Lab: 스케줄링 알고리즘 시뮬레이터#
실습 목표#
이 실습은 다음과 같은 목표를 달성하기 위해 설계되었습니다.
FIFO(First-In-First-Out), SJF(Shortest-Job-First), RR(Round-Robin) 스케줄링 알고리즘의 동작 원리를 이해합니다.
각 스케줄링 알고리즘에 따른 작업의 응답 시간, 반환 시간, 대기 시간을 계산하는 방법을 배웁니다.
스케줄링 문제를 생성하고 해답을 확인하는 방법을 익힙니다.
커맨드 라인 인터페이스를 통해 스케줄링 시뮬레이터를 사용하는 방법을 알아봅니다.
실습 내용#
이 실습에서는 scheduler.py 프로그램을 사용하여 다양한 스케줄링 알고리즘의 성능을 비교하고 분석합니다.
scheduler.py 프로그램 사용 방법#
기본 사용법:
./scheduler.py -p <스케줄링 정책> -j <작업 개수> -s <랜덤 시드>예:
./scheduler.py -p FIFO -j 3 -s 100이 명령은 FIFO 스케줄링 정책을 사용하여 3개의 작업을 생성하고, 랜덤 시드 100을 사용하여 문제를 출제합니다.
정답 확인:
기본 사용법에
-c옵션을 추가하면 해당 문제에 대한 정답을 확인할 수 있습니다.예:
./scheduler.py -p FIFO -j 3 -s 100 -c이 명령은 이전에 출제된 문제의 정답을 보여줍니다.
사용자 정의 작업 목록 사용:
-l옵션을 사용하여 직접 작업 목록을 지정할 수 있습니다.예:
./scheduler.py -p SJF -l 5,10,15이 명령은 SJF 스케줄링 정책을 사용하여 길이가 5, 10, 15인 작업을 스케줄링합니다.
도움말 확인:
./scheduler.py -h명령을 사용하여 사용 가능한 모든 옵션과 설명을 확인할 수 있습니다.
실습 절차#
터미널에서
./scheduler.py -p FIFO -j 3 -s 100명령을 실행하여 FIFO 스케줄링 문제를 생성합니다.출력된 작업 목록을 보고, 각 작업의 응답 시간, 반환 시간, 대기 시간을 계산해봅니다.
계산이 끝나면
./scheduler.py -p FIFO -j 3 -s 100 -c명령을 실행하여 정답을 확인합니다.다양한 옵션을 사용하여 서로 다른 스케줄링 문제를 생성하고 풀어봅니다.
-p옵션으로 스케줄링 정책을 변경할 수 있습니다. (FIFO, SJF, RR)-j옵션으로 작업 개수를 변경할 수 있습니다.-s옵션으로 랜덤 시드를 변경하여 다양한 문제를 생성할 수 있습니다.-l옵션으로 직접 작업 목록을 지정할 수 있습니다.
각 스케줄링 정책의 특성과 성능 차이를 이해하고, 스케줄링 알고리즘의 동작 원리를 파악합니다.
이 실습을 통해 다양한 스케줄링 알고리즘의 동작 원리를 이해하고, 주어진 작업 목록에 대한 응답 시간, 반환 시간, 대기 시간을 계산하는 방법을 배울 수 있습니다. 또한, 커맨드 라인 인터페이스를 사용하여 스케줄링 시뮬레이터를 다루는 방법도 익힐 수 있습니다.
