调度算法简介
1. 时间片轮转调度算法
时间片轮转（Round Robin, RR）是一种常见的 CPU 调度算法，适用于时间共享系统。它通过将 CPU 时间划分为固定长度的时间片（time quantum），并按顺序轮流分配给各个进程，从而实现公平的资源分配。
它的基本原理是：
- 每个进程被分配一个固定长度的时间片（time quantum）。
- 进程按到达时间排序，到达时间相同的进程按先到先服务（FCFS）原则。
- 从第一个进程开始，按顺序将时间片分配给每个进程。
- 如果进程在时间片用完前完成，将其从队列中移除；否则，将其重新加入队列末尾。
- 重复步骤3和4，直到所有进程完成。
原理上它是一种抢占式调度算法，适用于交互式系统，能够有效减少响应时间，提高系统的整体吞吐量。但是它也会提高上下文切换的开销，且时间片长度的选择对性能有较大影响。
模拟代码：
from collections import deque
class Process:
def __init__(self, pid, arrival_time, burst_time):
self.pid = pid # 进程ID
self.arrival_time = arrival_time # 到达时间
self.burst_time = burst_time # 总服务时间
self.remaining_time = burst_time # 剩余执行时间
self.completion_time = 0 # 完成时间
self.waiting_time = 0 # 等待时间
self.turnaround_time = 0 # 周转时间
def round_robin(processes, time_quantum):
# 按到达时间排序（假设初始按顺序到达）
processes = sorted(processes, key=lambda p: p.arrival_time)
queue = deque()
current_time = 0
completed = 0
n = len(processes)
process_index = 0
# 初始化：将到达时间为0的进程加入队列
while process_index < n and processes[process_index].arrival_time <= current_time:
queue.append(processes[process_index])
process_index += 1
print("时间片轮转调度执行顺序（时间片={}）：".format(time_quantum))
while completed < n:
if not queue:
# CPU 空闲，跳到下一个进程到达时间
current_time = processes[process_index].arrival_time
while process_index < n and processes[process_index].arrival_time <= current_time:
queue.append(processes[process_index])
process_index += 1
continue
# 取出队首进程
current_process = queue.popleft()
print(f"时间 {current_time}: 执行进程 {current_process.pid}")
# 执行时间 = min(剩余时间, 时间片)
execute_time = min(current_process.remaining_time, time_quantum)
current_time += execute_time
current_process.remaining_time -= execute_time
# 将新到达的进程加入队列
while process_index < n and processes[process_index].arrival_time <= current_time:
queue.append(processes[process_index])
process_index += 1
# 如果进程未完成，放回队尾
if current_process.remaining_time > 0:
queue.append(current_process)
else:
# 进程完成
current_process.completion_time = current_time
current_process.turnaround_time = current_process.completion_time - current_process.arrival_time
current_process.waiting_time = current_process.turnaround_time - current_process.burst_time
completed += 1
print(f" -> 进程 {current_process.pid} 完成于时间 {current_time}")
# 输出统计信息
print("\n进程调度结果：")
print(f"{'PID':<5} {'到达时间':<8} {'服务时间':<8} {'完成时间':<8} {'等待时间':<8} {'周转时间':<8}")
total_waiting = 0
total_turnaround = 0
for p in processes:
print(f"{p.pid:<5} {p.arrival_time:<8} {p.burst_time:<8} {p.completion_time:<8} {p.waiting_time:<8} {p.turnaround_time:<8}")
total_waiting += p.waiting_time
total_turnaround += p.turnaround_time
avg_waiting = total_waiting / n
avg_turnaround = total_turnaround / n
print(f"\n平均等待时间: {avg_waiting:.2f}")
print(f"平均周转时间: {avg_turnaround:.2f}")
# 示例使用
if __name__ == "__main__":
# 创建进程列表：(PID, 到达时间, 服务时间)
processes = [
Process(1, 0, 5),
Process(2, 1, 3),
Process(3, 2, 8),
Process(4, 3, 6)
]
time_quantum = 2 # 时间片设为2
round_robin(processes, time_quantum)
2. 优先级调度算法
调度选择优先级最高->最低的进程。优先级本质上是任务的紧急程度。
可以是抢占式的，也可以是非抢占式的。其区别是：
- 抢占式：当新到达的进程优先级高于当前正在执行的进程时，会立即抢占当前进程。
- 非抢占式：当前进程执行完毕后，才会执行优先级更高的进程。
但是会导致饥饿现象（Starvation），即如果不断的有高优先级的任务来，低优先级进程可能长时间得不到执行机会。为了解决这个问题，可以采用老化技术（Aging），即随着等待时间的增加，动态提升低优先级进程的优先级。
可以分为静态优先级和动态优先级两种：
- 静态优先级：进程的优先级在创建时就确定，不会改变。
- 动态优先级：进程的优先级会根据等待时间等因素动态调整。
模拟代码：
import heapq
from collections import defaultdict
class Process:
def __init__(self, pid, arrival, burst, priority):
self.pid = pid
self.arrival_time = arrival
self.burst_time = burst # 服务时间
self.priority = priority # 越小优先级越高
self.remaining_time = burst
self.completion_time = 0
self.waiting_time = 0
self.turnaround_time = 0
self.start_time = -1 # 首次执行时间
def __lt__(self, other):
# 用于堆比较：优先级相同时按 PID 排序（避免不稳定）
if self.priority == other.priority:
