Escalonamento com Garantia

Documentos relacionados
Prioridades com Teste de Escalonabilidade

Escalonamento Baseado em Prioridades Fixas

Sistemas de Tempo-Real

Sistemas de Tempo-Real

O Escalonamento de Tempo Real

Executivo Cíclico. Executivo Cíclico Introdução. Sistemas de Tempo Real: Executivo Cíclico Exemplo. Executivo Cíclico Introdução

Extensões da Análise para Prioridades Fixas

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

Suporte Básico para Sistemas de Tempo Real

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

Mecanismos de Escalonamento

3 Elementos de modelagem para o problema de controle de potência

Sistemas de Tempo-Real

7 - Distribuição de Freqüências

Índice. Exemplo de minimização de estados mais complexo. estados

Introdução aos Problemas de Roteirização e Programação de Veículos

2 Metodologia de Medição de Riscos para Projetos

Guia 11 Escalonamento de Mensagens

Escalonamento. Entender o papel do escalonamento e da análise de escalonabilidade na previsão de que aplicações de tempo real cumprem seus deadlines

Escalonamento de Tarefas

4 Critérios para Avaliação dos Cenários

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

Reconhecimento Estatístico de Padrões

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

Programação Linear 1

PROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

Estatística Espacial: Dados de Área

Optimização com variáveis discretas

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

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Prof. Lorí Viali, Dr.

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

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

Sistemas de Tempo-Real

MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES

3 Método Numérico. 3.1 Discretização da Equação Diferencial

TRANSPORTES. Sessão Prática 11 Dimensionamento de Interseções Semaforizadas

Prof. Lorí Viali, Dr.

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

2 Lógica Fuzzy Introdução

Jogos. Jogos. Jogo. Jogo. Óptimo alvo investigação

Prof. Lorí Viali, Dr.

4.1 Modelagem dos Resultados Considerando Sazonalização

2 ENERGIA FIRME DE SISTEMAS HIDRELÉTRICOS

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

DIFERENCIANDO SÉRIES TEMPORAIS CAÓTICAS DE ALEATÓRIAS ATRAVÉS DAS TREND STRIPS

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

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

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

Alocação sequencial - filas

LISTA DE EXERCÍCIOS PARA P2 INCLUI PROVAS ATÉ 2007/2

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

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

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

Modelação com Variáveis Discretas

5 Implementação Procedimento de segmentação

INF 1771 Inteligência Artificial

Análise Exploratória de Dados

Classificação e Pesquisa de Dados

Modelação, Identificação e Controlo Digital

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

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

Testes não-paramétricos

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

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

Redes Neurais (Inteligência Artificial)

Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos Jorge Figueiredo, DSC/UFCG. Análise e Técnicas de Algoritmos 2005.

PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON

ANÁLISE DE ESTRUTURAS I INTRODUÇÃO AO MÉTODO DE CROSS

MODELOS DE REGRESSÃO PARAMÉTRICOS

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

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

Gestão e Teoria da Decisão

Programação Dinâmica. Fernando Nogueira Programação Dinâmica 1

METOLOGIA. 1. Histórico

EXERCÍCIO: VIA EXPRESSA CONTROLADA

CURSO A DISTÂNCIA DE GEOESTATÍSTICA

8 - Medidas Descritivas

Laboratório de Mecânica Aplicada I Determinação de Centros de Gravidade

2) Como há 6 tipos de peso, e estamos avaliando 2 peças, o espaço amostral será uma matriz 6 x 6:

O problema da superdispersão na análise de dados de contagens

Algoritmos Genéticos com Parâmetros Contínuos

Um Modelo De Programação Linear Inteira Mista Para A Localização De Armazéns E A Distribuição De Produtos Siderúrgicos

Métodos de Ordenação Parte 1

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

22/8/2010 COMPLEXIDADE DE ALGORITMOS CES para os numeradores e 1 para o denominador. Noções de complexidade de algoritmos

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

Modelo Logístico. Modelagem multivariável com variáveis quantitativas e qualitativas, com resposta binária.

