利用python画出动态高优先权优先调度
之前写过一个文章。
利用python画出SJF调度图
动态高度优先权优先调度动态优先权调度算法，以就绪队列中各个进程的优先权作为进程调度的依据。各个进程的优先权在创建进程时所赋予，随着进程的推进或其等待时间的增加而改变。进程的优先权利用某一范围内的整数来表示。有的系统数值越小优先权越高，如Unix系统，有的系统则反之。采用该算法时，每次总是在就绪队列中选择一个优先权最高的进程进行调度，并将处理机分配给该进程。动态优先权调度算法又分为抢占式和非抢占式两种。
调度结果：
A 0 5 3
B 1 3 5
C 2 1 3
D 3 1 4
E 4 2 2
算法设计思维导图
算法流程图
类初始化
本来想要在SJF调度的基础上修改的，也就是继承，可是发现了问题，只能重新修改类了。
self.data = []
存储进程
self.name = ''
进程名字
self.service_time = 0
服务时间
self.arrival_time = 0
到达时间
self.state = ''
初始状态
self.number = 0
进程数量
self.timeout = 0
超时限定
self.start = 0
开始时间
self.end = 0
结束时间
self.n
动态优先权的变化大小
获取数据：
获取数据可以从文件（如.txt）中读入，亦可以从console读入。这里要求一个地方，就是数据的格式，名字，到达时间，服务时间。中间用空格分开。如下面表格：
name
arrival_time
service_time
优先权
A
0
5
3
B
1
3
5
C
2
1
3
D
3
1
4
E
4
4
4
def get_data_file(self):
with open('data2.txt', "r", encoding="utf-8") as file:
for line in file.read().splitlines():
name, arrival_time, service_time, priority = line.split()
# insert the process
self.insert_data(name, arrival_time, service_time, priority)
file.close()
# initial queue
# sort first arrival_time and second service_time
self.data.sort(key=lambda x: (x['arrival_time'], x['priority']))
# update and recode id
for i in range(self.number):
self.data[i]['index'] = i
def get_data_input(self):
print('How many processes do you want input?')
processes_number = int(input('Please enter an integer of type int:'))
print('name and arrival_time and service_time and priority of process')
print('such as:A 0 5 3')
for _ in range(processes_number):
name, arrival_time, service_time, priority = input(
'Please enter\n').split()
self.insert_data(name, arrival_time, service_time, priority)
# initial queue
# sort first arrival_time and second service_time
self.data.sort(key=lambda x: (x['arrival_time'], x['priority']))
# update and recode id
for i in range(self.number):
self.data[i]['index'] = i
进行调度
调度的过程就是队列，每次取已经到达的进程优先权高的，如果优先权相同，则调度时间片早到达队列的。
这个地方有一个小提示：使用队列，并不一定用到队列。队列可以是逻辑结构。这个算法的基本思想就是，在已经到达的进程中，执行优先权高的进程，执行一个时间片，优先权减少n，如果同优先权的情况下，排在队列之前的优先。针对这个问题的队列我们可以设计三种方法：优先队列，排序维护，插队。优先队列没什么好说的，C++里面的内容，只要定义得对，结构体重载写正确，那就很容易实现。另外一个就是当没有优先队列的时候，我们可以用排序来维护或者达到这个效果，是这个队首元素是我们想要的。另外一种方法就是直接插入元素。
入队的过程可以简化成这样的方式，这样操作即可以保证了队列的有序，又可以保证，同优先级的先后问题。这样的方法比排序快，而且容易理解。
这个插入的方法呢，python列表直接就有，参数为index和value，直接遍历进行插入进程就可以。
def to_get_index(self, data, process):
for i in range(len(data)):
if process['priority'] > data[i]['priority']:
return i
return len(data)
def get_next_data(self, index, data):
# get processes from the beginning to the end of the current process
result = [x for x in self.data if x['arrival_time'] <=
self.end and x['state'] == 'w' and x not in data]
