Linux Kernel調(diào)度器的過去，現(xiàn)在和未來

Linux Kernel Development 一書中，關于 Linux 的進程調(diào)度器并沒有講解的很全面，只是提到了 CFS 調(diào)度器的基本思想和一些實現(xiàn)細節(jié)；并沒有 Linux 早期的調(diào)度器介紹，以及最近這些年新增的在內(nèi)核源碼樹外維護的調(diào)度器思想。所以在經(jīng)過一番搜尋后，看到了這篇論文 A complete guide to Linux process scheduling，對 Linux 的調(diào)度器歷史進行了回顧，并且相對細致地講解了 CFS 調(diào)度器。整體來說，雖然比較啰嗦，但是對于想要知道更多細節(jié)的我來說非常適合，所以就有了翻譯它的沖動。當然，在學習過程也參考了其它論文。下面開啟學習之旅吧，如有任何問題，歡迎指正~

需要注意的是，在 Linux 中，線程和進程都是由同一個結(jié)構(gòu)體（task_struct，即任務描述符）表示的，所以文中會交叉使用進程、線程和任務等術(shù)語，可以將它們視作同義詞。當然，也可以將線程（任務）稱為最小執(zhí)行單元。但 Linux 的調(diào)度算法（如 CFS）可以應用更加通用的調(diào)度單元（如線程、cgroup、用戶等）。總之，不要過度糾結(jié)這里的術(shù)語，重要的是了解每種調(diào)度算法的思想！

為什么需要調(diào)度

Linux 是一個多任務的操作系統(tǒng)，這就意味著它可以「同時」執(zhí)行多個任務。在單核處理器上，任意時刻只能有一個進程可以執(zhí)行（并發(fā)）；而在多核處理器中，則允許任務并行執(zhí)行。然而，不管是何種硬件類型的機器上，可能同時還有很多在內(nèi)存中無法得到執(zhí)行的進程，它們正在等待運行，或者正在睡眠。負責將 CPU 時間分配給進程的內(nèi)核組件就是「進程調(diào)度器」。

調(diào)度器負責維護進程調(diào)度順序，選擇下一個待執(zhí)行的任務。如同多數(shù)其它的現(xiàn)代操作系統(tǒng)，Linux 實現(xiàn)了搶占式多任務機制。也就是說，調(diào)度器可以隨時決定任意進程停止運行，而讓其它進程獲得 CPU 資源。這種違背正在運行的進程意愿，停止其運行的行為就是所謂的「搶占」。搶占通?？梢栽?a class="article-link" target="_blank" href="/baike/491386.html">定時器中斷時發(fā)生，當中斷發(fā)生時，調(diào)度器會檢查是否需要切換任務，如果是，則會完進程上下文切換。每個進程所獲得的運行時間叫做進程的時間片（timeslice）。

任務通?？梢詤^(qū)分為交互式（I/O 密集型）和非交互式（CPU 密集型）任務。交互式任務通常會重度依賴 I/O 操作（如 GUI 應用），并且通常用不完分配給它的時間片。而非交互式任務（如數(shù)學運算）則需要使用更多的 CPU 資源。它們通常會用完自己的時間片之后被搶占，并不會被 I/O 請求頻繁阻塞。當然，現(xiàn)實中的應用程序可能同時包含上述兩種分類任務。例如，文本編輯器，多數(shù)情況下，它會等待用戶輸入，但是在執(zhí)行拼寫檢查時也會需要占用大量 CPU 資源。

操作系統(tǒng)的調(diào)度策略就需要均衡這兩種類型的任務，并且保證每個任務都能得到足夠的執(zhí)行資源，而不會對其它任務產(chǎn)生明顯的性能影響。?Linux 為了保證 CPU 利用率最大化，同時又能保證更快的響應時間，傾向于為非交互式任務分配更大的時間片，但是以較低的頻率運行它們；而針對 I/O 密集型任務，則會在較短周期內(nèi)頻繁地執(zhí)行。

調(diào)度有關的進程描述符

進程描述符（task_struct）中的很多字段會被調(diào)度機制直接使用。以下僅列出一些核心的部分，并在后文詳細討論。

struct task_struct {    int prio, static_prio, normal_prio;    unsigned int rt_priority;    const struct sched_class *sched_class;    struct sched_entity se;    struct sched_rt_entity rt;    …    unsigned int policy;    cpumask_t cpus_allowed;    …};

關于這些字段的說明如下：

• prio?表示進程的優(yōu)先級。進程運行時間，搶占頻率都依賴于這些值。rt_priority?則用于實時（real-time）任務；sched_class?表示進程位于哪個調(diào)度類；sched_entity?的意義比較特殊。通常把一個線程（Linux 中的進程、任務同義詞）叫作最小調(diào)度單元。但是 Linux 調(diào)度器不僅僅只能夠調(diào)度單個任務，而且還可以將一組進程，甚至屬于某個用戶的所有進程作為整體進行調(diào)度。這就允許我們實現(xiàn)組調(diào)度，從而將 CPU 時間先分配到進程組，再在組內(nèi)分配到單個線程。當引入這項功能后，可以大幅度提升桌面系統(tǒng)的交互性。比如，可以將編譯任務聚集成一個組，然后進行調(diào)度，從而不會對交互性產(chǎn)生明顯的影響。這里再次強調(diào)下，**Linux 調(diào)度器不僅僅能直接調(diào)度進程，也能對調(diào)度單元（schedulable entities）進行調(diào)度。這樣的調(diào)度單元正是用?struct sched_entity?來表示的。需要說明的是，它并非一個指針，而是直接嵌套在進程描述符中的。當然，后面的談論將聚焦在單進程調(diào)度這種簡單場景。由于調(diào)度器是面向調(diào)度單元設計的，所以它會將單個進程也視為調(diào)度單元，因此會使用?sched_entity?結(jié)構(gòu)體操作它們。sched_rt_entity?則是實時調(diào)度時使用的。policy?表明任務的調(diào)度策略：通常意味著針對某些特定的進程組（如需要更長時間片，更高優(yōu)先級等）應用特殊的調(diào)度決策。Linux 內(nèi)核目前支持的調(diào)度策略如下：