Notas Processos estocásticos. Nestor Caticha 23 de abril de 2012

Programação Não Linear. Programação Não-Linear 1

Algoritmos de Escalonamento para a Síntese de Alto Nível

REGRESSÃO NÃO LINEAR 27/06/2017

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

Modelos para Localização de Instalações

Teoria Elementar da Probabilidade

Robótica. Prof. Reinaldo Bianchi Centro Universitário FEI 2016

Transcrição:

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 Varáves com Teste de Escalonabldade rordades Fxas com Teste de Escalonabldade romulo@das.ufsc.br http://www.das.ufsc.br/~romulo Executvo íclco Introdução Também chamado de Tme-drven scheduler ou lock-drven scheduler Indcado para tarefas com deadlne hard Indcado para tarefas peródcas arâmetros das tarefas precsam ser conhecdos a pror arâmetros das tarefas não mudam durante a execução Tabela descrevendo a escala de execução é crada no projeto Durante a execução esta escala é repetda cclcamente Garanta da escalonabldade está na nspeção da tabela Se todos os deadlnes são cumprdos, sstema é escalonável É a forma tradconal de mplementar sstemas de tempo real crítcos Tem a vantagem de ser completamente determnístco Executvo íclco Introdução O desgn do software é concorrente A mplementação pode ser através de Um conjunto de procedmentos rocedmentos são mapeados sobre um conjunto de cclos menores (mnor cycles) que formam juntos a escala completa ou cclo maor (major cycle) O clo Menor determna o mínmo cclo de tempo possível O clo Maor determna o máxmo cclo de tempo possível É alocado tempo para o WET de cada tarefa a cada período dela ão exste preempção (exclusão mútua assegurada) Executvo íclco Solução lássca Toda a sequênca de execução é repedda a cada Major ycle (clo Maor) Todas as execuções de clo Maor são guas O clo Maor é dvddo em uma sequênca de Mnor ycles (clo Menor) clos Menores podem ser dferentes entre s Interrupção do Tmer ndca níco de cada clo Menor Decsões de escalonamento somente no níco de cada clo Menor Executvo íclco Solução lássca Duração do clo Maor ndca nstante no tempo equvalente ao nstante ncal da tabela É possível voltar ao níco da tabela e repetr tudo novamente Valor natural para a duração do clo Maor (L): Mínmo Múltplo omum dos períodos das tarefas Interrupção Interrupção Interrupção Interrupção clo Maor clo Menor 5 6

Executvo íclco Solução lássca clo menor (f) precsa ser longo o sufcente para permtr que todos os jobs termnem sua execução dentro dele Evta preempções Evta chaveamento de contexto f Max ( ) Fornece exclusão mútua n onvenente que todos os períodos de tarefa sejam números múltplos da duração do clo Menor (f) Interrupção do tmer a cada clo Menor = Város jobs podem ser executados dentro de um mesmo clo Menor f f Executvo íclco Exemplo Tarefa T eríodo Tempo de computação 5 5 8 5 5 T 5 T5 Mímmo múltplo comum dos períodos = Máxmo dvsor comum dos períodos = 5 7 8 Executvo íclco Exemplo Whle( true ) { wat_for_nterrupt; funcao_t(); funcao_t(); funcao_t(); wat_for_nterrupt; funcao_t(); funcao_t(); funcao_t(); funcao_t5(); wat_for_nterrupt; funcao_t(); funcao_t(); funcao_t(); wat_for_nterrupt; funcao_t(); funcao_t(); funcao_t(); } Executvo íclco Exemplo Tarefa T eríodo Tempo de computação 5 5 8 5 5 T 5 T5 Interrupção Interrupção Interrupção Interrupção T T5 T 9 5 Executvo íclco Solução lássca Executvo íclco omentáros Tabela ndca que tarefas fazem parte de cada clo Menor ara toda a duração do clo Maor Exstem conjuntos de tarefas para os quas é mpossível aplcar a solução clássca ecessáro adaptar as tarefas Tarefas aperódcas podem ser executadas dentro de cada clo Menor depos que todas os jobs garantdos alocados àquele clo Menor já foram concluídos Executam até a próxma nterrupção do tmer (novo clo Menor) Overhead de escalonamento no níco de cada clo Menor Se ocorreu overrun do clo Menor anteror, ação é necessára Job nterrompdo era aperódca não garantda Smplesmente preempta o job Job nterrompdo era peródco garantdo mas não crítco reempta o job, snalza ocorrênca de uma falta temporal Job nterrompdo era peródco garantdo e crítco Grave falta temporal ontnua executando este job para garantr consstênca dos dados - Espera que folga do próxmo clo Menor resolva o problema Dspara tratamento de exceção, pânco

