tempo-Real: Escalonamento (1) 60

31 Algortmos Clásscos de Escalonamento Algortmo Rate Monotonc [Lu and Layland, 1973] Vantagens do algortmo RM» Smplcdade;» Adequado para utlzação em sstemas operatvos exstentes;» Pode ser utlzado para a atrbução de prordades a níves de nterrupção. Desvantagens do algortmo RM» Modelo de tarefas muto lmtado;» Não adequado quando se têm metas temporas nferores ao período;» Não suporta exclusão mútua no acesso a recursos partlhados. Sstemas de Tempo-Real: Escalonamento (1) 61 Algortmos Clásscos de Escalonamento Algortmo Rate Monotonc [Lu and Layland, 1973] Resultado fundamental:» Em [Lu and Layland, 1973] fo também demostrado que, se a meta temporal da tarefa de menor prordade for respetada após um nstante crítco, então o conjunto de tarefas é sempre escalonável. Sstemas de Tempo-Real: Escalonamento (1) 62

32 Algortmos Clásscos de Escalonamento Exemplos de escalonamento utlzando o algortmo RM : Apresentam-se 3 cenáros de escalonamento utlzando o algortmo RM (consderando conjuntos de tarefas com dferentes taxas de actvação), para os quas se obtém sucessvamente:» Conjunto de tarefas para o qual o teste de escalonabldade é respetado, logo: o conjunto de tarefas é sempre escalonável.» Conjunto de tarefas para o qual o teste de escalonabldade não é respetado. No entanto, devdo ao facto de, após o nstante crítco, a meta temporal da tarefa de menor prordade ser respetada, então: o conjunto de tarefas é sempre escalonável.» Conjunto de tarefas para o qual nem o teste de escalonabldade, nem a meta temporal da tarefa de menor prordade (após o nstante crítco) são respetados, logo: o conjunto de tarefas não é escalonável Sstemas de Tempo-Real: Escalonamento (1) 63 Algortmos Clásscos de Escalonamento 1º Exemplo:» tarefas peródcas: τ={c, T }; d =T ; U=77,5%;» data de actvação das tarefas smultânea;» escalonamento sempre realzável: teste sufcente de escalonabldade respetado: tarefa C T U τ τ τ U = 0,775 0,7798 τ 1 =(6.25, 25) τ 2 =(6.25, 50) τ 3 =(40, 100) processador lvre escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 64

33 Algortmos Clásscos de Escalonamento 2º Exemplo:» tarefas peródcas: t={c, T}; d=t ; U=87,5%; tarefa C T U τ » data de actvação das tarefas smultânea; τ » escalonamento sempre realzável: τ teste sufcente de escalonabldade não é respetado: U = 0,8750 0,7798 no entanto, a meta temporal da tarefa t3 é respetada após o nstante crítco, logo o conjunto de tarefas é sempre escalonável. τ 1 =(6.25, 25) τ 2 =(6.25, 50) τ 3 =(40, 80) processador lvre escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 65 Algortmos Clásscos de Escalonamento 3º Exemplo:» tarefas peródcas: t={c, T}; d=t ; U=96,3%; tarefa C T U τ » data de actvação das tarefas smultânea; τ » escalonamento não é realzável: τ teste sufcente de escalonabldade não é respetado: U = 0,963 0,7798 meta temporal da tarefa t3 não é respetada após o nstante crítco. τ 1 =(6.25, 25) τ 2 =(6.25, 50) τ 3 =(40, 68) processador lvre escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 66

34 Algortmos Clásscos de Escalonamento Prova de optmaldade do algortmo RM Passos para a demonstração: 1. Mostrar que o nstante crítco para uma tarefa τ ocorre quando a data de actvação desta tarefa é smultânea com a data de actvação de todas as tarefas de prordade superor; 2. Mostrar que após a ocorrênca de um nstante crítco, se um conjunto de tarefas é escalonável com uma atrbução arbtrára de prordades, então também é escalonável pelo algortmo RM Demonstração para o caso de 2 tarefas; Extensão ao caso de n tarefas. Instante crítco para uma tarefa τ : data de actvação da tarefa τ que conduz ao mas longo ntervalo de tempo para conclur a execução da tarefa menos prortára (τ n ). Sstemas de Tempo-Real: Escalonamento (1) 67 Algortmos Clásscos de Escalonamento Prova de optmaldade do algortmo RM 1. Mostrar que o nstante crítco para uma tarefa τ ocorre quando a data de actvação desta tarefa é smultânea com a data de actvação de todas as tarefas de prordade superor;» Consdere-se a tarefa τ n (menor prordade) e uma tarefa τ (prord. nterméda) τ τ r,1 r,2 r,1 r,2 τ n τ n rn,1 r n,1 C n +2C C n +3C Se se antecpar a data de actvação (r,k ) para a tarefa de prordade nterméda, sso pode sgnfcar um ncremento na data de fm de execução da tarefa menos prortára. A data de fm de execução mas tarda para a tarefa τ n será quando r,1 =r n,1 ; Este resultado é transponível para qualquer par de tarefas, pelo que a demonstração pode ser faclmente alargada ao conjunto de n tarefas. Sstemas de Tempo-Real: Escalonamento (1) 68

35 Algortmos Clásscos de Escalonamento Prova de optmaldade do algortmo RM Mostrar que após a ocorrênca de um nstante crítco, se um conjunto de tarefas é escalonável com uma atrbução arbtrára de prordades, então também é escalonável pelo algortmo RM.» Consderem-se duas tarefas τ 1 e τ 2 ;» Metodologa de prova: Atrbução de prordades arbtrára (não RM) Verfcação da condção de escalonabldade (E 1 ) Atrbução de prordades RM Demonstra-se que se E 1 se verfcar, então o sstema é gualmente escalonável pelo algortmo RM Sstemas de Tempo-Real: Escalonamento (1) 69 Algortmos Clásscos de Escalonamento Prova de optmaldade do algortmo RM Atrbução de prordades arbtrára (P 2 > P 1 )» Consderando o nstante crítco, o sstema é escalonável sse: C 1 +C 2 <T 1 (E 1 ) τ 1 T 1 τ 2 C 1 +C 2 T 2» Se E 1 se verfcar, então o sstema é também escalonável segundo RM; Atrbução de prordades segundo RM» Seja F o numero de períodos de τ 1 ntegralmente contdos em T 2 (F 1) T 2 F = T1 Sstemas de Tempo-Real: Escalonamento (1) 70