if result or data:
# maintain the queue
for process in result:
data.insert(self.to_get_index(data, process), process)
return data
# no processes entered at current time
for process in self.data:
if process['state'] == 'w':
self.start = self.end = process['arrival_time']
return [process]
return []
def implement(self):
'''start algorithm'''
# get first process
data = [self.data[0]]
# update the time of start
self.start = self.end = data[0]['arrival_time']
while data:
# update information
self.update_information(
data[0]['index'], self.end, self.end + 1, data)
# get next process or processes
data = self.get_next_data(data.pop(0)['index'], data)
self.data.sort(key=lambda x: x['id'])
数据更新
数据更新就是更新原始的数据，包括计算状态，开始时间，结束时间，周转时间，平均周转时间等等。
def update_information(self, index, start, end, data):
self.data[index]['state'] = 'R'
print('-'*40)
# print("running order is:", *[i['name'] for i in data], sep='->')
print("from {:} to {:}".format(start, end))
print("the running order is :")
self.show_data_running(start, end, data)
self.data[index]['start'].append(start)
self.data[index]['end'].append(end)
# had finished
self.data[index]['state'] = 'w'
if len(self.data[index]['end']) == self.data[index]['service_time']:
self.data[index]['state'] = 'f'
self.data[index]['turnaround_time'] = end - \
self.data[index]['arrival_time']
self.data[index]['authorized_turnover_time'] = self.data[index]['turnaround_time'] / \
self.data[index]['service_time']
else:
self.data[index]['priority'] -= self.n
self.start = start
self.end = end
# self.show_data()
print("the finish status is :")
self.show_data_running(start, end, data)
绘制图形
利用python的第三方库，根据数据进行绘图，然后展示出好看的图片。
这里引用上次博客的图形。
def init_image(self):
# size = 1000 * 500
plt.figure('SJF', figsize=(10, 5))
self.drow_image()
# setting xticks for 0 to self.end + 2
plt.xticks([i for i in range(self.end + 3)])
# setting title
plt.title('the time of process about this')
plt.xlabel('')
plt.ylabel('processes')
# setting yticks.such as A == 0
plt.yticks(self.get_y_ticks()[0], self.get_y_ticks()[1])
这里引用上次的博客的图形。
这里引用上次的博客的图形。
这里引用上次的博客的图形。
def set_ax(self):
ax = plt.gca() # 获取到当前坐标轴信息
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_color('none')
ax.xaxis.set_ticks_position('top') # 将X坐标轴移到上面
ax.invert_yaxis() # 反转Y坐标轴
ax.grid(True, linestyle='-.') # 网格
def show_image(self):
self.init_image()
self.set_ax()
plt.savefig('result.png', dpi=300)
plt.show()
通过之前可以看出，都没有变化，那么我们绘图可以直接调用之前的数据吗？
当然不行，否则绘制的直线会错乱：
如下图：
我们想要得到的结果就是所有的A标签一个颜色，所有的B标签一个颜色，所以我们需要自己设定颜色。
def drow_image(self):
colormap = plt.cm.gist_ncar # nipy_spectral, Set1,Paired