Executvo íclco omentáros ode ser desenvolvdo a mão sem nenhum método especal o caso de sstemas pequenos/smples Dado que a tabela de execução é construída em projeto Algortmos complexos também podem ser usados Trata-se de um problema de otmzação com complexdade exponencal Soluções ótmas são possíves até um certo tamanho de sstema ara sstemas grandes são usadas heurístcas (sub-ótmas) Uso de meta-heurístcas é popular (busca tabu, genétco, smulated annealng) Objetvos secundáros podem exstr Dstrbur as folgas unformemente para favorecer aperódcas Reduzr jtter de saída das tarefas Executvo íclco omentáros a verdade nenhum processo precsa realmente exstr em tempo de execução ada clo Menor pode ser apenas uma sequênca de chamadas de subrotnas As subrotnas podem compartlhar um espaço de endereçamento comum odem passar dados entre eles Esses dados não precsam ser protegdos (va um semáforo, por exemplo) porque o acesso concorrente não é possível Todos os períodos das tarefas devem ser múltplos do tempo de cclo menor Executvo íclco omentáros Dfculdade em ncorporar processos com períodos longos Atvdades esporádcas são dfíces (as vezes mpossíves) de serem ncorporadas O executvo cíclco é dfícl de construr e manter é um problema -hard Qualquer tarefa com tempo de computação maor precsará ser dvddo em um número fxo de procedmentos com tamanho medano Isto pode prejudcar a estrutura do códgo, sendo mas sujeto a bugs Métodos mas flexíves de escalonamento são dfíces de suportar a realdade, Determnsmo da escala de execução não é necessáro necssáro é prevsbldade quanto ao cumprmento dos deadlnes Escalonamento com Garanta Executvo íclco rordades + Teste de Escalonabldade rordades Varáves com Teste de Escalonabldade rordades Fxas com Teste de Escalonabldade 5 6 rordades Varáves Introdução ada tarefa recebe uma prordade que vara ao longo do tempo rordade leva em conta nformações relatvas à execução Dferentes jobs da mesma tarefa podem receber prordades dferentes ada Job em partcular pode receber prordade fxa ou varável A escala de execução só é conhecda durante a execução ecsssáro Teste de Escalonabldade ara saber antes se todos os deadlnes estão garantdos ou não Exstem três tpos prncpas de testes de escalonabldade Baseados na taxa de utlzação do U Baseados na carga mposta ao U (processor demand) Baseados no tempo de resposta rordades Varáves - Introdução EDF Earlest Deadlne Frst Inversamente proporconal ao deadlne absoluto Ótmo em relação aos crtéros de prordades varáves LSF (LST ou LLF) Least Slack Frst Inversamente proporconal ao tempo lvre (laxty ou slack) Ótmo em relação aos crtéros de prordades varáves Overhead maor que EDF FFS Frst ome Frst Served Inversamente proporconal ao tempo de espera por servço ão é ótmo com respeto ao cumprmento de deadlnes EDF é o mas usado 7 8

rordades Varáves Teste para EDF rordades Varáves Teste para EDF Supondo um conjunto de n tarefas ndependentes e peródcas EDF como polítca de atrbução de prordades Se D=T, sstema é escalonável quando: ermte usar % do processador mantendo os deadlnes Teste exato = ( ) Exstem testes de escalonabldade mas complexos para EDF São menos pessmstas orém requerem esforço computaconal maor Se D<T, sstema é escalonável quando: Teste sufcente = ( ) D ara D arbtráro, sstema é escalonável quando: Teste sufcente = ( mn( ) D, ) 9 Least Slack Frst - LSF rordades Varáves LSF Quanto menos tempo lvre (slack), maor a prordade Ótmo quando EDF é ótmo rordade das tarefas na fla de aptos aumenta com passar do tempo rordade da tarefa em execução mantém-se constante Gera número maor de chaveamento de contextos que EDF maor overhead ão apresenta vantagens face a EDF EDF: As prordades de todas as tarefas aptas e em execução aumentam - de gual modo com o passar do tempo rordades Varáves omentáros Implementação é mas complexa do que com prordade fxa requer um kernel que aceta prordades varáves Overhead de execução pode ser elevado caso seja necessára reordenação dnâmca da fla de aptos (depende do algortmo) Instabldade face a sobrecargas ão é possível saber antecpadamente quas tarefas vão perder deadlne Escalonabldade é superor em EDF do que em prordade fxa Qualquer sstema escalonável com prordade fxa também será escalonável com EDF O contráro não é verdadero Entretanto, prordade fxa é mas usado na prátca Exemplo escalonabldade: EDF versus RM Exemplo sobrecarga: EDF versus RM tarefas peródcas D tarefa A tarefa B 5 5 5 A,B A A B tarefa A - tarefa B - : = =D= : = =D= : = =D=8 Execução normal com EDF U n = =. [] 5 6 (a) Escalonamento EDF t A,B A A B perda de deadlne de B 5 6 t (b) Escalonamento RM Fgura.6: Escalas produzdas pelo (a) EDF e (b) RM 5 6 7 8 9 5 6