36 Algortmos Clásscos de Escalonamento Prova de optmaldade do algortmo RM Caso A: C 1 tem uma duração sufcentemente curta por forma que a nstânca de τ 1 actvada no nstante F*T 1 possa ser termnada antes da data T 2 ; τ 1 τ 2 T 1 C 1 T2 FT1 (caso A) ( ) 2» O sstema é escalonável se F + 1 C (E 2 ) 1 + C2 T» Demonstra-se que, se se verfca (E 1 ) (caso não RM), então (E 2 ) também se verfca (caso RM) F*T 1 de acordo com (E1): C 1 +C 2 <T 1, multplcando por F: F*C 1 +F*C 2 F*T 1 T 2 Como F 1, então F*C 1 +C 2 F*C 1 +F*C 2 F*T 1 Somando C 1 em ambos os termos: (F+1)*C 1 +C 2 F*T 1 +C 1 Como no caso A, C 1 T 2 -F*T 1, então (F+1)C 1 +C 2 F*T 1 +T 2 -F*T 1, ou seja, (F+1)C 1 +C 2 T 2, o que verfca (E 2 ) Sstemas de Tempo-Real: Escalonamento (1) 71 Algortmos Clásscos de Escalonamento Prova de optmaldade do algortmo RM Caso B: C 1 tem uma duração que não permte que a nstânca de τ 1 actvada no nstante F*T 1 possa ser termnada antes da data T 2 ; τ 1 τ 2 T 1 C 1 T2 FT1 (caso B) F*T 1» O sstema é escalonável se FC1 + C2 FT1 (E 3 )» Demonstra-se que, se se verfca (E 1 ) (caso não RM), então (E 3 ) também se verfca (caso RM) de acordo com (E 1 ): C 1 +C 2 <T 1, multplcando por F: F*C 1 +F*C 2 F*T 1 Como F 1, então F*C 1 +C 2 F*C 1 +F*C 2 F*T 1, o que verfca (E 3 )» Fca desta forma demonstrado que, se o sstema é escalonável com prordades arbtráras (E 1 ), então também o é com RM. T 2 Sstemas de Tempo-Real: Escalonamento (1) 72

37 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento» Algortmo Rate Monotonc (RM)» Cálculo do Tempo de Resposta» Algortmo Deadlne Monotonc (DM)» Algortmo Earlest Deadlne Frst (EDF) Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 73 Algortmos Clásscos de Escalonamento Análse de Escalonabldade através do Tempo de Resposta: A análse de escalonabldade de um conjunto de tarefas através do cálculo da Utlzação apresenta grandes lmtações, devdo ao facto de não ser exacta e de apenas ser aplcável a modelos de tarefas muto smples. Através do cálculo do Tempo de Resposta obtém-se um teste de escalonabldade exacto:» se o teste for postvo, então o conjunto de tarefas é sempre escalonável;» se o teste for negatvo, então algumas metas temporas serão ultrapassadas durante a execução excepto se os tempos máxmos de execução das tarefas forem muto pessmstas. Sstemas de Tempo-Real: Escalonamento (1) 74

38 Algortmos Clásscos de Escalonamento Análse de Escalonabldade através do Tempo de Resposta: A análse de escalonabldade através do cálculo do máxmo Tempo de Resposta a consderação de modelos de tarefas mas elaborados:» Permte a consderação de relações de precedênca e de exclusão;» É váldo para qualquer escalonamento dnâmco com prordades estátcas, qualquer que seja a regra de atrbução de prordades às tarefas. Esta análse é baseada no cálculo da máxma Interferênca que o escalonamento de uma determnada tarefa pode sofrer, devdo ao escalonamento das tarefas de maor prordade Sstemas de Tempo-Real: Escalonamento (1) 75 Algortmos Clásscos de Escalonamento Cálculo do Tempo de Resposta: Tempo de Resposta da tarefa τ : R = C + I I representa a nterferênca que o escalonamento da tarefa τ sofre devdo ao escalonamento das tarefas de maor prordade (I 1 =0) Interferênca: R = I j hp( ) Tj C j τ 1 =(6.25, 25) τ 2 =(6.25, 50) τ 3 =(40, 80) R 3 : tempo máxmo de resposta de τ 3 Sstemas de Tempo-Real: Escalonamento (1) 76

39 Algortmos Clásscos de Escalonamento Cálculo do Tempo de Resposta: Tempo máxmo de Resposta: = R R C + j hp( ) T j C j hp() é o conjunto de tarefas com prordade superor à prordade da tarefa τ A equação é recursva, pelo que deve ser calculada através de terações sucessvas até que:» ou o tempo de resposta da tarefa seja superor à sua meta temporal (logo a tarefa não será escalonável)» ou o resultado convergr, ou seja o tempo de resposta na teração x+1 seja gual ao tempo de resposta na teração x. Sstemas de Tempo-Real: Escalonamento (1) 77 Algortmos Clásscos de Escalonamento Cálculo do Tempo de Resposta: Cálculo do Máxmo Tempo de Resposta: Através de uma equação recursva, para a qual 0» valor ncal: w = C x w x+ 1» terações posterores: w = C + j hp( ) Tj n O conjunto de valores é monotonamente não decrescente. w = n+1 n Quando a solução para a equação fo encontrada w w, w, w,... w,... C j Sstemas de Tempo-Real: Escalonamento (1) 78

40 Algortmos Clásscos de Escalonamento Cálculo do Tempo de Resposta:» Tarefa t1:» Tarefa t2: R 1 = C1 = 6,25 0 w 2 = 6,25 1 6,25 w2 = 6,25 + 6,25 = 12, ,5 w2 = 6,25 + 6,25 = 12,5 25 R 2 = 12,5 R = R C + j hp( ) Tj C j τ 1 =(6.25, 25, 25) τ 2 =(6.25, 50, 50) τ 3 =(40, 80, 80) tempo máxmo de resposta de τ 3 Sstemas de Tempo-Real: Escalonamento (1) 79 Algortmos Clásscos de Escalonamento Cálculo do Tempo de Resposta: 0» Tarefa t3: w 3 = w = ,25 + 6, = 58,75 58,75 58,75 w = ,25 + 6, = 71,25 71,25 w = ,25 + 6, = 71,25 71,25 R = R C + j hp( ) Tj C j R 3 = 71,25 τ 1 =(6.25, 25, 25) τ 2 =(6.25, 50, 50) τ 3 =(40, 80, 80) tempo máxmo de resposta de τ 3 Sstemas de Tempo-Real: Escalonamento (1) 80

