多级反馈队列调度算法（附Python3实现代码）

一、多级反馈队列调度算法


多级反馈队列调度算法是进程调度的一种算法，该调度算法可以不用事先知道各种进程所需的执行时间，还可以较好的满足各种类型进程的需要，是目前共认的一种较好的进程调度算法。

那你可能马上就要问了，多级反馈队列调度算法到底是怎么调度的呢？我认为很多算法都可以用一张图+一句话来表达，所以接下来我尽量用图像来使这个算法看起来非常清晰。

一句话：


多级反馈队列调度算法，“多级”在于有多个不同优先级的队列，“反馈”在于如果有进程加入优先级高的队列时立即停止当前任务，转去执行优先级高的队列中进程，上述过程循环调度就形成多级反馈队列调度算法。

一张图：




上图是一个调度的示例，进程有A(4)，B(3)，C(4)，D(2)，E(4)，括号内是需要服务的时间。设第一队列时间片q=1，因为该算法中时间片的规则为：后一个时间片长度为前一个的2倍，所以第二队列时间片q=2，第三队列时间片q=4。

若不能执行完，则放到下一个队列尾部（橙色部分）

到最后一个队列的时候，则执行轮转调度（RR）算法，也就是每次执行一个时间片长度的服务，直到循环执行完所有的进程。

二、Python3实现代码

首先介绍一下程序中使用的结构体

1.“进程/任务”结构体
class Process: def __init__(self,name,arrive_time,serve_time): self.name=name
#进程名 self.arrive_time=arrive_time #到达时间 self.serve_time=serve_time #需要服务的时间
self.left_serve_time=serve_time#剩余需要服务的时间 self.finish_time=0 #完成时间
self.cycling_time=0 #周转时间 self.w_cycling_time=0 #带权周转时间

进程的属性有进程名，到达时间，需要服务的时间，剩余需要服务的时间，完成时间，周转时间，带权周转时间。其中周转时间为提交时间与完成时间的间隔；带权周转时间为周转时间/实际运行时间。

2.队列
class Queue: def __init__(self,level,process_list): self.level=level
self.process_list=process_list self.q=0 def size(self): return
len(self.process_list)def get(self,index): return self.process_list[index] def
add(self,process): self.process_list.append(process) def delete(self,index):
self.process_list.remove(self.process_list[index])
设置一个队列，初始化方法需要给队列的优先级，以及队列中所包含的进程列表，顺便定义获取队列一些属性的方法。

然后是具体使用的算法程序：
3.轮转调度算法（RR）
class RR: def __init__(self,process_list,q): self.process_list=process_list
self.q=qdef scheduling(self): process_list.sort(key=lambda x:x.arrive_time)
#按照.arrive_time进行排序 len_queue=len(self.process_list) #进程队列的长度 index=int(0) #索引
q=self.q#时间片 running_time=int(0)#已经运行了的时间 #调度的循环 while(True): #当前进程
current_process=self.process_list[index%len_queue]#判断当前进程是否已经被完成 if
current_process.left_serve_time>0: #计算完成时间 #还需要服务的时间大于等于时间片，则完成时间+时间片时间 此进程还没结束
#还需要服务的时间小于时间片，则完成时间在原来基础上加上继续服务的时间 if current_process.left_serve_time>=q:
running_time+=q#print(current_process.name,running_time,index)
current_process.left_serve_time-=qelse : #print('%s
还需要服务的时间小于当前时间片'%current_process.name)
running_time+=current_process.left_serve_time current_process.left_serve_time=0
#已完成 if current_process.left_serve_time==0: #计算完成时间
current_process.finish_time=running_time#计算周转时间
current_process.cycling_time=current_process.finish_time-current_process.arrive_time
#计算带权周转时间
current_process.w_cycling_time=float(current_process.cycling_time)/current_process.serve_time
#打印 print('%s 进程已完成的进程，详细信息如下：'%current_process.name) print('进程名称：%s ，完成时间： %d
，周转时间：%d ，带权周转时间： %.2f'
%(current_process.name,current_process.finish_time,current_process.cycling_time,current_process.w_cycling_time))
#弹出 self.process_list.remove(current_process) len_queue=len(self.process_list)
#有进程完成任务后，index先回退，之后再加，以保持指向下一个需要调度的进程 index-=1 #index常规增加 index+=1
#如果队列中没有进程则表示执行完毕 if len(self.process_list)==0: break
#改变index，避免因为index大于len，导致取模时出错 if index>=len(self.process_list):
index=index%len_queue
多级反馈队列调度算法用于执行最后一个队列中的进程，如果单独拿出来也是一个完整的算法实现代码，下面的代码中也有相应的测试代码。