cpus_allowed：用來表示任務的 CPU 親和性。用戶空間可以通過?sched_setaffinity?系統(tǒng)調(diào)用來設置。

• SCHED_NORMAL：普通任務使用的調(diào)度策略；SCHED_BATCH：不像普通任務那樣被頻繁搶占，可允許任務運行盡可能長的時間，從而更好地利用緩存，但是代價自然是損失交互性能。這種非常適合批量任務調(diào)度（批量的 CPU 密集型任務）;SCHED_IDLE：它要比 nice 19 的任務優(yōu)先級還要低，但它并非真的空閑任務;SCHED_FIFO?和?SCHED_RR?是軟實時進程調(diào)度策略。它們是由 POSIX 標準定義的，由??里面定義的實時調(diào)度器負責調(diào)度。RR 實現(xiàn)的是帶有固定時間片的輪轉(zhuǎn)調(diào)度方式；SCHED_FIFO 則使用的是先進先出的隊列機制。

優(yōu)先級 Priority

進程優(yōu)先級：

普通任務優(yōu)先級：

所有的類 Unix 操作系統(tǒng)都實現(xiàn)了優(yōu)先級調(diào)度機制。它的核心思想就是給任務設定一個值，然后通過該值決定任務的重要程度。如果任務的優(yōu)先級一致，則一次重復運行它們。在 Linux 中，每一個普通任務都被賦予了一個 nice 值，它的范圍是 -20 到 +19，任務默認 nice 值是 0。

nice 值越高，任務優(yōu)先級越低（it's nice to others）。Linux 中可以使用?nice(int increment)?系統(tǒng)調(diào)用來修改當前進程的優(yōu)先級。該系統(tǒng)調(diào)用的實現(xiàn)位于??中。默認情況下，用戶只能為該用戶啟動的進程增加 nice 值（即降低優(yōu)先級）。如果需要增加優(yōu)先級（減少 nice 值），或者修改其它用戶進程優(yōu)先級，則必須以 root 身份操作。

實時任務優(yōu)先級：在 Linux 中，除了普通任務外，還有一類任務屬于實時任務。實時任務是確保它們能夠在一定時間范圍內(nèi)執(zhí)行的任務，有兩類實時任務，列舉如下：

• 硬實時任務：會有嚴格的時間限制，任務必須在時限內(nèi)完成。比如直升機的飛控系統(tǒng)，就需要及時響應駕駛員的操控，并做出預期的動作。然而，Linux 本身并不支持硬實時任務，但是有一些基于它修改的版本，如 RTLinux（它們通常被稱為 RTOS）則是支持硬實時調(diào)度的。軟實時任務：軟實時任務其實也會有時間限制，但不是那么嚴格。也就是說，任務晚一點運行任務，并不會造成不可挽回的災難性事故。實踐中，軟實時任務會提供一定的時間限制保障，但是不要過度依賴這種特性。例如，VOIP 軟件會使用軟實時保障的協(xié)議傳來送音視頻信號，但是即便因為操作系統(tǒng)負載過高，而產(chǎn)生一點延遲，也不會造成很大影響。無論如何，軟實時任務總會比普通任務的優(yōu)先級更高。

Linux 中實時任務的優(yōu)先級范圍是 0~99，但是有趣的是，它和 nice 值的作用剛好相反，這里的優(yōu)先級值越大，就意味著優(yōu)先級越高。

類似其它的 Unix 系統(tǒng)，Linux 也是基于 POSIX 1b 標準定義的 「Real-time Extensions」實現(xiàn)實時優(yōu)先級?？梢酝ㄟ^如下的命令查看系統(tǒng)中的實時任務：

$ ps -eo pid, rtprio, cmd

也可通過?chrt -p pid?查看單個進程的詳情。Linux 中可以通過?chrt -p prio pid?更改實時任務優(yōu)先級。這里需要注意的是，如果操作的是一個系統(tǒng)進程（通常并不會將普通用戶的進程設置為實時的），則必須有 root 權(quán)限才可以修改實時優(yōu)先級。

內(nèi)核視角下的進程優(yōu)先級：

實時上，內(nèi)核看到的任務優(yōu)先級和用戶看到的并不相同，在計算和管理優(yōu)先級時也需要考慮很多方面。Linux 內(nèi)核中使用 0~139 表示任務的優(yōu)先級，并且，值越小，優(yōu)先級越高（注意和用戶空間的區(qū)別）。其中 0~99 保留給實時進程，100~139（映射成 nice 值就是 -20~19）保留給普通進程。

我們可以在 頭文件中看到內(nèi)核表示進程優(yōu)先級的單位（scale）和宏定義（macros），它們用來將用戶空間優(yōu)先級映射到到內(nèi)核空間。
?