return self.pid < other.pid
return self.priority < other.priority
def priority_scheduling(processes, preemptive=False):
n = len(processes)
processes = sorted(processes, key=lambda p: p.arrival_time)
for p in processes:
p.remaining_time = p.burst_time
p.completion_time = 0
time = 0
completed = 0
ready_queue = [] # 最小堆（优先级队列）
i = 0
gantt = [] # 用于记录执行序列 (start, end, pid)
if preemptive:
current_process = None
while completed < n:
# 添加所有已到达的进程到就绪队列
while i < n and processes[i].arrival_time <= time:
heapq.heappush(ready_queue, processes[i])
i += 1
if current_process is not None:
heapq.heappush(ready_queue, current_process)
if not ready_queue:
time = processes[i].arrival_time
continue
# 取出最高优先级进程
next_process = heapq.heappop(ready_queue)
# 如果是非抢占式，这里不会发生；但抢占式下可能中断
if current_process is not None and current_process != next_process:
# 中断当前进程，记录已执行部分
pass # 已通过 push 回队列处理
current_process = next_process
# 执行 1 个时间单位（抢占式最小粒度）
if current_process.start_time == -1:
current_process.start_time = time
time += 1
current_process.remaining_time -= 1
# 记录 Gantt 片段
gantt.append((time - 1, time, current_process.pid))
if current_process.remaining_time == 0:
current_process.completion_time = time
current_process.turnaround_time = current_process.completion_time - current_process.arrival_time
current_process.waiting_time = current_process.turnaround_time - current_process.burst_time
completed += 1
current_process = None # 释放 CPU
else:
# 非抢占式
while completed < n:
# 添加已到达进程
while i < n and processes[i].arrival_time <= time:
heapq.heappush(ready_queue, processes[i])
i += 1
if not ready_queue:
time = processes[i].arrival_time
continue
# 取出最高优先级进程，一次性执行完
current = heapq.heappop(ready_queue)
if current.start_time == -1:
current.start_time = time
time += current.burst_time
current.completion_time = time
current.turnaround_time = current.completion_time - current.arrival_time
current.waiting_time = current.turnaround_time - current.burst_time
completed += 1
gantt.append((current.start_time, current.completion_time, current.pid))
# 输出结果
mode = "抢占式" if preemptive else "非抢占式"
print(f"\n=== 优先级调度 ({mode}) ===")
print(f"{'PID':<4} {'到达':<6} {'服务':<6} {'优先级':<8} {'完成':<6} {'等待':<6} {'周转':<6}")
total_wait = total_turn = 0
for p in sorted(processes, key=lambda x: x.pid):
print(f"{p.pid:<4} {p.arrival_time:<6} {p.burst_time:<6} {p.priority:<8} {p.completion_time:<6} {p.waiting_time:<6} {p.turnaround_time:<6}")
total_wait += p.waiting_time
total_turn += p.turnaround_time
avg_wait = total_wait / n
avg_turn = total_turn / n
print(f"\n平均等待时间: {avg_wait:.2f}")
print(f"平均周转时间: {avg_turn:.2f}")
# 打印 Gantt 图（简化版）
print("\n甘特图（时间轴）:")
timeline = []
for start, end, pid in gantt:
timeline.append(f"[{start}-{end}] P{pid}")
print(" → ".join(timeline))
# 示例使用
if __name__ == "__main__":
# 进程: (PID, 到达时间, 服务时间, 优先级) —— 优先级数字越小越高
procs = [
Process(1, 0, 10, 3),
Process(2, 2, 1, 1), # 高优先级
Process(3, 4, 2, 4),
Process(4, 5, 1, 2), # 次高优先级
]
# 非抢占式
priority_scheduling([Process(p.pid, p.arrival_time, p.burst_time, p.priority) for p in procs], preemptive=False)
# 抢占式
priority_scheduling([Process(p.pid, p.arrival_time, p.burst_time, p.priority) for p in procs], preemptive=True)
使用原则：
- 系统进程优先级高于用户进程
- 前台进程优先级高于后台进程
- 操作系统更偏好I/O型进程（对应CPU型进程）
3. 多级反馈队列调度算法
多级反馈队列调度算法（Multilevel Feedback Queue Scheduling, MLFQ）是现代操作系统（如 Windows、Unix/Linux 的某些变体）中广泛使用的动态优先级调度算法。它结合了响应时间短（交互式进程友好） 和 高吞吐量（CPU 密集型进程不饿死） 的优点。
算法的基本思想是：
- 多个就绪队列，每个队列有不同优先级（通常第 0 级最 高）；
- 新进程进入最高优先级队列（如队列 0）；
- 队列内调度策略：
- 高优先级队列：时间片短，用时间片轮转（RR）；
- 低优先级队列：时间片长，可用 RR 或 FCFS；
- 反馈机制：
- 若进程在当前队列用完时间片仍未完成 → 降级到下一级队列；
- 若进程主动阻塞（如 I/O） → 通常保留在当前队列或提升优先级（鼓励 I/O 密集型/交互式进程）；
-
防止饥饿：可定期将所有进程提升到最高队列（aging）。