colors = ['r', 'g', 'b', 'c', 'm', 'y', 'k'] + \
[colormap(random.random()) for i in range(len(self.data) + 1)]
for i in range(len(self.data)):
# the time line of process from start to end
process = self.data[i]
plt.plot([process['start'][0], process['end'][0]],
[process['id'], process['id']],
label=process['name'],
color=colors[i],
lw=2)
for x1, x2 in zip(process['start'][1:], process['end'][1:]):
plt.plot([x1, x2],
[process['id'], process['id']],
color=colors[i],
lw=2)
# annotation of the key point
plt.plot([process['end'][-1], process['end'][-1]],
[-1, process['id']],
'k--',
lw=1)
# legend
plt.legend(loc='best')
运行结果如图：
这样达到了我们的基本要求。
后记
按照开始的设想，实验二应该直接就是继承实验1，然后修改方法就行了，可是实际的操作过程中遇到了很多问题，比如改某个方法，其它的方法页需要更改，不够既然用类写了，最大的好处就是清晰直观。其实这两个实验把我带进了误区，满脑子都是排序，队列，维护一类的词语，从而忘记了最最简单的方法，直接一个循环，然后依次遍历取最优解就行，时间复杂度和空间复杂度都是最低的。还有可惜的就是，没有优化自己的代码，写的太难看了，运用到的方法也不太好。关于代码没有注释的问题，其实是有注释的，实验报告中为了减少篇幅，所以删去了，代码的详细情况和解释，包括一些独特的用法，都记录在了我的博客中。
最最重要的一件事情，就是，至今还没有实现动态的绘制直线，我知道有这个方法，却不是太懂，看了很多资料，也没有一个最合理的解释。这一个地方就有机会在实现。
代码的风格:参照的是PEP8。
最后，这两个调度的实验结束了，最开始自己想要用python动态绘制调度图的想法也落实了一半，但是会不会实现就不好说了，估计也没有这个时候写实验的冲劲了。但是有一点，python挺好玩的，也挺喜欢这种实践与理论结合的方式，下一次的实验，用plt显然是不可以的了，实现的方式和是否可视化展示，还没想好，反正路在脚下，走就完事。
完整代码
# -*- coding: utf-8 -*-
# @Author: wfy
# @Date: 2020-04-10 15:31:44
# @Last Modified by: wfy
# @Last Modified time: 2020-04-19 10:06:13
import random
import matplotlib.pyplot as plt
class Solution():
"""to achieve SJF"""
def __init__(self):
super(Solution, self).__init__()
# save processes
self.data = []
self.name = ''
self.service_time = 0
self.arrival_time = 0
self.priority = 0
self.state = ''
self.number = 0
self.timeout = 0
self.start = 0
self.end = 0
self.n = 1
def insert_data(self, name, arrival_time, service_time, priority):
self.data.append({
'id': self.number,
'name': name,
'arrival_time': int(arrival_time),
'service_time': int(service_time),
'priority': int(priority),
'state': 'w',
'turnaround_time': 0,
'authorized_turnover_time': 0,
'start': [],
'end': [],
})
self.timeout = max(self.timeout, int(arrival_time))
self.number += 1
def get_data_file(self):
with open('data2.txt', "r", encoding="utf-8") as file:
for line in file.read().splitlines():
name, arrival_time, service_time, priority = line.split()
# insert the process
self.insert_data(name, arrival_time, service_time, priority)
file.close()
# initial queue
# sort first arrival_time and second service_time
self.data.sort(key=lambda x: (x['arrival_time'], x['priority']))
# update and recode id
for i in range(self.number):
self.data[i]['index'] = i
def get_data_input(self):
print('How many processes do you want input?')