#define MAX_NICE 19#define MIN_NICE -20#define NICE_WIDTH (MAX_NICE - MIN_NICE + 1)…#define MAX_USER_RT_PRIO 100#define MAX_RT_PRIO MAX_USER_RT_PRIO#define MAX_PRIO (MAX_RT_PRIO + NICE_WIDTH)#define DEFAULT_PRIO (MAX_RT_PRIO + NICE_WIDTH / 2)/** Convert user-nice values [ -20 ... 0 ... 19 ]* to static priority [ MAX_RT_PRIO..MAX_PRIO-1 ],* and back.*/#define NICE_TO_PRIO(nice) ((nice) + DEFAULT_PRIO)#define PRIO_TO_NICE(prio) ((prio) - DEFAULT_PRIO)/** 'User priority' is the nice value converted to something we* can work with better when scaling various scheduler parameters,* it's a [ 0 ... 39 ] range.*/#define USER_PRIO(p) ((p)-MAX_RT_PRIO)#define TASK_USER_PRIO(p) USER_PRIO((p)->static_prio)#define MAX_USER_PRIO (USER_PRIO(MAX_PRIO))

優(yōu)先級計算：

在 task_struct 中有幾個字段用來表示進程優(yōu)先級：

int prio, static_prio, normal_prio;unsigned int rt_priority;

static_prio 是由用戶或系統(tǒng)設定的「靜態(tài)」優(yōu)先級映射成內(nèi)核表示的優(yōu)先級：

p->static_prio = NICE_TO_PRIO(nice_value);

normal_prio 存放的是基于 static_prio 和進程調(diào)度策略（實時或普通）決定的優(yōu)先級，相同的靜態(tài)優(yōu)先級，在不同的調(diào)度策略下，得到的正常優(yōu)先級是不同的。子進程在 fork 時，會繼承父進程的 normal_prio。?

prio 則是「動態(tài)優(yōu)先級」，在某些場景下優(yōu)先級會發(fā)生變動。一種場景就是，系統(tǒng)可以通過給某個任務優(yōu)先級提升一段時間，從而搶占其它高優(yōu)先級任務，一旦 static_prio 確定，prio 字段就可以通過下面的方式計算：?

p->prio = effective_prio(p);// kernel/sched/core.c 中定義了計算方法static int effective_prio(struct task_struct *p){    p->normal_prio = normal_prio(p);    /*    * If we are RT tasks or we were boosted to RT priority,    * keep the priority unchanged. Otherwise, update priority    * to the normal priority:    */    if (!rt_prio(p->prio))        return p->normal_prio;    return p->prio;}
static inline int normal_prio(struct task_struct *p){    int prio;    if (task_has_dl_policy(p))        prio = MAX_DL_PRIO-1;    else if (task_has_rt_policy(p))        prio = MAX_RT_PRIO-1 - p->rt_priority;    else         prio = __normal_prio(p);    return prio;}
static inline int __normal_prio(struct task_struct *p){    return p->static_prio;}

負載權(quán)重（Load Weights）：優(yōu)先級會讓一些任務比別的任務更重要，因此也會獲得更多的 CPU 使用時間。nice 值和時間片的比例關系是通過負載權(quán)重（Load Weights）進行維護的，我們可以在?task_struct->se.load?中看到進程的權(quán)重，定義如下：

struct sched_entity {    struct load_weight load; /* for load-balancing */    …}struct load_weight {    unsigned long weight;    u32 inv_weight;};

為了讓 nice 值的變化反映到 CPU 時間變化片上更加合理，Linux 內(nèi)核中定義了一個數(shù)組，用于映射 nice 值到權(quán)重：

static const int prio_to_weight[40] = {    /* -20 */ 88761, 71755, 56483, 46273, 36291,    /* -15 */ 29154, 23254, 18705, 14949, 11916,    /* -10 */ 9548, 7620, 6100, 4904, 3906,    /* -5 */ 3121, 2501, 1991, 1586, 1277,    /* 0 */ 1024, 820, 655, 526, 423,    /* 5 */ 335, 272, 215, 172, 137,    /* 10 */ 110, 87, 70, 56, 45,    /* 15 */ 36, 29, 23, 18, 15,};

來看看如何使用上面的映射表，假設有兩個優(yōu)先級都是 0 的任務，每個都能獲得 50% 的 CPU 時間（1024 / (1024 + 1024) = 0.5）。如果突然給其中的一個任務優(yōu)先級提升了 1 （nice 值 -1）。此時，一個任務應該會獲得額外 10% 左右的 CPU 時間，而另一個則會減少 10% CPU 時間。來看看計算結(jié)果：1277 / (1024 + 1277) ≈ 0.55，1024 / (1024 + 1277) ≈ 0.45，二者差距剛好在 10% 左右，符合預期。完整的計算函數(shù)定義在 中：?

static void set_load_weight(struct task_struct *p){    int prio = p->static_prio - MAX_RT_PRIO;    struct load_weight *load = &p->se.load;    /*    * SCHED_IDLE tasks get minimal weight:    */    if (p->policy == SCHED_IDLE) {        load->weight = scale_load(WEIGHT_IDLEPRIO);        load->inv_weight = WMULT_IDLEPRIO;        return;    }    load->weight = scale_load(prio_to_weight[prio]);    load->inv_weight = prio_to_wmult[prio];}

調(diào)度類 Scheduling Classes

雖說 Linux 內(nèi)核使用的 C 語言并非所謂的 OOP 語言（沒有類似 C++/Java 中的 class 概念），但是我們可以在內(nèi)核代碼中看到一些使用 C 語言結(jié)構(gòu)體 + 函數(shù)指針（Hooks）的方式來模擬面向?qū)ο蟮姆绞?，抽象行為和?shù)據(jù)。調(diào)度類也是這樣實現(xiàn)的（此外，還有 inode_operations, super_block_operations 等），它的定義如下（位于 ）：?