4.多级反馈队列调度算法
class MulitlevedFeedbackQueue(): def __init__(self,queue_list,q_first):
self.queue_list=queue_list self.q_first=q_firstdef scheduling(self):
q_list=self.queue_list#当前队列集合 q_first=self.q_first #第一个队列的时间片 for i in
range(len(q_list)):#确定每个队列的时间片 if i==0: q_list[i].q=q_first else :
q_list[i].q=q_list[i-1].q*2 #从第一个队列开始执行时间片 #先判断是否是最后一个队列，最后一个队列直接执行RR调度算法
#不是最后一个队列的话，就执行当前队列时间片后判断是否有必要加入到下一个队列的末尾 if i==len(q_list)-1: print(
'**************对最后一个队列执行RR调度算法*************') #print(q_list[i].process_list[])
#最后一个队列重新设置到达时间 for t in range(len(q_list[i].process_list)):
q_list[i].process_list[t].arrive_time=t
rr_last_queue=RR(q_list[i].process_list,q_list[i].q) rr_last_queue.scheduling()
else: currentQueue=q_list[i] index=int(0) while(True): if
currentQueue.get(index).left_serve_time>q_list[i].q:
currentQueue.get(index).left_serve_time-=q_list[i].q print('第 %d 队列时间片: %d'
%(i,q_list[i].q)) print('进程没有执行完毕,需要添加至下一队列末尾：进程名称：%s '
%(currentQueue.get(index).name))#将当前进程扔到下一个队列的尾部 q_list[i+1
].add(currentQueue.get(index)) index+=1 else: print('服务完成并弹出:'
,currentQueue.get(index).name) currentQueue.get(index).left_serve_time=0
currentQueue.delete(index)if index==currentQueue.size(): break
以上是多级反馈队列调度算法，最后一个队列使用第三个代码片中的RR算法，其它的则按照上面算法详情实现。

5.测试程序
''' 测试程序 ''' if __name__=='__main__': '''产生进程''' process_list=[]
processA=Process('A',0,4) processB=Process('B',1,3) processC=Process('C',2,4)
processD=Process('D',3,2) processE=Process('E',4,4)
process_list.append(processA),process_list.append(processB),process_list.append(processC)
process_list.append(processD),process_list.append(processE)'''使用RR调度算法，时间片为1'''
print('#################################################################')
print('---------------------------轮转调度算法--------------------------') print(
'#################################################################')
rr=RR(process_list,1) rr.scheduling() '''使用多级反馈队列调度算法''' print() print(
'#################################################################') print(
'-----------------------测试多级反馈队列调度算法----------------------') print(
'#################################################################')
processA=Process('A',0,4) processB=Process('B',1,3) processC=Process('C',2,4)
processD=Process('D',3,2) processE=Process('E',4,4)
process_list0,process_list1,process_list2=[],[],[]
process_list0.append(processA),process_list0.append(processB)
process_list1.append(processC),process_list1.append(processD)
process_list2.append(processE)#队列 queue_list=[] queue0=Queue(0,process_list0)
queue1=Queue(1,process_list1) queue2=Queue(2,process_list2)
queue_list.append(queue0),queue_list.append(queue1),queue_list.append(queue2)
#使用多级反馈队列调度算法,第一队列时间片为1 mfq=MulitlevedFeedbackQueue(queue_list,1)
mfq.scheduling()
实现结果：


最后总结一下多级反馈队列调度算法的优点：

*
不用事先知道各种进程所需的执行时间，还可以较好的满足各种类型进程的需要

*
既能使高优先级的作业得到响应又能使短作业（进程）迅速完成。（对比FCFS与高优先响应比调度算法的缺陷）。

*
兼顾长短作业，有较好的响应时间，可行性强，适用于各种作业环境。

代码下载地址请戳

https://github.com/LIANGQINGYUAN/OperatingSystens/blob/master/Multilleved_Feedback_Queue.py

<https://github.com/LIANGQINGYUAN/OperatingSystens/blob/master/Multilleved_Feedback_Queue.py>

欢迎star，蟹蟹！！！

• « 上一篇：docker将jar包构建成镜像并执行
• » 下一篇：如何在scrapy中集成selenium爬取网页