41 Algortmos Clásscos de Escalonamento Cálculo do Tempo de Resposta (conclusão): O conjunto de tarefas é escalonável (tempo de resposta de cada uma das tarefas nferor à sua meta temporal), apesar do teste sufcente de escalonabldade (baseado na utlzação) ser negatvo. Tarefa C (duração) T (período) d (deadlne) R (tempo de resposta) U (utlzação) τ1 6, ,25 0,25 τ2 6, ,5 0,125 τ ,25 0,5 0,875 > 0,7798 Sstemas de Tempo-Real: Escalonamento (1) 81 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento» Algortmo Rate Monotonc (RM)» Cálculo do Tempo de Resposta» Algortmo Deadlne Monotonc (DM)» Algortmo Earlest Deadlne Frst (EDF) Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 82

42 Algortmos Clásscos de Escalonamento Algortmo Rate Monotonc [Lu and Layland, 1973] Lmtação do algortmo RM: segundo este algortmo, a cada tarefa é atrbuída uma prordade proporconal à sua cadênca de actvação.» No entanto, a mportânca de uma tarefa pode ser ndependente da sua cadênca de actvação (por ex. letura de temperatura);» Exstem outros parâmetros temporas que podem ser consderados. Sstemas de Tempo-Real: Escalonamento (1) 83 Algortmos Clásscos de Escalonamento Algortmo Deadlne Monotonc [Leung and Whtehead, 1982] Algortmo de atrbução de prordades a um conjunto de tarefas peródcas, ndependentes e com metas temporas menores ou guas ao respectvo período (d T ): A atrbução de prordades às tarefas é efectuada na ordem nversa do valor da sua meta temporal: d < d P > P j j» desde a tarefa com menor meta temporal à qual é atrbuída a maor prordade, até à tarefa de maor meta temporal à qual é atrbuída a menor prordade;» as stuações de empate serão resolvdas arbtraramente; Trata-se de um algortmo óptmo para sstemas mono-processador. Sstemas de Tempo-Real: Escalonamento (1) 84

43 Algortmos Clásscos de Escalonamento Algortmo Deadlne Monotonc [Leung and Whtehead, 1982] Vantagens do algortmo DM» Smples e adequado para utlzação em sstemas operatvos exstentes;» Pode ser utlzado para a atrbução de prordades a níves de nterrupção;» Admte tarefas com metas temporas nferores ao período. Desvantagens do algortmo DM» Modelo de tarefas também muto lmtado;» Não suporta exclusão mútua no acesso a recursos partlhados. Sstemas de Tempo-Real: Escalonamento (1) 85 Algortmos Clásscos de Escalonamento Exemplos de escalonamento por prordades fxas : Apresentam-se 2 cenáros de escalonamento por prordades fxas (dêntco conjunto de tarefas), consderando:» prordades atrbuídas segundo o algortmo DM (tarefas ordenadas por valor de meta temporal crescente): calcula-se do tempo de resposta de cada uma das tarefas; verfca-se que o conjunto de tarefas é sempre escalonável;» prordades atrbuídas segundo o algortmo RM (tarefas ordenadas por perodcdade crescente): verfca-se que o conjunto de tarefas não é escalonável; Sstemas de Tempo-Real: Escalonamento (1) 86

44 Algortmos Clásscos de Escalonamento 1º Exemplo:» conjunto de tarefas ordenado por metas temporas crescentes Tarefa T (período) C (duração) d (m. temporal) P (prordade) U (utlzação) τ ,15 τ ,20 τ ,40 τ ,15 0,90 τ 1 =(3, 5, 20) τ 2 =(3, 7, 15) τ 3 =(4, 10, 10) τ 4 =(3, 20, 20) processador lvre Sstemas de Tempo-Real: Escalonamento (1) 87 Algortmos Clásscos de Escalonamento 1º Exemplo (cálculo do tempo de resposta):» Tarefa t1:» Tarefa t2: R 1 = C1 = 3 w 0 = w = w = = 2 = 6 6 R 2 = 6 R = R C + j hp( ) Tj C j τ 1 =(3, 5, 20) τ 2 =(3, 7, 15) τ 3 =(4, 10, 10) τ 4 =(3, 20, 20) tempo máxmo de resposta de τ 2 Sstemas de Tempo-Real: Escalonamento (1) 88

45 Algortmos Clásscos de Escalonamento 1º Exemplo (cálculo do tempo de resposta):» Tarefa t3: 0 w 3 = 4 R = R C + j hp( ) Tj C j w = = w = = R 3 = 10 τ 1 =(3, 5, 20) τ 2 =(3, 7, 15) τ 3 =(4, 10, 10) τ 4 =(3, 20, 20) tempo máxmo de resposta de τ 3 Sstemas de Tempo-Real: Escalonamento (1) 89 Algortmos Clásscos de Escalonamento 1º Exemplo (cálculo do tempo de resposta):» Tarefa t4: R = R C + j hp( ) Tj C j w4 = 3 w4 = = w4 = = w4 = = w4 = = R 3 = 20 τ 1 =(3, 5, 20) τ 2 =(3, 7, 15) τ 3 =(4, 10, 10) τ 4 =(3, 20, 20) tempo máxmo de resposta de τ 4 Sstemas de Tempo-Real: Escalonamento (1) 90

46 Algortmos Clásscos de Escalonamento 1º Exemplo (conclusão): O conjunto de tarefas é sempre escalonável (tempo de resposta de cada uma das tarefas nferor ao valor da sua meta temporal). Tarefa T (período) C (duração) d (m. temporal) R (tempo de resposta) τ τ τ τ Sstemas de Tempo-Real: Escalonamento (1) 91 Algortmos Clásscos de Escalonamento 2º Exemplo:» conjunto de tarefas ordenado por períodos crescentes Tarefa T (período) C (duração) d (m. temporal) P (prordade) U (utlzação) τ ,15 τ ,20 τ ,40 τ ,15 0,90 τ 1 =(3, 5, 20) τ 2 =(3, 7, 15) τ 3 =(4, 10, 10) τ 4 =(3, 20, 20) processador lvre Sstemas de Tempo-Real: Escalonamento (1) 92