// 為了簡單起見，隱藏了部分代碼（如 SMP 相關的）struct sched_class {    // 多個 sched_class 是鏈接在一起的    const struct sched_class *next;    // 該 hook 會在任務進入可運行狀態(tài)時調(diào)用。它會將調(diào)度單元（如一個任務）放到    // 隊列中，同時遞增 `nr_running` 變量（該變量表示運行隊列中可運行的任務數(shù)）    void (*enqueue_task) (struct rq *rq, struct task_struct *p, int flags);    // 該 hook 會在任務不可運行時調(diào)用。它會將任務移出隊列，同時遞減 `nr_running`    void (*dequeue_task) (struct rq *rq, struct task_struct *p, int flags);    // 該 hook 可以在任務需要主動放棄 CPU 時調(diào)用，但是需要注意的是，它不會改變    // 任務的可運行狀態(tài)，也就是說依然會在隊列中等待下次調(diào)度。類似于先 dequeue_task，    // 再 enqueue_task    void (*yield_task) (struct rq *rq);    // 該 hook 會在任務進入可運行狀態(tài)時調(diào)用并檢查是否需要搶占當前任務    void (*check_preempt_curr) (struct rq *rq, struct task_struct *p, int flags);    // 該 hook 用來選擇最適合運行的下一個任務    struct task_struct * (*pick_next_task) (struct rq *rq, struct task_struct *prev);    // 該 hook 會在任務修改自身的調(diào)度類或者任務組時調(diào)用    void (*set_curr_task) (struct rq *rq);    // 通常是在時鐘中斷時調(diào)用，可能會導致任務切換    void (*task_tick) (struct rq *rq, struct task_struct *p, int queued);    // 當任務被 fork 時通知調(diào)度器    void (*task_fork) (struct task_struct *p);    // 當任務掛掉時通知調(diào)度器    void (*task_dead) (struct task_struct *p);};

關于調(diào)度策略的具體細節(jié)的實現(xiàn)有如下幾個模塊：

• core.c?包含調(diào)度器的核心部分；fair.c?實現(xiàn)了 CFS（Comple Faire Scheduler，完全公平任務調(diào)度器） 調(diào)度器，應用于普通任務；rt.c?實現(xiàn)了實時調(diào)度，應用于實時任務；idle_task.c?當沒有其它可運行的任務時，會運行空閑任務。
  內(nèi)核是基于任務的調(diào)度策略（SCHED_*）來決定使用何種調(diào)度類實現(xiàn)，并會調(diào)用相應的方法。SCHED_NORMAL,?SCHED_BATCH?和?SCHED_IDLE?進程會映射到?fair_sched_class?（由 CFS 實現(xiàn)）；SCHED_RR?和?SCHED_FIFO?則映射的?rt_sched_class?（實時調(diào)度器）。

運行隊列 runqueue

所有可運行的任務是放在運行隊列中的，并且等待 CPU 運行。每個 CPU 核心都有自己的運行隊列，每個任務任意時刻只能處于其中一個隊列中。在多處理器機器中，會有負載均衡策略，任務就會轉(zhuǎn)移到其它 CPU 上運行的可能。
運行隊列數(shù)據(jù)結(jié)構(gòu)定義如下（位于 ）:

?

// 為了簡單起見，隱藏了部分代碼（SMP 相關）// 這個是每個 CPU 都會有的一個任務運行隊列struct rq{    // 表示當前隊列中總共有多少個可運行的任務（包含所有的 sched class）    unsigned int nr_running;#define CPU_LOAD_IDX_MAX 5    unsigned long cpu_load[CPU_LOAD_IDX_MAX];    // 運行隊列負載記錄    struct load_weight load;    // 嵌套的 CFS 調(diào)度器運行隊列    struct cfs_rq cfs;    // 嵌套的實時任務調(diào)度器運行隊列    struct rt_rq rt;    // curr 指向當前正在運行的進程描述符    // idle 則指向空閑進程描述符（當沒有其它可運行任務時，該任務才會啟動）    struct task_struct *curr, *idle;    u64 clock;    int cpu;}

何時運行調(diào)度器？

實時上，調(diào)度函數(shù)?schedule()?會在很多場景下被調(diào)用。有的是直接調(diào)用，有的則是隱式調(diào)用（通過設置?TIF_NEED_RESCHED?來提示操作系統(tǒng)盡快運行調(diào)度函數(shù)）。以下三個調(diào)度時機值得關注下：

時鐘中斷發(fā)生時，會調(diào)用 scheduler_tick() 函數(shù)，該函數(shù)會更新一些和調(diào)度有關的數(shù)據(jù)統(tǒng)計，并觸發(fā)調(diào)度類的周期調(diào)度方法，從而間接地進行調(diào)度。以 2.6.39 源碼為例，可能的調(diào)用鏈路如下：

scheduler_tick└── task_tick    └── entity_tick        └── check_preempt_tick            └── resched_task                └── set_tsk_need_resched

當前正在運行的任務進入睡眠狀態(tài)。在這種情況下，任務會主動釋放 CPU。通常情況下，該任務會因為等待指定的事件而睡眠，它可以將自己添加到等待隊列，并啟動循環(huán)檢查期望的條件是否滿足。在進入睡眠前，任務可以將自己的狀態(tài)設置為 TASK_INTERRUPTABLE（除了任務要等待的事件可喚醒外，也可以被信號喚醒）或者 TASK_UNINTERRUPTABLE（自然是不會理會信號咯），然后調(diào)用 schedule() 選擇下一個任務運行。

Linux 調(diào)度器

早期版本:

Linux 0.0.1 版本就已經(jīng)有了一個簡單的調(diào)度器，當然并非適合擁有特別多處理器的系統(tǒng)。該調(diào)度器只維護了一個全局的進程隊列，每次都需要遍歷該隊列來尋找新的進程執(zhí)行，而且對任務數(shù)量還有嚴格限制（NR_TASKS 在最初的版本中只有 32）。下面來看看這個調(diào)度器是如何實現(xiàn)的吧：?

