建网站的公司浩森宇特什么软件可以免费发广告
目录
一、从厨房看调度器本质
二、O(1)算法的核心架构
1.时间复杂度的革命
2.动态优先级魔法
三、算法运行的全景图
1.时间片分配策略
2.上下文切换的艺术
前言：前面文章提到关于并发的概念，并发针对的是单核的CPU上同时运行很多情况，并不是某个程序在CPU上运行就一直运行，而是根据一定的时间片和调度算法来进行合理的调度，从而引出了优先级的概念，造成的最终目的就是可以让每一个进程都享受到CPU上的资源，否则会导致进程饥饿。
一、从厨房看调度器本质
想象一家米其林餐厅的后厨：主厨需要同时处理 10 位客人的订单，5 个灶台同时开火，3 位帮厨待命。此时：
-
牛排需要每 30 秒翻面
-
浓汤需要持续搅拌防糊底
-
甜点装饰需要精确到秒
-
突发 VIP 订单要优先处理
优秀的主厨会动态调整任务顺序，既保证出餐速度又维持菜品质量。这正是操作系统进程调度的现实映射——O(1) 调度算法就是 Linux 内核这位"数字主厨"的调度秘籍。
二、O(1)算法的核心架构
1.时间复杂度的革命
传统调度器（如 Linux 2.4 的 O(n) 调度器）像新手主厨逐个检查每个订单：
// 伪代码示意 O(n) 遍历
for_each_process(p) {if (p->priority > max_prio)max_prio = p->priority;
}这种线性扫描在面对数千进程时效率骤降。O(1) 调度器通过创新数据结构实现质的飞跃：
-
双数组结构：active（待运行）和 expired（已耗尽时间片）
-
位图索引：140 级优先级（0-139），每个优先级对应队列
-
常数时间查询：通过 __ffs() 指令直接定位最高优先级队列
2.动态优先级魔法
算法通过智能调整避免"饿死"交互式进程：
// 动态优先级计算（简化版）
bonus = CURRENT->sleep_avg / 32 - MAX_BONUS/2;
priority = MAX_RT_PRIO + (bonus > 0 ? bonus : 0);-
睡眠时间统计：记录进程在可运行状态外的停留时间
-
交互式奖励：频繁等待 I/O 的进程获得优先级提升
-
CPU 密集型惩罚：持续占用 CPU 的进程优先级衰减
三、算法运行的全景图
1.时间片分配策略
# 时间片计算公式
if priority < 120:time_slice = (140 - priority) * 20 / CPU_LOAD
else:time_slice = (140 - priority) * 5 / CPU_LOAD-
实时进程：获得更长的时间片（20ms 级）
-
普通进程：短时间片（5ms 级）
-
负载自适应：根据系统负载动态调整
2.上下文切换的艺术
在学习 C 语言时，会接触到各类函数，部分函数有返回值，能被函数外部的变量接收。从函数栈帧的原理来看，函数创建后执行至结束，其栈帧会被销毁。而函数的数据以及外部程序要接收的数据，其来源与函数栈帧的传值方式相关。函数栈帧的传值是通过 CPU 寄存器进行的，程序运行过程中产生的各种临时数据也都存储在寄存器里。
当 CPU 进行进程切换时，会将当前正在运行程序的临时数据存储起来。在早期版本的内核中，这些数据存储于进程的进程控制块（PCB）中，而在当前版本中，虽并非直接存储在 PCB 中，但也是与 PCB 相关的存储位置。这意味着程序运行时的数据是直接或间接存储于 PCB 中的。
如此一来，当该进程后续被重新调度回来时，寄存器便能从进程的 PCB 中获取当时运行位置所产生的数据，并在此基础上继续运行，从而实现进程切换，且保证程序运行时产生的数据不会丢失。
A[时钟中断] --> B{检查时间片}B -- 未耗尽 --> C[继续运行]B -- 已耗尽 --> D{优先级调整}D --> E[移入expired数组]E --> F{active数组空?}F -- 是 --> G[交换active/expired]F -- 否 --> H[选择新进程]这个状态机确保了：
-
硬件定时器驱动调度节奏
-
双数组实现无锁切换
-
位图操作保持 O(1) 复杂度
上下文数据的保存和恢复：
- 上下文数据的保存：当一个进程在运行中，因为某些原因（比如时间片到了），需要暂时停止运行，让出 CPU，此时进程需要保存好自己所有的临时数据（即当前进程的上下文数据）到对应的 PCB 中，保存的目的是为了恢复。
- 上下文数据的恢复：当这个进程又被切换回来时，或者切换到下一个新进程运行时，只需要把该进程的 PCB 中的上下文数据重新写入到 CPU 寄存器中，即可恢复运行。
【总结】
O(1) 调度器的设计体现了 Unix 哲学的经典原则：
-
机制与策略分离：核心调度框架与具体优先级策略解耦
-
时空平衡：用空间换时间（双数组+位图）
-
渐进式优化：通过历史行为预测未来需求（sleep_avg）
虽然 CFS (Completely Fair Scheduler) 在 2.6.23 后取代了 O(1)，但前者继承并发扬了其精髓：
-
红黑树代替优先级数组
-
虚拟时间替代静态优先级
-
纳秒级精度替代毫秒级时间片
这种演进如同从机械手表到原子钟的跨越，但核心思想始终如一：在有限的硬件资源中，寻找最优的任务执行轨迹。理解 O(1) 算法，不仅是学习一个经典案例，更是掌握系统设计的底层思维——在约束中创造秩序，在混沌中寻找最优解。