47 Algortmos Clásscos de Escalonamento 2º Exemplo (conclusão): Por smples nspecção da fgura anteror, verfca-se que o conjunto de tarefas não é escalonável quando se utlza o algortmo RM; O algortmo RM é um algortmo que não é óptmo quando se consderam conjuntos de tarefas com metas temporas nferores aos períodos;» Para este tpo de conjunto de tarefas (d<t), a atrbução dos níves de prordade deverá ser efectuada utlzando o algortmo DM (algortmo óptmo). Sstemas de Tempo-Real: Escalonamento (1) 93 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento» Algortmo Rate Monotonc (RM)» Cálculo do Tempo de Resposta» Algortmo Deadlne Monotonc (DM)» Algortmo Earlest Deadlne Frst (EDF) Consderações suplementares Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 94

48 Algortmos Clásscos de Escalonamento Algortmo Earlest Deadlne Frst [Lu and Layland, 1973] Algortmo de atrbução dnâmca de prordades a um conjunto de tarefas peródcas, ndependentes (sem restrções de precedênca) e com metas temporas guas ao respectvo período (d = T ); Trata-se de um algortmo óptmo para sstemas mono-processador, no sentdo que se exstr um algortmo capaz de escalonar um conjunto de tarefas peródcas, ndependentes e com metas temporas guas ao respectvo período, então o algortmo EDF também é capaz de o escalonar. Sstemas de Tempo-Real: Escalonamento (1) 95 Algortmos Clásscos de Escalonamento Algortmo Earlest Deadlne Frst [Lu and Layland, 1973] A atrbução dnâmca de prordades às tarefas é efectuada na ordem nversa da dstânca, em cada momento, à meta temporal :» no momento de actvação de uma tarefa, ser-lhe-à atrbuída uma prordade tanto maor quanto menor a sua dstânca à meta temporal (relatvamente ao estado de todas as tarefas pendentes no momento);» sempre que uma nova tarefa é actvada, a fla de tarefas pendentes deverá ser reordenada em função da prordade da tarefa actvada. Sstemas de Tempo-Real: Escalonamento (1) 96

49 Algortmos Clásscos de Escalonamento Algortmo Earlest Deadlne Frst [Lu and Layland, 1973] Teste necessáro e sufcente de escalonabldade para o caso preemptvo: n C U = T = 1 1» o que sgnfca que qualquer conjunto de tarefas será escalonável pelo algortmo EDF, desde que a utlzação do processador não exceda 100%. Sstemas de Tempo-Real: Escalonamento (1) 97 Algortmos Clásscos de Escalonamento Algortmo Earlest Deadlne Frst [Lu and Layland, 1973] Vantagens:» algortmo óptmo, capaz de escalonar conjuntos de tarefas com utlzações até 100%; Desvantagens:» maor complexdade assocada à sua mplementação, consequênca do caracter dnâmco da atrbução de prordades;» perda de metas temporas dfícl de prever para o caso de sobrecargas transtóras. Sstemas de Tempo-Real: Escalonamento (1) 98

50 Algortmos Clásscos de Escalonamento Exemplos de escalonamento EDF vs. RM: Apresentam-se 2 cenáros de escalonamento (dêntco conjunto de tarefas), consderando:» prordades dnâmcas atrbuídas segundo o algortmo EDF: tarefas ordenadas (em tempo de execução) por dstânca à meta temporal crescente; verfca-se que o conjunto de tarefas é sempre escalonável;» prordades fxas atrbuídas segundo o algortmo RM: tarefas pré-ordenadas (em fase de concepção) por valor de meta temporal crescente: verfca-se que o conjunto de tarefas não é escalonável; Sstemas de Tempo-Real: Escalonamento (1) 99 Algortmos Clásscos de Escalonamento 1º Exemplo (algortmo EDF): actvações smultâneas; teste de escalonabldade respetado, logo o conjunto de tarefas é sempre escalonável; tarefa C T d U τ ,1429 τ ,2222 τ ,2727 τ ,3077 U_total: 0,9455 a prordade das tarefas vara ao longo do tempo, o que torna o sstema de dfícl prevsbldade no caso de sobrecargas transtóras. τ 1 τ 2 τ 3 τ 4 processador lvre escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 100

51 Algortmos Clásscos de Escalonamento 2º Exemplo (algortmo RM): tarefa C T d U actvações smultâneas; τ ,1429 τ ,2222 A meta temporal da tarefa de menor prordade τ ,2727 após o nstante crítco não é respetada, logo o τ ,3077 U_total: 0,9455 conjunto de tarefas não é escalonável; no caso de sobrecargas transtóras, as tarefas que perderão as suas metas temporas serão as tarefas de menor prordade (sstema prevsível). τ 1 τ 2 τ 3 τ 4 processador lvre escalonamento resultante Sstemas de Tempo-Real: Escalonamento (1) 101 Algortmos Clásscos de Escalonamento» EDF » RM Sstemas de Tempo-Real: Escalonamento (1) 102

52 Plano das Aulas Escalonamento de Tempo-Real Concetos e Defnções Classfcação de Algortmos de Escalonamento Algortmos Clásscos de Escalonamento Consderações suplementares» Tempo Máxmo de Execução de uma tarefa ( WCET )» Escalonamento de Tarefas Esporádcas/Aperódcas» Utlzação de Servdores Exclusão Mútua no Acesso a Recursos Partlhados Exemplo de Escalonamento em Computação Industral Sstemas de Tempo-Real: Escalonamento (1) 103 Consderações suplementares Consderações Suplementares: Tempo Máxmo de Execução ( WCET ): Pode ser obtdo através da medção do tempo de execução ou através de análse do códgo:» Caso sejam utlzadas técncas de medção, é dfícl garantr que fo observado o tempo máxmo ;» Caso se pretendam utlzar técncas de análse de códgo, é necessáro dspor de um modelo do funconamento do processador adequado (que nclua o funconamento de caches, ppelnes, wat states, etc. Sstemas de Tempo-Real: Escalonamento (1) 104

Prioridades com Teste de Escalonabilidade

Prioridades com Teste de Escalonabilidade rordades + Teste de Escalonabldade Sstemas de Tempo Real: rordades com Teste de Escalonabldade Rômulo Slva de Olvera Departamento de Automação e Sstemas DAS UFSC Cada tarefa recebe uma prordade Escalonamento