// 'schedule()' is the scheduler function. // This is GOOD CODE! There probably won't be any reason to change // this, as it should work well in all circumstances (ie gives // IO-bound processes good response etc)...void schedule(void){    int i, next, c;    struct task_struct **p;    // 遍歷所有任務，如果有信號，則需要喚醒 `TASK_INTERRUPTABLE` 的任務    for (p = &LAST_TASK; p > &FIRST_TASK; --p)        if (*p) {            if ((*p)->alarm && (*p)->alarm < jiffies) {                (*p)->signal |= (1 << (SIGALRM - 1));                (*p)->alarm = 0;            }            if ((*p)->signal && (*p)->state == TASK_INTERRUPTIBLE)                (*p)->state = TASK_RUNNING;        }    while (1)    {        c = -1;        next = 0;        i = NR_TASKS;        p = &task[NR_TASKS];        // 遍歷所有任務，找到時間片最長的那個        while (--i) {            if (!*--p)                continue;            if ((*p)->state == TASK_RUNNING && (*p)->counter > c)                c = (*p)->counter, next = i;        }        if (c)            break;        // 遍歷任務，重新設值時間片        for (p = &LAST_TASK; p > &FIRST_TASK; --p)            if (*p)                (*p)->counter = ((*p)->counter >> 1) + (*p)->priority;    }    // 切換到下一個需要執(zhí)行的任務    switch_to(next);}

O(n)：

2.4 版本的 Linux 內(nèi)核使用的調(diào)度算法非常簡單和直接，由于每次在尋找下一個任務時需要遍歷系統(tǒng)中所有的任務（鏈表），因此被稱為 O(n) 調(diào)度器（時間復雜度）。

當然，該調(diào)度器要比 0.01 版本內(nèi)核中的調(diào)度算法稍微復雜點，它引入了 epoch 概念。也就是將時間分成紀元（epochs），也就是每個進程的生命周期。理論上來說，每個紀元結(jié)束，每個進程都應該運行過一次了，而且通常用光了它當前的時間片。但實際上，有些任務并沒有完全用完時間片，那么它剩余時間片的一半將會和新的時間片相加，從而在下一個紀元運行更長的時間。
我們來看下 schedule() 算法的核心源碼：

// schedule() 算法會遍歷所有的任務（O(N)），并且計算出每個任務的// goodness 值，且挑選出「最好」的任務來運行。// 以下是部分核心源碼，主要是了解下它的思路。asmlinkage void schedule(void){    // 任務（進程）描述符：    // 1. prev: 當前正在運行的任務    // 2. next: 下一個將運行的任務    // 3. p: 當前正在遍歷的任務    struct task_struct *prev, *next, *p;    int this_cpu, c; // c 表示權(quán)重值repeat_schedule:    // 默認選中的任務    next = idle_task(this_cpu);    c = -1000;    list_for_each(tmp, &runqueue_head) {        p = list_entry(tmp, struct task_struct, run_list);        if (can_schedule(p, this_cpu)) {            int weight = goodness(p, this_cpu, prev->active_mm);            if (weight > c)                c = weight, next = p;        }    }}

源碼中的 goodness() 函數(shù)會計算出一個權(quán)重值，它的算法基本思想就是基于進程所剩余的時鐘節(jié)拍數(shù)（時間片），再加上基于進程優(yōu)先級的權(quán)重值。返回值如下：

• -1000 表示不要選擇該進程運行 0 表示時間片用完了，需要重新計算 counters（可能會被選中運行）正整數(shù)：表示 goodness 值（越大越好）+1000 表示實時進程，接下來就要選擇它運行

最后，針對 O(n) 調(diào)度器做下總結(jié)：

1. 算法實現(xiàn)非常簡單，但是不高效（任務越多，遍歷耗費時間越久）沒有很好的擴展性，多核處理器怎么辦？對于實時任務調(diào)度支持較弱（無論如何作為優(yōu)先級高的實時任務都需要在遍歷完列表后才可以知道）

?

2. ?

O(1)：

Ingo Molnár 大佬在 2.6 版本的內(nèi)核中加入了全新的調(diào)度算法，它能夠在常數(shù)時間內(nèi)調(diào)度任務，因此被稱為 O(1) 調(diào)度器。我們來看看它引入的一些新特性：

?

• 全局優(yōu)先級單位，范圍是 0~139，數(shù)值越低，優(yōu)先級越高將任務拆分成實時（099）和正常（100139）兩部分。更高優(yōu)先級任務獲得更多時間片即刻搶占（early preemption）。當任務狀態(tài)變成?TASK_RUNNING?時，內(nèi)核會檢查其優(yōu)先級是否比當前運行的任務優(yōu)先級更高，如果是的話，則搶占當前正在運行的任務，切換到該任務實時任務使用靜態(tài)優(yōu)先級普通任務使用使用動態(tài)優(yōu)先級。任務優(yōu)先級會在其使用完自己的時間片后重新計算，內(nèi)核會考慮它過去的行為，決定它的交互性等級。交互型任務更容易得到調(diào)度

O(n) 的調(diào)度器會在每個紀元結(jié)束后（所有任務的時間片都使用過），才會重新計算任務優(yōu)先級。而 O(1) 則是在每個任務時間片配額用完后就重新計算優(yōu)先級。O(1) 調(diào)度器為每個 CPU 維護了兩個隊列，即 active 和 expired。active 隊列存放的是時間片尚未用完的任務，而 expired 則是時間片已經(jīng)耗盡的任務。當一個任務的時間片用完后，就會被轉(zhuǎn)到 expired 隊列，而且會重新計算它的優(yōu)先級。當 active 隊列任務全部轉(zhuǎn)移到 expired 隊列后，會交換二者（讓 active 指向 expired 隊列，expired 指向 active 隊列）?？梢钥吹?，優(yōu)先級的計算，隊列切換都和任務數(shù)量多寡無關，能夠在 O(1) 時間復雜度下完成。

在先前介紹的調(diào)度算法中，如果想要取一個優(yōu)先級最高的任務，還需要遍歷整個任務鏈表才可以。而 O(1) 調(diào)度器則很特別，它為每種優(yōu)先級提供了一個任務鏈表。所有的可運行任務會被分散在不同優(yōu)先級隊應的鏈表中。

接下來看看全新的 runqueue 是怎么定義的吧：

struct runqueue {    unsigned long nr_running; /* 可運行的任務總數(shù)（某個 CPU） */    struct prio_array *active; /* 指向 active 的隊列的指針 */    struct prio_array *expired; /* 指向 expired 的隊列的指針 */    struct prio_array arrays[2]; /* 實際存放不同優(yōu)先級對應的任務鏈表 */}