processes_number = int(input('Please enter an integer of type int:'))
print('name and arrival_time and service_time and priority of process')
print('such as:A 0 5 3')
for _ in range(processes_number):
name, arrival_time, service_time, priority = input(
'Please enter\n').split()
self.insert_data(name, arrival_time, service_time, priority)
# initial queue
# sort first arrival_time and second service_time
self.data.sort(key=lambda x: (x['arrival_time'], x['priority']))
# update and recode id
for i in range(self.number):
self.data[i]['index'] = i
def show_data_running(self, start, end, data):
print("name\tstate\tpriority")
for process in data:
print("{:<7}\t{:6}\t{}".format(
process['name'], process['state'], process['priority']))
def show_data(self):
print("{:<6}{:<10}{:<10}{:<10}{:<6}{:<8}{:<7}{:<6}".format(
'name', 'arr_time', 'ser_time', 'priority', '周转时间', '带权周转时间', 'start', 'end'))
for process in sorted(self.data, key=lambda x: x['id']):
print("{:<6}{:<10}{:<10}{:<10}{:<10}{:')
print("from {:} to {:}".format(start, end))
print("the running order is :")
self.show_data_running(start, end, data)
self.data[index]['start'].append(start)
self.data[index]['end'].append(end)
# had finished
self.data[index]['state'] = 'w'
if len(self.data[index]['end']) == self.data[index]['service_time']:
self.data[index]['state'] = 'f'
self.data[index]['turnaround_time'] = end - \
self.data[index]['arrival_time']
self.data[index]['authorized_turnover_time'] = self.data[index]['turnaround_time'] / \
self.data[index]['service_time']
else:
self.data[index]['priority'] -= self.n
self.start = start
self.end = end
# self.show_data()
print("the finish status is :")
self.show_data_running(start, end, data)
def to_get_index(self, data, process):
for i in range(len(data)):
if process['priority'] > data[i]['priority']:
return i
return len(data)
def get_next_data(self, index, data):
# get processes from the beginning to the end of the current process
result = [x for x in self.data if x['arrival_time'] <=
self.end and x['state'] == 'w' and x not in data]
if result or data:
# maintain the queue
for process in result:
data.insert(self.to_get_index(data, process), process)
return data
# no processes entered at current time
for process in self.data:
if process['state'] == 'w':
self.start = self.end = process['arrival_time']
return [process]
return []
def implement(self):
'''start algorithm'''
# get first process
data = [self.data[0]]
# update the time of start
self.start = self.end = data[0]['arrival_time']
while data:
# update information
self.update_information(
data[0]['index'], self.end, self.end + 1, data)
# get next process or processes
data = self.get_next_data(data.pop(0)['index'], data)
self.data.sort(key=lambda x: x['id'])
def get_y_ticks(self):
return [x['id'] for x in self.data] + [self.data[-1]['id'] + 1], [x['name'] for x in self.data] + ['']
def init_image(self):
# size = 1000 * 500
plt.figure('SJF', figsize=(10, 5))
self.drow_image()
# setting xticks for 0 to self.end + 2
plt.xticks([i for i in range(self.end + 3)])
# setting title
plt.title('the time of process about this')
plt.xlabel('')
plt.ylabel('processes')
# setting yticks.such as A == 0
plt.yticks(self.get_y_ticks()[0], self.get_y_ticks()[1])
def drow_image(self):
colormap = plt.cm.gist_ncar # nipy_spectral, Set1,Paired
colors = ['r', 'g', 'b', 'c', 'm', 'y', 'k'] + \
[colormap(random.random()) for i in range(len(self.data) + 1)]
for i in range(len(self.data)):
# the time line of process from start to end
process = self.data[i]
plt.plot([process['start'][0], process['end'][0]],
[process['id'], process['id']],
label=process['name'],
color=colors[i],
lw=2)
for x1, x2 in zip(process['start'][1:], process['end'][1:]):
plt.plot([x1, x2],
[process['id'], process['id']],
color=colors[i],
lw=2)
# annotation of the key point
plt.plot([process['end'][-1], process['end'][-1]],
[-1, process['id']],
'k--',
lw=1)
# legend
plt.legend(loc='best')
def set_ax(self):
ax = plt.gca() # 获取到当前坐标轴信息
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_color('none')
ax.xaxis.set_ticks_position('top') # 将X坐标轴移到上面
ax.invert_yaxis() # 反转Y坐标轴
ax.grid(True, linestyle='-.') # 网格
def show_image(self):
self.init_image()
self.set_ax()
plt.savefig('result.png', dpi=300)
plt.show()
def main(self):
self.get_data_file()
self.show_data()
self.implement()
self.show_data()
self.show_image()
if __name__ == '__main__':
try:
Solution().main()
except Exception as e:
print('发生异常', e)
else:
print("end")
finally:
print("finally")
作者：ZZULI_星.夜