Leia mais

Escalonamento Baseado em Prioridades Fixas

Escalonamento Baseado em Prioridades Fixas Sstemas de Tempo Real: Escalonamento Baseado em Prordades Fxas Rômulo Slva de Olvera Departamento de Automação e Sstemas - DAS UFSC romulo@das.ufsc.br http://.das.ufsc.br/~romulo 1 Escalonamento Baseado

Leia mais

Sistemas de Tempo-Real

Sistemas de Tempo-Real Aula 7 Acesso exclusvo a rescursos partlhados O acesso exclusvo a recursos partlhados A nversão de prordades como consequênca do bloqueo Técncas báscas para acesso exclusvo a recursos partlhados Herança

Leia mais

Escalonamento com Garantia

Escalonamento com Garantia Escalonamento com Garanta Executvo íclco Sstemas de Tempo Real: Escalonamento com Garanta Rômulo Slva de Olvera Departamento de Automação e Sstemas - DAS UFS rordades + Teste de Escalonabldade rordades

Leia mais

Sistemas de Tempo-Real

Sistemas de Tempo-Real Sstemas de Tempo-Real Notas de curso realzado em Agosto de 006 na Unversdade Federal do Ro Grande do Norte, Natal, Brasl. Escalonamento de Tempo-Real (parte ) Francsco Vasques Faculdade de Engenhara da

Leia mais

O Escalonamento de Tempo Real

O Escalonamento de Tempo Real apítulo 2 O Escalonamento de Tempo Real Em sstemas de tempo real que seguem a abordagem assíncrona os aspectos de mplementação estão presentes mesmo na fase de proeto. Na mplementação de restrções temporas,

Leia mais

Guia 11 Escalonamento de Mensagens

Guia 11 Escalonamento de Mensagens Até esta altura, temos abordado prncpalmente questões relaconadas com escalonamento de tarefas a serem executadas num únco processador. No entanto, é necessáro consderar o caso de sstemas tempo-real dstrbuídos,

Leia mais

Mecanismos de Escalonamento

Mecanismos de Escalonamento Mecansmos de Escalonamento 1.1 Mecansmos de escalonamento O algortmo de escalonamento decde qual o próxmo pacote que será servdo na fla de espera. Este algortmo é um dos mecansmos responsáves por dstrbur

Leia mais

Cap 6: 4,5,8,9,10,11,12,15,16,21 fazer diagramas, usar análise por cálculo do tempo de resposta

Cap 6: 4,5,8,9,10,11,12,15,16,21 fazer diagramas, usar análise por cálculo do tempo de resposta QUESTÕES DO LIVRO Real-Tme Systems, Jane Lu Cap 6: 4,5,8,9,10,11,12,15,16,21 fazer dagramas, usar análse por cálculo do tempo de resposta Cap 8: 1,2,7 fazer dagramas Concetos Báscos e Técncas de Implementação

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu Programação Lnear (PL) Aula : Dualdade. Defnção do Problema Dual. Defnção do problema dual. O que é dualdade em Programação Lnear? Dualdade sgnfca a exstênca de um outro problema de PL, assocado a cada

Leia mais

3 Elementos de modelagem para o problema de controle de potência

3 Elementos de modelagem para o problema de controle de potência 3 Elementos de modelagem para o problema de controle de potênca Neste trabalho assume-se que a rede de comuncações é composta por uma coleção de enlaces consttuídos por um par de undades-rádo ndvdualmente

Leia mais

Programa de Certificação de Medidas de um laboratório

Programa de Certificação de Medidas de um laboratório Programa de Certfcação de Meddas de um laboratóro Tratamento de dados Elmnação de dervas Programa de calbração entre laboratóros Programa nterno de calbração justes de meddas a curvas Tratamento dos resultados

Leia mais

Implemente uma solução para o problema da barreira usando mutexes e variáveis condição da biblioteca das pthreads. A solução consiste de 2 rotinas:

Implemente uma solução para o problema da barreira usando mutexes e variáveis condição da biblioteca das pthreads. A solução consiste de 2 rotinas: 1) Em um sstema que suporta programação concorrente apenas através da troca de mensagens, será crado um Servdor para controlar o uso das portas seras. Quando um processo Clente deseja usar uma porta seral,

Leia mais

Suporte Básico para Sistemas de Tempo Real

Suporte Básico para Sistemas de Tempo Real Suporte Básco para Sstemas de Tempo Real Escalonamento e Comuncação Sldes elaborados por George Lma, com atualzações realzadas por Ramundo Macêdo Suporte Básco para Sstemas de Tempo-Real Escalonamento

Leia mais

OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS:

OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS: OS REQUISITOS PARA A CERTIFICAÇÃO, DEFINEM REGRAS QUANTO AOS SEGUINTES CRITÉRIOS: A BASE B DIREITOS DOS PARTICIPANTES C CONTRIBUIÇÕES D OPÇÕES DE INVESTIMENTO E INFORMAÇÃO AOS PARTICIPANTES A BASE Fnancamento

Leia mais

3 Algoritmos propostos

3 Algoritmos propostos Algortmos propostos 3 Algortmos propostos Nesse trabalho foram desenvolvdos dos algortmos que permtem classfcar documentos em categoras de forma automátca, com trenamento feto por usuáros Tas algortmos

Leia mais

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas

Mestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas Mestrado Integrado em Engenhara Cvl Dscplna: TRANSPORTES Prof. Responsável: José Manuel Vegas Sessão Prátca 7 (Tpo A): Dmensonamento de ntersecções semaforzadas smples Curso 2008/09 1/22 INTERSECÇÕES Introdução

Leia mais

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão.

Responda às questões utilizando técnicas adequadas à solução de problemas de grande dimensão. Departamento de Produção e Sstemas Complementos de Investgação Operaconal Exame Época Normal, 1ª Chamada 11 de Janero de 2006 Responda às questões utlzando técncas adequadas à solução de problemas de grande

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade Laboratóro de Mecânca Aplcada I Determnação de Centros de Gravdade Em mutos problemas de mecânca o efeto do peso dos corpos é representado por um únco vector, aplcado num ponto denomnado centro de gravdade.