通過下面的圖可以直觀感受下任務隊列：

接下來看看 prio_array 是怎么定義的：

struct prio_array {    int nr_active; /* 列表中的任務總數(shù) */    unsigned long bitmap[BITMAP_SIZE]; /* 位圖表示對應優(yōu)先級鏈表是否有任務存在 */    struct list_head queue[MAX_PRIO]; /* 任務隊列（每種優(yōu)先級對應一個雙向鏈表） */};

可以看到，在 prio_array 中存在一個位圖，它是用來標記每個 priority 對應的任務鏈表是否存在任務的。接下來看看為何 O(1) 調(diào)度器可以在常數(shù)時間找到需要運行的任務：

• 常數(shù)時間確定優(yōu)先級：首先會在位圖中查找到第一個設置為 1 的位（總共有 140 bits，從第一個 bit 開始搜索，這樣可以保證高優(yōu)先級的任務先得到機會運行），如果找到了就可以確定哪個優(yōu)先級有任務，假設找到后的值為?priority；常數(shù)時間獲得下一個任務：在?queue[priority]?對應的任務鏈表中提取第一個任務來執(zhí)行（多個任務會輪轉(zhuǎn)執(zhí)行）。

好了，是時候總結(jié)下 O(1) 調(diào)度器的優(yōu)缺點了：

1. 設計上要比 O(n) 調(diào)度器更加復雜精妙；相對來說擴展性更好，性能更優(yōu)，在任務切換上的開銷更??；用來標記任務是否為交互類型的算法還是過于復雜，且容易出錯。

CFS：單核調(diào)度:CFS 的全稱是 Complete Fair Scheduler，也就是完全公平調(diào)度器。它實現(xiàn)了一個基于權(quán)重的公平隊列算法，從而將 CPU 時間分配給多個任務（每個任務的權(quán)重和它的 nice 值有關，nice 值越低，權(quán)重值越高）。每個任務都有一個關聯(lián)的虛擬運行時間 vruntime，它表示一個任務所使用的 CPU 時間除以其優(yōu)先級得到的值。相同優(yōu)先級和相同 vruntime 的兩個任務實際運行的時間也是相同的，這就意味著 CPU 資源是由它們均分了。為了保證所有任務能夠公平推進，每當需要搶占當前任務時，CFS 總會挑選出 vruntime 最小的那個任務運行。

內(nèi)核版本在 2.6.38 之前，每個線程（任務）會被當成獨立的調(diào)度單元，并且和系統(tǒng)中其它線程共享資源，這就意味著一個多線程的應用會比單線程的應用獲得更多的資源。之后，CFS 不斷改進，目前已經(jīng)支持將一個應用中的線程打包到 cgroup 結(jié)構(gòu)中，cgroup 的 vruntime 是其中所有線程的 vuntime 之和。然后 CFS 就可以將它的算法應用于 cgroup 之間，從而保證公平性。當某個 cgroup 被選中后，其中擁有最小 vruntime 的線程會被執(zhí)行，從而保證 cgroup 中的線程之間的公平性。cgroup 還可以嵌套，例如 systemd 會自動配置 cgroup 來保證不同用戶之間的公平性，然后在用戶運行的多個應用之間維持公平性。?

CFS 通過在一定時間內(nèi)運行調(diào)度所有的線程來避免饑餓問題。當運行的 線程數(shù)在 8 個及以下時，默認的時間周期是 48ms；而當多于 8 個線程時，時間周期就會隨著線程數(shù)量而增加（6ms * 線程數(shù)，之所以選擇 6ms，是為了避免頻繁搶占，導致上下文切換頻繁切換的開銷）。由于 CFS 總是會挑選 vruntime 最小的線程執(zhí)行，它就需要避免某個線程的 vruntime 太小，以至于其它線程需要等待很久才能得到調(diào)度（會有饑餓問題）。所以在實踐中，CFS 會保證所有線程之間的 vruntime 之差低于搶占時間（6ms），它是通過如下兩點來保證的：

當線程創(chuàng)建時，它的 vruntime 值等于運行隊列中等待執(zhí)行線程的最大 vruntime；

當線程從睡眠中喚醒時，它的 vruntime 值會被更新為大于或等于所有待調(diào)度線程中最小的 vruntime。使用最小 vruntime 還可以保證頻繁睡眠的線程優(yōu)先被調(diào)度，這對于桌面系統(tǒng)非常適合，它會減少交互應用的響應延遲。

CFS 還引入了啟發(fā)式調(diào)度思想來改善高速緩存利用率。例如，當線程被喚醒時，它會檢查該線程的 vruntime 和正在運行的線程 vruntime 之差是否非常顯著（臨界值是 1ms），如果不是的話，則不會搶占當前正在運行的任務。但是這種做法還是以犧牲調(diào)度延遲為代價的，算是一種權(quán)衡吧。?

多核負載均衡:

在多核環(huán)境中，Linux CFS 會將工作（work）分攤到多個處理器核心中執(zhí)行。但是這不等同于將線程均分到多個處理器。比如，一個 CPU 密集型的線程和 10 個頻繁睡眠的線程可能分別在兩個核上執(zhí)行，其中一個專門執(zhí)行 CPU 密集型線程；而另一個則處理那 10 個頻繁睡眠的線程。?

?

為了多個處理器上的工作量均衡，CFS 使用了 load 指標來衡量線程和處理器的負載情況。線程的負載和線程的 CPU 平均使用率相關：經(jīng)常睡眠的線程負載要低于不睡眠的線程負載。類似 vruntime，線程的負載也是線程的優(yōu)先級加權(quán)得到的。而處理器的負載是在該處理器上可運行線程的負載之和。CFS 會嘗試均衡處理器的負載。?