: = =D= : = =D= : = =D=8 Sobrecarga devdo a falha do projeto com EDF Exemplo sobrecarga: EDF versus RM : = =D= : = =D= : = =D=8 Execução normal com RM Exemplo sobrecarga: EDF versus RM 5 6 7 8 9 5 6 5 5 6 7 8 9 5 6 6 : = =D= : = =D= : = =D=8 Sobrecarga devdo a falha do projeto com RM Exemplo sobrecarga: EDF versus RM Executvo íclco rordades + Teste de Escalonabldade Escalonamento com Garanta rordades Varáves com Teste de Escalonabldade rordades Fxas com Teste de Escalonabldade?? 5 6 7 8 9 5 6 7 8 Escalonamento Baseado em rordades Fxas Aplcação composta por tarefas (processos) Estados de uma tarefa: Lberada (pronta para executar, apta, ready) Executando (runnng) Suspensa esperando pela próxma atvação Outros estados serão acrescentados mas adante Em geral escalonamento é preemptvo Tarefas possuem prordade fxa defnda em projeto Garanta exge Tarefas peródcas ou esporádcas Tempo máxmo de computação conhecdo Teste de escalonabldade aproprado Quanto menor o período, mas alta a prordade Ótmo quando Tarefas são peródcas Deadlne é sempre gual ao período Exemplo: Tarefas eríodos = = =5 rordades p= p= p= udado! úmero menor ndca prordade maor Mutas vezes é o contráro rordade Fxa Rate Monotonc 9

rordade Fxa Análse da Utlzação Utlzação de uma tarefa: Tempo máxmo de computação dvddo pelo período U = / tem = e =5, então U = / = / 5 =. Teste para Rate Monotonc, sstema é escalonável se: = ( ) ( / ) ara = utlzação máxma é % ara grandes utlzação máxma tende para 69.% Baseado no conceto de Instante rítco Teste é sufcente mas não necessáro Lmar de Utlzação.% 8.8% 78.% 75.7% 5 7.% 7.8% nfnto 69.% rordade Fxa Análse da Utlzação rordade Fxa Análse da Utlzação Exemplo: eríodos =6 = =8 omputação = =5 = Utlzação U=.5 U=.5 U=. rordades p= p= p= Utlzação total é.775, abaxo do lmte.78 rordade Fxa Análse da Utlzação Exemplo: eríodos = = =8 omputação = = = Utlzação U=.5 U=.5 U=.5 rordades p= p= p= Utlzação total é, acma do lmar.78, mas conjunto é escalonável 5 5 7 6 8 6 58 5 6 7 8 9 5 6 Testes baseados em utlzação ão são geras ão são exatos Mas são rápdos, O() rordade Fxa Análse da Utlzação Exemplo de teste necessáro mas não sufcente para este modelo de tarefas = ( ) 5 rordade Fxa Análse do Tempo de Resposta Lmtações da análse baseada em Utlzação ão éexata Aplcável apenas a modelos de tarefas muto smples Análse baseada em Tempo de Resposta Abordagem analítca calcula tempo de resposta no por caso Tempo de resposta de cada tarefa é comparado com o deadlne da tarefa Baseada no conceto de Função Demanda de Tempo 6