Leia mais

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS DECvl ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO ÉTODO DE CROSS Orlando J. B. A. Perera 20 de ao de 206 2 . Introdução O método teratvo ntroduzdo por Hardy Cross (Analyss of Contnuous Frames by Dstrbutng Fxed-End

Leia mais

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas Mestrado Integrado em Engenhara Cvl TRANSPORTES Prof. Responsável: Lus Pcado Santos Sessão Prátca 11 Dmensonamento de Interseções Semaforzadas Insttuto Superor Técnco / Mestrado Integrado Engenhara Cvl

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Na Aula Anterior... Impasses (Deadlocks) Nesta Aula. Impasse. Recurso. Impasse (Deadlock) 17/10/2016

Na Aula Anterior... Impasses (Deadlocks) Nesta Aula. Impasse. Recurso. Impasse (Deadlock) 17/10/2016 GI018 stemas Operaconas 17/10/2016 Impasses (Deadlocks) Na ula nteror... Unversdade Federal de Uberlânda Faculdade de Computação Prof. Dr. rer. nat. Danel D. bdala 2 Nesta ula Impasse Motvação acerca dos

Leia mais

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE

DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE DETERMINAÇÃO DE VALORES LIMITE DE EMISSÃO PARA SUBSTÂNCIAS PERIGOSAS DA LISTA II DA DIRECTIVA 76/464/CEE Anabela R. S. REBELO Lc. Químca Industral, CCDR Algarve, Rua Dr. José de Matos n.º 13, 800-503 Faro,

Leia mais

Reconhecimento Estatístico de Padrões

Reconhecimento Estatístico de Padrões Reconhecmento Estatístco de Padrões X 3 O paradgma pode ser sumarzado da segunte forma: Cada padrão é representado por um vector de característcas x = x1 x2 x N (,,, ) x x1 x... x d 2 = X 1 X 2 Espaço

Leia mais

Gestão e Teoria da Decisão

Gestão e Teoria da Decisão Gestão e Teora da Decsão Logístca e Gestão de Stocks Estratégas de Localzação Lcencatura em Engenhara Cvl Lcencatura em Engenhara do Terrtóro 1 Estratéga de Localzação Agenda 1. Classfcação dos problemas

Leia mais

Implementação Bayesiana

Implementação Bayesiana Implementação Bayesana Defnção 1 O perfl de estratégas s.) = s 1.),..., s I.)) é um equlíbro Nash-Bayesano do mecansmo Γ = S 1,..., S I, g.)) se, para todo e todo θ Θ, u gs θ ), s θ )), θ ) θ Eθ u gŝ,

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

Modelação, Identificação e Controlo Digital

Modelação, Identificação e Controlo Digital Modelação, Identfcação e Controlo Dgtal 1-Aspectos Geras 1 Modelação, Identfcação e Controlo Dgtal Elaborado por J. Mranda Lemos Professor Catedrátco do IST, 2002 Revsto por A. Bernardno Professor Auxlar

Leia mais

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos

Laboratório de Mecânica Aplicada I Estática: Roldanas e Equilíbrio de Momentos Laboratóro de Mecânca Aplcada I Estátca: Roldanas e Equlíbro de Momentos 1 Introdução O conhecmento das condções de equlíbro de um corpo é mprescndível em númeras stuações. Por exemplo, o estudo do equlíbro

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL

CAPÍTULO IV PROPRIEDADES GEOMÉTRICAS DA SEÇÃO TRANSVERSAL CPÍTULO IV PROPRIEDDES GEOMÉTRICS D SEÇÃO TRNSVERSL Propredades Geométrcas da Seção Transversal 4. Propredades Geométrcas da Seção Transversal 4.. Introdução O presente trabalho é desenvolvdo paralelamente

Leia mais

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA U N I V E R S I D A D E D O S A Ç O R E S D E P A R T A M E N T O D E M A T E M Á T I C A CLASSIFICAÇÃO DE MONOGRAFIAS UMA PROPOSTA PARA MAIOR OBJECTIVIDADE ARMANDO B MENDES ÁUREA SOUSA HELENA MELO SOUSA

Leia mais

EXERCÍCIO: VIA EXPRESSA CONTROLADA

EXERCÍCIO: VIA EXPRESSA CONTROLADA EXERCÍCIO: VIA EXPRESSA CONTROLADA Engenhara de Tráfego Consdere o segmento de va expressa esquematzado abaxo, que apresenta problemas de congestonamento no pco, e os dados a segur apresentados: Trechos

Leia mais

Exercícios de CPM e PERT Enunciados

Exercícios de CPM e PERT Enunciados Capítulo 7 Exercícos de CPM e PERT Enuncados Exercícos de CPM e PERT Enuncados 106 Problema 1 O banco TTM (Tostão a Tostão se faz um Mlhão) decdu transferr e amplar a sua sede e servços centras para a

Leia mais

Análise Temporal da Implementação da Fila de Aptos como Lista Ordenada e Lista Desordenada

Análise Temporal da Implementação da Fila de Aptos como Lista Ordenada e Lista Desordenada Anas do XXVI Congresso da SBC WSO l III Workshop de Sstemas Operaconas 14 a 20 de julho de 2006 Campo Grande, MS Análse Temporal da Implementação da Fla de Aptos como Lsta Ordenada e Lsta Desordenada Rcardo

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Proposta de método para alocação de perdas em redes eléctricas de distribuição com Produção em Regime Especial

Proposta de método para alocação de perdas em redes eléctricas de distribuição com Produção em Regime Especial Capítulo 5 Proposta de método para alocação de perdas em redes eléctrcas de dstrbução com Produção em Regme Especal Neste capítulo propõe-se uma metodologa para efectuar a alocação das perdas de uma rede

Leia mais

Modelação com Variáveis Discretas

Modelação com Variáveis Discretas Engenhara de Processos e Sstemas Modelação com Varáves Dscretas Fernando Bernardo Fev 2011 mn f ( x, y, θ ) x, y s. t. h( x, y, θ ) = 0 g( x, y, θ ) 0 x x x L x real y {0,1}) U Leque de aplcações. Tpos

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite 5 Relação entre Análse Lmte e Programação Lnear 5.. Modelo Matemátco para Análse Lmte Como fo explcado anterormente, a análse lmte oferece a facldade para o cálculo da carga de ruptura pelo fato de utlzar

Leia mais

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS 22 2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS Como vsto no capítulo 1, a energa frme de uma usna hdrelétrca corresponde à máxma demanda que pode ser suprda contnuamente