CFS 會在線程創(chuàng)建和喚醒時關注處理器的負載情況，調(diào)度器首先要決定將任務放在哪個處理器的運行隊列中。這里也會涉及到啟發(fā)式思想，比如，如果 CFS 檢查到生產(chǎn)者 - 消費者模型，那么它會將消費者線程盡可能地分散到機器的多個處理器上，因為多數(shù)核心都適合處理喚醒的線程。

負載均衡還會周期性發(fā)生，每隔 4ms，每個處理器都會嘗試從其它處理器偷取一些工作。當然，這種 work-stealing 均衡方法還會考慮機器的拓撲結(jié)構(gòu)：處理器會嘗試從距離它們「更近」的其它處理器上嘗試竊取工作，而非距離「更遠」的處理器（如遠程 NUMA 節(jié)點）。當處理器決定要從其它處理器竊取任務時，它會嘗試在二者之間均衡負載，并且會竊取多達 32 個線程。此外，當處理器進入空閑狀態(tài)時，它也會立刻調(diào)用負載均衡器。

在大型的 NUMA 機器上，CFS 并不會粗暴地比較所有 CPU 的負載，而是以分層的方式進行負載均衡。以一臺有兩個 NUMA 節(jié)點的機器為例，CFS 會先在 NUMA 節(jié)點內(nèi)部的處理器之間進行負載均衡，然后比較 NUMA 節(jié)點之間的負載（通過節(jié)點內(nèi)部處理器負載計算得到），再決定要不要在兩個節(jié)點之間進行負載均衡。如果 NUMA 節(jié)點之間的負載差距在 25% 以內(nèi)，則不會進行負載均衡?？偨Y(jié)來說，如果兩個處理器（或處理器組）之間的距離越遠，那么只有在不平衡性差距越大的情況下才會考慮負載均衡。

運行隊列:

CFS 引入了紅黑樹（本質(zhì)上是一棵半平衡二叉樹，對于插入和查找都有 O(log(N)) 的時間復雜度）來維護運行隊列，樹的節(jié)點值是調(diào)度單元的 vruntime，擁有最小 vruntime 的節(jié)點位于樹的最左下邊。?

接下來看看 cfs_rq 數(shù)據(jù)結(jié)構(gòu)的定義（位于 ）：

struct cfs_rq{    // 所有任務的累計權(quán)重值    struct load_weight load;    // 表示該隊列中有多少個可運行的任務    unsigned int nr_running;    // 運行隊列中最小的 vruntime    u64 min_vruntime;    // 紅黑樹的根節(jié)點，指向運行任務隊列    struct rb_root tasks_timeline;    // 下一個即將被調(diào)度的任務    struct rb_node *rb_leftmost;    // 指向當前正在運行的調(diào)度單元    struct sched_entity *curr;}

CFS 算法實際應用于調(diào)度單元（這是一個更通用的抽象，可以是線程、cgroups 等），調(diào)度單元數(shù)據(jù)結(jié)構(gòu)定義如下（位于 ）：

struct sched_entity{    // 表示調(diào)度單元的負載權(quán)重（比如該調(diào)度單元是一個組，則該值就是該組下所有線程的負載權(quán)重的組合）    struct load_weight load; /* for load-balancing */    // 表示紅黑樹的節(jié)點    struct rb_node run_node;    // 表示當前調(diào)度單元是否位于運行隊列    unsigned int on_rq;    // 開始執(zhí)行時間    u64 exec_start;    // 總共運行的時間，該值是通過 `update_curr()` 更新的。    u64 sum_exec_runtime;    // 基于虛擬時鐘計算出該調(diào)度單元已運行的時間    u64 vruntime;
    // 用于記錄之前運行的時間之和    u64 prev_sum_exec_runtime;};

虛擬時鐘:

前面提到的 vruntime 究竟是什么呢？為什么叫作虛擬運行時間呢？接下來就要揭開它的神秘面紗。為了更好地實現(xiàn)公平性，CFS 使用了虛擬時鐘來測量一個等待的調(diào)度單元在一個完全公平的處理器上允許執(zhí)行的時間。然而，虛擬時鐘并沒有真實的實現(xiàn)，它只是一個抽象概念。
我們可以基于真實時間和任務的負載權(quán)重來計算出虛擬運行時間，該算法是在 update_cur() 函數(shù)中實現(xiàn)的，它會更新調(diào)度單元的時間記賬信息，以及 CFS 運行隊列的 min_vruntime（完整定義位于 ）：

static void update_curr(struct cfs_rq *cfs_rq){    struct sched_entity *curr = cfs_rq->curr;    u64 now = rq_clock_task(rq_of(cfs_rq));    u64 delta_exec;    if (unlikely(!curr))        return;    // 計算出調(diào)度單元開始執(zhí)行時間和當前之間的差值，即真實運行時間    delta_exec = now - curr->exec_start;    curr->vruntime += calc_delta_fair(delta_exec, curr);    update_min_vruntime(cfs_rq);}
static inline u64 calc_delta_fair(u64 delta, struct sched_entity *se){    // 如果任務的優(yōu)先級是默認的優(yōu)先級（內(nèi)部 nice 值是 120），那么虛擬運行時間    // 就是真實運行時間。否則，會基于 `__calc_delta` 計算出虛擬運行時間。    if (unlikely(se->load.weight != NICE_0_LOAD))        // 該計算過程基本等同于：        // delta = delta_exec * NICE_0_LOAD / cur->load.weight;        delta = __calc_delta(delta, NICE_0_LOAD, &se->load);    return delta;}
static void update_min_vruntime(struct cfs_rq *cfs_rq){    u64 vruntime = cfs_rq->min_vruntime;    if (cfs_rq->curr)        // 如果此時有任務在運行，就更新最小運行時間為當前任務的 vruntime        vruntime = cfs_rq->curr->vruntime;    if (cfs_rq->rb_leftmost)    {        // 獲得下一個要運行的調(diào)度單元        struct sched_entity *se = rb_entry(cfs_rq->rb_leftmost,                                           struct sched_entity,                                           run_node);        if (!cfs_rq->curr)            vruntime = se->vruntime;        else            // 保證 min_vruntime 是二者之間較小的那個值            vruntime = min_vruntime(vruntime, se->vruntime);    }
    // 這里之所以去二者之間的最大值，是為了保證 min_vruntime 能夠單調(diào)增長    // 可以想想為什么需要這樣做？    cfs_rq->min_vruntime = max_vruntime(cfs_rq->min_vruntime, vruntime);}