rordade Fxa Análse do Tempo de Resposta Função Demanda de Tempo (Tme-Demand Functon) Base da análse do tempo de resposta Indca quando tempo de processador é demandado pelas tarefas Exemplo: : =,=; : =,= Demanda + Dsponbldade rordade Fxa Análse do Tempo de Resposta omo calcular o tempo de resposta de cada tarefa? ara a tarefa mas prortára temos R = Demas tarefas sofrem Interferênca das tarefas com prordade maor este caso, R = + I Interferênca é máxma a partr do Instante rítco Todas as tarefas são lberadas smultaneamente Suposto nstante zero na análse tempo 5 6 7 8 9 7 8 rordade Fxa Análse do Tempo de Resposta Seja Tj uma tarefa com prordade maor que T Quantas vezes Tj pode acontecer durante a execução de T? Qual a nterferênca total de Tj sobre T? Qual a nterferênca total sobre T? R j R j j R j j hp( ) j rordade Fxa Análse do Tempo de Resposta O tempo máxmo de resposta de T é R = + I R R = + j j hp( ) j Equação é recursva alculada através de terações sucessvas, até: Tempo de resposta passar do deadlne Resultado convergr, teração x+ gual a teração x w w x + x = + j j hp( ) j w = 9 rordade Fxa Análse do Tempo de Resposta Exemplo: eríodos =7 = = omputação = = =5 rordades p= p= p= R = = rordade Fxa Análse do Tempo de Resposta Análse da tarefa : w = = w w = + 6 = + 7 = w 6 w = + 6 = + 7 = 6

rordade Fxa Análse do Tempo de Resposta Análse da Tarefa : w = = 5 w 5 5 w = + j = 5+ j hp j 7 + = ( ) w = 5+ 7 + = w = 5+ 7 7 + = 7 7 w = 5+ 7 + = w 5 = 5+ 7 + = rordade Fxa Análse do Tempo de Resposta 7 Exemplo: eríodos =7 = = omputação = = =5 rordades p= p= p= Tempo Máxmo de Resposta R= R=6 R= rordade Fxa Análse do Tempo de Resposta Exemplo: eríodos = = =8 omputação = = = Utlzação U=.5 U=.5 U=.5 rordades p= p= p= Utlzação total é, acma do lmar.78 mas conjunto é escalonável Aplcando o cálculo do tempo de resposta temos Análse da tarefa : R = = 5 rordade Fxa Análse do Tempo de Resposta Exemplo: eríodos = = =8 omputação = = = Utlzação U=.5 U=.5 U=.5 rordades p= p= p= Análse da tarefa : w w = = w = + = + = 7 w w = + = + = 7 6 rordade Fxa Análse do Tempo de Resposta Exemplo: eríodos = = =8 omputação = = = Utlzação U=.5 U=.5 U=.5 rordades p= p= p= Análse da Tarefa : w w w = = = + = + + = () j j hp j 5 5 w = + + = 5 w = + + = 7 7 7 5 8 8 w = + + = 8 w = + = 8 + 7 rordade Fxa Análse do Tempo de Resposta Exemplo: eríodos = = =8 omputação = = = Utlzação U=.5 U=.5 U=.5 rordades p= p= p= Resposta R= R= R=8 Utlzação total é, acma do lmar.78, mas conjunto é escalonável 5 6 7 8 9 5 6 8

rordade Fxa Análse do Tempo de Resposta Teste de escalonabldade exato (sufcente e necessáro) Deadlne pode ser menor que o período Basta comparar o tempo de resposta com o deadlne Deadlne maor que o período exge análse mas complexa Tarefa pode nterferr com ela mesma Tarefas esporádcas podem ser tratadas como peródcas Intervalo mínmo entre atvações é usado como período A forma como prordades são atrbudas ÃO é mportante Funcona pos hp() sempre ndca as tarefas mas prortáras do que a tarefa 9 rordade Fxa Deadlne Monotonc Quanto menor o deadlne, maor a prordade Ótmo quando deadlne é menor ou gual ao período Exemplo: Tarefas T eríodos = =5 = = WET = = = = Deadlne D=5 D=7 D= D= rordades p= p= p= p= Tempo máxmo de resposta R= R=6 R= R= aso fosse RM R= R=7 R= R= 5 ada tarefa recebe uma prordade fxa rordade Fxa Resumo Teste é desenvolvdo para examnar a escalonabldade Dos tpos de análse Análse da Utlzação Utlza o valor / Análse do Tempo de Resposta Tenta calcular o tempo de resposta no por caso Executvo íclco Escalonamento com Garanta - Resumo rordades + Teste de Escalonabldade rordades Varáves com Teste de Escalonabldade rordades Fxas com Teste de Escalonabldade Todos são capazes de garantr deadlnes Executvo cíclco é menos flexível porém oferece determnsmo de escala EDF oferece escalonabldade superor em relação à prordade fxa, porém é caótco em sobrecarga e análse é mas complexa rordade fxa permte extender mas faclmente a análse de escalonabldade 5 5