Leia mais

Introdução aos Problemas de Roteirização e Programação de Veículos

Introdução aos Problemas de Roteirização e Programação de Veículos Introdução aos Problemas de Roterzação e Programação de Veículos PNV-2450 André Bergsten Mendes Problema de Programação de Veículos Problema de Programação de Veículos Premssas Os roteros ncam e termnam

Leia mais

3 Desenvolvimento do Modelo

3 Desenvolvimento do Modelo 3 Desenvolvmento do Modelo Neste capítulo apresentaremos como está estruturado o modelo desenvolvdo nesta dssertação para otmzar o despacho de geradores dstrbuídos com o obetvo de reduzr os custos da rede

Leia mais

2 Metodologia de Medição de Riscos para Projetos

2 Metodologia de Medição de Riscos para Projetos 2 Metodologa de Medção de Rscos para Projetos Neste capítulo remos aplcar os concetos apresentados na seção 1.1 ao ambente de projetos. Um projeto, por defnção, é um empreendmento com metas de prazo, margem

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

As leis de Kirchhoff. Capítulo

As leis de Kirchhoff. Capítulo UNI apítulo 11 s les de Krchhoff s les de Krchhoff são utlzadas para determnar as ntensdades de corrente elétrca em crcutos que não podem ser convertdos em crcutos smples. S empre que um crcuto não pode

Leia mais

5 Implementação Procedimento de segmentação

5 Implementação Procedimento de segmentação 5 Implementação O capítulo segunte apresenta uma batera de expermentos prátcos realzados com o objetvo de valdar o método proposto neste trabalho. O método envolve, contudo, alguns passos que podem ser

Leia mais

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu 1 Programação Não Lnear com Restrções Aula 9: Programação Não-Lnear - Funções de Váras Varáves com Restrções Ponto Regular; Introdução aos Multplcadores de Lagrange; Multplcadores de Lagrange e Condções

Leia mais

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT

ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS. Palavras-chave: Tensões térmicas, Propriedades variáveis, Condução de calor, GITT ANÁLISE DAS TENSÕES TÉRMICAS EM MATERIAIS CERÂMICOS Dnz, L.S. Santos, C.A.C. Lma, J.A. Unversdade Federal da Paraíba Laboratóro de Energa Solar LES/DTM/CT/UFPB 5859-9 - João Pessoa - PB, Brasl e-mal: cabral@les.ufpb.br

Leia mais

3 Método Numérico. 3.1 Discretização da Equação Diferencial

3 Método Numérico. 3.1 Discretização da Equação Diferencial 3 Método Numérco O presente capítulo apresenta a dscretação da equação dferencal para o campo de pressão e a ntegração numérca da expressão obtda anterormente para a Vscosdade Newtonana Equvalente possbltando

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores.

Palavras-Chave: Métodos Interativos da Potência e Inverso, Sistemas Lineares, Autovetores e Autovalores. MSc leandre Estáco Féo ssocação Educaconal Dom Bosco - Faculdade de Engenhara de Resende Caa Postal 8.698/87 - CEP 75-97 - Resende - RJ Brasl Professor e Doutorando de Engenhara aefeo@yahoo.com.br Resumo

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson

Procedimento Recursivo do Método dos Elementos de Contorno Aplicado em Problemas de Poisson Trabalho apresentado no III CMAC - SE, Vtóra-ES, 015. Proceedng Seres of the Brazlan Socety of Computatonal and Appled Mathematcs Procedmento Recursvo do Método dos Elementos de Contorno Aplcado em Problemas

Leia mais

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2)

Radiação Térmica Processos, Propriedades e Troca de Radiação entre Superfícies (Parte 2) Radação Térmca Processos, Propredades e Troca de Radação entre Superfíces (Parte ) Obetvo: calcular a troca por radação entre duas ou mas superfíces. Essa troca depende das geometras e orentações das superfíces,

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Desenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas

Desenvolvimento de software de simulação Monte Carlo para auxiliar no estudo da propagação de doenças infecciosas Desenvolvmento de software de smulação Monte Carlo para auxlar no estudo da propagação de doenças nfeccosas João Batsta dos Santos-Flho 1, Tatana Santos de Araujo Batsta 2, José Carlos Rodrgues Olvera

Leia mais

Ramos Energia e Automação

Ramos Energia e Automação Mestrado Integrado em Engenhara Electrotécnca e de Computadores Investgação Operaconal Ramos Energa e Automação 2009.01.15 Prova com consulta Alunos admtdos a exame com avalação contínua Duração: 2h30

Leia mais

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS

D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS D- MÉTODO DAS APROXIMAÇÕES SUCESSIVAS O método das apromações sucessvas é um método teratvo que se basea na aplcação de uma fórmula de recorrênca que, sendo satsfetas determnadas condções de convergênca,

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Modelo de Alocação de Vagas Docentes

Modelo de Alocação de Vagas Docentes Reunão Comssão de Estudos de Alocação de Vagas Docentes da UFV Portara 0400/2016 de 04/05/2016 20 de mao de 2016 Comssão de Estudos das Planlhas de Alocação de Vagas e Recursos Ato nº 009/2006/PPO 19/05/2006

Leia mais

Chapter 9 Location INTRODUÇÃO. Localização de Instalações. Problemas de comunicação

Chapter 9 Location INTRODUÇÃO. Localização de Instalações.  Problemas de comunicação Chapter 9 Locaton Localzação de Instalações Problemas de comuncação http://www.youtube.com/watch?v=h_qnu4rwlvu INTRODUÇÃO INTRODUÇÃO Analsar padrões de localzação pode ser nteressante Porque a Whte Castle,

Leia mais

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012 Notas Processos estocástcos Nestor Catcha 23 de abrl de 2012 notas processos estocástcos 2 O Teorema de Perron Frobenus para matrzes de Markov Consdere um processo estocástco representado por um conunto

Leia mais

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS

UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS UM PROBLEMA ECONOMÉTRICO NO USO DE VARIÁVEIS CLIMÁTICAS EM FUNÇÕES DE PRODUÇÃO AJUSTADAS A DADOS EXPERIMENTAIS Rodolfo Hoffmann * Vctor Hugo da Fonseca Porto ** SINOPSE Neste trabalho deduz-se qual é o

Leia mais

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO Alne de Paula Sanches 1 ; Adrana Betâna de Paula Molgora 1 Estudante do Curso de Cênca da Computação da UEMS, Undade Unverstára de Dourados;

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D.