最后，來總結(jié)下使用虛擬時鐘的意義：

當任務運行時，它的虛擬時間總是會增加，從而保證它會被移動到紅黑樹的右側(cè)；

對于高優(yōu)先級的任務，虛擬時鐘的節(jié)拍更慢，從而讓它移動到紅黑樹右側(cè)的速度就越慢，因此它們被再次調(diào)度的機會就更大些。

選擇下一個任務:

CFS 可以在紅黑樹中一直找到最左（leftmost）邊的節(jié)點作為下一個運行的任務。但是真正實現(xiàn) __pick_first_entity() 的函數(shù)其實并沒有真正地執(zhí)行查找（雖然可以在 O(log(N)) 時間內(nèi)找到），我們可以看下它的定義（完整定義位于 ）：?

struct sched_entity *__pick_first_entity(struct cfs_rq *cfs_rq){    // 其實這里取的是緩存的 leftmost 節(jié)點    // 所以執(zhí)行就會更快了    struct rb_node *left = cfs_rq->rb_leftmost;    if (!left)        return NULL;    return rb_entry(left, struct sched_entity, run_node);}

實時調(diào)度器:

Linux 實時任務調(diào)度器實現(xiàn)位于

SCHED_FIFO: 這個其實就是一個先到先服務的調(diào)度算法。這類任務沒有時間片限制，它們會一直運行直到阻塞或者主動放棄 CPU，亦或者被更高優(yōu)先級的實時任務搶占。該類任務總會搶占 SCHED_NORMAL 任務。如果多個任務具有相同的優(yōu)先級，那它們會以輪詢的方式調(diào)度（也就是當一個任務完成后，會被放到隊列尾部等待下次執(zhí)行）；

SCHED_RR: 這種策略類似于 SCHED_FIFO，只是多了時間片限制。相同優(yōu)先級的任務會以輪詢的方式被調(diào)度，每個運行的任務都會一直運行，直到其用光自己的時間片，或者被更高優(yōu)先級的任務搶占。當任務的時間片用光后，它會重新補充能量，并被加入到隊列尾部。默認的時間片是 100ms，可以在 找到其定義。

實時任務的優(yōu)先級是靜態(tài)的，不會像之前提到的算法，會重新計算任務優(yōu)先級。用戶可以通過 chrt 命令更改任務優(yōu)先級。

實現(xiàn)細節(jié):

實時任務有自己的調(diào)度單元數(shù)據(jù)結(jié)構(gòu)（位于 ），其定義如下：

struct sched_rt_entity{    struct list_head run_list;    unsigned long timeout;    unsigned long watchdog_stamp;    unsigned int time_slice;    struct sched_rt_entity *back;    struct sched_rt_entity *parent;    /* rq on which this entity is (to be) queued: */    struct rt_rq *rt_rq;};

SCHED_FIFO 的時間片是 0，可以在 中看到具體定義：

int sched_rr_timeslice = RR_TIMESLICE;static unsigned int get_rr_interval_rt(struct rq *rq,                                       struct task_struct *task){    if (task->policy == SCHED_RR)        return sched_rr_timeslice;    else        return 0;}

而關于運行隊列的定義如下：

/* Real-Time classes' related field in a runqueue: */struct rt_rq{    // 所有相同優(yōu)先級的實時任務都保存在 `active.queue[prio]` 鏈表中    struct rt_prio_array active;    unsigned int rt_nr_running;    struct rq *rq; /* main runqueue */};
/** This is the priority-queue data structure of the RT scheduling class:*/struct rt_prio_array{    /* include 1 bit for delimiter */    // 類似 O(1) 調(diào)度器，使用位圖來標記對應優(yōu)先級的鏈表是否為空    DECLARE_BITMAP(bitmap, MAX_RT_PRIO + 1);    struct list_head queue[MAX_RT_PRIO];};

類似于 CFS 中的 update_curr() 函數(shù)，update_curr_rt() 函數(shù)用來跟蹤實時任務的 CPU 占用情況，收集一些統(tǒng)計信息，更新時間片等，但這里使用的是真實時間，而沒有虛擬時間的概念。完整定義可以參考 kernel/sched/rt.c。

BFS & MuqSS 調(diào)度器:總體來說，BFS 是一個適用于桌面或移動設備的調(diào)度器，設計地比較簡潔，用于改善桌面應用的交互性，減小響應時間，提升用戶體驗。它采用了全局單任務隊列設計，不再讓每個 CPU 都有獨立的運行隊列。雖然使用單個全局隊列，需要引入隊列鎖來保證并發(fā)安全性，但是對于桌面系統(tǒng)而言，處理器通常都比較少，鎖的開銷基本可以忽略。BFS 每次會在任務鏈表中選擇具有最小 virtual deadline 的任務運行。

MuqSS 是作者后來基于 BFS 改進的一款調(diào)度器，同樣是用于桌面環(huán)境任務調(diào)度。它主要解決了 BFS 的兩個問題：

每次需要在對應優(yōu)先級鏈表中遍歷查找需要執(zhí)行任務，這個時間復雜度為 O(n)。所以新的調(diào)度器引入了跳表來解決該問題，從而將時間復雜度降低到 O(1)。

全局鎖爭奪的開銷優(yōu)化，采用 try_lock 替代 lock。