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Classificadores Lineares. Luiz Eduardo S. Oliveira, Ph.D. Unversdade Federal do Paraná Departamento de Informátca Reconhecmento de Padrões Classfcadores Lneares Luz Eduardo S. Olvera, Ph.D. http://lesolvera.net Objetvos Introduzr os o conceto de classfcação lnear.

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

5 Formulação para Problemas de Potencial

5 Formulação para Problemas de Potencial 48 Formulação para Problemas de Potencal O prncpal objetvo do presente capítulo é valdar a função de tensão do tpo Westergaard obtda para uma trnca com abertura polnomal (como mostrado na Fgura 9a) quando

Leia mais

2 Lógica Fuzzy Introdução

2 Lógica Fuzzy Introdução 2 Lógca Fuzzy 2.. Introdução A lógca fuzzy é uma extensão da lógca booleana, ntroduzda pelo Dr. Loft Zadeh da Unversdade da Calfórna / Berkeley no ano 965. Fo desenvolvda para expressar o conceto de verdade

Leia mais

Diferença entre a classificação do PIB per capita e a classificação do IDH

Diferença entre a classificação do PIB per capita e a classificação do IDH Curso Bem Estar Socal Marcelo Ner - www.fgv.br/cps Metas Socas Entre as mutas questões decorrentes da déa de se mplementar uma proposta de metas socas temos: Qual a justfcatva econômca para a exstênca

Leia mais

Índice. Exemplo de minimização de estados mais complexo. estados

Índice. Exemplo de minimização de estados mais complexo. estados Sumáro Método da tabela de mplcações para mnmzar estados. Atrbução de códgos aos estados: métodos baseados em heurístcas. Índce Exemplo de mnmzação de estados mas complexo Método da tabela de mplcações

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO

METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL. Iran Carlos Stalliviere Corrêa RESUMO Semnáro Anual de Pesqusas Geodéscas na UFRGS, 2. 2007. UFRGS METODOLOGIA PARA O CÁLCULO DE VAZÃO DE UMA SEÇÃO TRANSVERSAL A UM CANAL FLUVIAL Iran Carlos Stallvere Corrêa Insttuto de Geocêncas UFRGS Departamento

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

5 Validação dos Elementos

5 Validação dos Elementos 5 Valdação dos Elementos Para valdar os elementos fntos baseados nas Wavelets de Daubeches e nas Interpolets de Deslaurers-Dubuc, foram formulados dversos exemplos de análse lnear estátca, bem como o cálculo

Leia mais

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS.

SÉRIE DE PROBLEMAS: CIRCUITOS DE ARITMÉTICA BINÁRIA. CIRCUITOS ITERATIVOS. I 1. Demonstre que o crcuto da Fg. 1 é um half-adder (semsomador), em que A e B são os bts que se pretendem somar, S é o bt soma e C out é o bt de transporte (carry out). Fg. 1 2. (Taub_5.4-1) O full-adder

Leia mais

4 Discretização e Linearização

4 Discretização e Linearização 4 Dscretzação e Lnearzação Uma vez defndas as equações dferencas do problema, o passo segunte consste no processo de dscretzação e lnearzação das mesmas para que seja montado um sstema de equações algébrcas

Leia mais

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo:

CONTROLADORES FUZZY. Um sistema de controle típico é representado pelo diagrama de blocos abaixo: CONTROLADORES FUZZY Um sstema de controle típco é representado pelo dagrama de blocos abaxo: entrada ou referênca - erro CONTROLADOR snal de controle PLANTA saída A entrada ou referênca expressa a saída

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Algoritmos de Codificação Simétricos

Algoritmos de Codificação Simétricos Algortmos de Codfcação Smétrcos Hugo Valente e Ivo Navega SSI TPC. A rede de estel consste numa cfra de bloco com uma estrutura específca, a qual permte trar vantagem do facto de puder ser usada quer para

Leia mais

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson

Microeconomia II. Cursos de Economia e de Matemática Aplicada à Economia e Gestão AULA 5.3. Afectação de Bens Públicos: a Condição de Samuelson Mcroeconoma II Cursos de Economa e de Matemátca Aplcada à Economa e Gestão AULA 5.3 Afectação de Bens Públcos: a Condção de Isabel Mendes 2007-2008 5/3/2008 Isabel Mendes/MICRO II 5.3 Afectação de Bens

Leia mais

Se considerarmos, por exemplo, uma função f real de variável real,

Se considerarmos, por exemplo, uma função f real de variável real, 107 5 Gráfcos 5.1 Introdução Dada uma função real de varável real 16 f, o gráfco desta função é o conjunto de pontos ( x, y), onde x pertence ao domíno da função e f ( x) y =, ou seja, {( x y) x D y f

Leia mais

8 Regime de transição

8 Regime de transição 8 Regme de transção Por delberação do Senado Unverstáro em reunão de 2 de Março de 2006 (Cf. Pág. 2 da Mnuta nº 10) consdera-se que, «a partr do ano lectvo de 2006/07, todos os cursos da Unversdade do

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação.

Estudo quantitativo do processo de tomada de decisão de um projeto de melhoria da qualidade de ensino de graduação. Estudo quanttatvo do processo de tomada de decsão de um projeto de melhora da qualdade de ensno de graduação. Rogéro de Melo Costa Pnto 1, Rafael Aparecdo Pres Espíndula 2, Arlndo José de Souza Júnor 1,

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa

FUNDAMENTOS DE INVESTIGAÇÃO OPERACIONAL. 2.º teste 21 de Maio de Duração: 1h:30. Resolução indicativa INSIUO SUPERIOR ÉNIO LEGI (Lcencatura em Engenhara e Gestão Industral) FUNDAMENOS DE INVESIGAÇÃO OPERAIONAL 2.º teste 21 de Mao de 2016 Duração: 1h:30 Resolução ndcatva 1. Um estabelecmento de ensno superor

Leia mais

Cap. 5 Classificação Temática

Cap. 5 Classificação Temática Prncípos e Aplcações da Deteção Remota Cap. 5 Classfcação Temátca 5.1 O Processo de Classfcação 5. Classfcação de Máxma Verosmlhança (supervsonada paramétrca) 5..1 Classes multvaradas normas 5.. Lmtes

Leia mais