#!/usr/bin/env python3
import argparse
import random
import sys
def random_seed(seed):
random.seed(seed)
# 옵션 파서 설정
parser = argparse.ArgumentParser(description="작업 스케줄링 시뮬레이션 프로그램")
parser.add_argument("-s", "--seed", default=0, type=int, help="랜덤 시드")
parser.add_argument("-j", "--jobs", default=3, type=int, help="시스템의 작업 수")
parser.add_argument(
"-l",
"--jlist",
default="",
type=str,
help="랜덤 작업 대신 쉼표로 구분된 실행 시간 목록 제공",
)
parser.add_argument("-m", "--maxlen", default=10, type=int, help="작업의 최대 길이")
parser.add_argument(
"-p", "--policy", default="FIFO", type=str, help="스케줄 정책 사용: SJF, FIFO, RR"
)
parser.add_argument(
"-q", "--quantum", default=1, type=int, help="RR 정책의 시간 조각 길이"
)
parser.add_argument("-c", action="store_true", default=False, help="답변 계산")
options = parser.parse_args()
random_seed(options.seed)
print("ARG 정책", options.policy)
if options.jlist == "":
print("ARG 작업 수", options.jobs)
print("ARG 최대 길이", options.maxlen)
print("ARG 시드", options.seed)
else:
print("ARG 작업 목록", options.jlist)
print("")
print("각 작업의 실행 시간을 포함한 작업 목록입니다: ")
joblist = []
if options.jlist == "":
for jobnum in range(options.jobs):
runtime = int(options.maxlen * random.random()) + 1
joblist.append([jobnum, runtime])
print(" 작업", jobnum, f"( 길이 = {str(runtime)} )")
else:
for jobnum, runtime in enumerate(options.jlist.split(",")):
joblist.append([jobnum, float(runtime)])
for job in joblist:
print(" 작업", job[0], f"( 길이 = {str(job[1])} )")
print("\n")
# 스케줄링 정책에 따른 시뮬레이션 결과 출력 부분입니다. `options.solve`가 참일 경우, 사용자가 지정한 스케줄링 정책에 따라 작업의 실행 순서와 각 작업에 대한 통계를 계산하고 출력합니다. 이 예에서는 FIFO(First In First Out), SJF(Shortest Job First), 그리고 RR(Round Robin) 세 가지 정책을 지원합니다.
#
# 스케줄링 정책 구현
# FIFO(First In First Out): 작업이 도착한 순서대로 실행합니다.
# SJF(Shortest Job First): 실행 시간이 가장 짧은 작업부터 먼저 실행합니다.
# RR(Round Robin): 각 작업에 동일한 시간(quantum)만큼 실행 기회를 주고, 주어진 시간 동안 완료되지 않은 작업은 대기 목록의 끝으로 이동합니다.
if options:
print("** 해결책 **\n")
if options.policy == "SJF":
joblist = sorted(joblist, key=lambda job: job[1]) # 실행 시간 기준으로 정렬
options.policy = "FIFO" # SJF는 사실상 정렬된 FIFO입니다.
if options.policy == "FIFO":
thetime = 0
print("실행 흔적:")
waiting_times = []
turnaround_times = []
response_times = []
for job in joblist:
response_time = (
thetime # FIFO에서는 작업이 대기하는 시간이 응답 시간과 같다
)
print(
" [ 시간 %3d ] 작업 %d 실행 %.2f 초 ( 완료 시간 %.2f )"
% (thetime, job[0], job[1], thetime + job[1])
)
waiting_time = thetime
thetime += job[1]
turnaround_time = thetime
waiting_times.append(waiting_time)
turnaround_times.append(turnaround_time)
response_times.append(response_time)
# 통계 출력
print("\n통계:")
total_jobs = len(joblist)
average_waiting_time = sum(waiting_times) / total_jobs
average_turnaround_time = sum(turnaround_times) / total_jobs
average_response_time = sum(response_times) / total_jobs
print(f"평균 대기 시간: {average_waiting_time:.2f} 초")
print(f"평균 회전 시간: {average_turnaround_time:.2f} 초")
print(f"평균 응답 시간: {average_response_time:.2f} 초")
elif options.policy == "RR":
print("실행 흔적:")
thetime = 0
queue = joblist.copy() # 작업 목록을 대기열로 복사
completions = [] # 완료된 작업 정보 저장
while queue:
job = queue.pop(0) # 대기열에서 첫 번째 작업을 가져옴
runtime = min(
job[1], options.quantum
) # 실행 시간은 작업 시간과 quantum 중 작은 값
print(
f" [ 시간 {thetime:3d} ] 작업 {job[0]} 실행 {runtime:.2f} 초 ( 남은 시간 {job[1]-runtime:.2f} )"
)
thetime += runtime
job[1] -= runtime
if job[1] > 0: # 작업이 완료되지 않았다면 대기열 끝으로
queue.append(job)
else:
completions.append((job[0], thetime)) # 완료된 작업 저장
# 통계 계산 및 출력
print("\n통계:")
turnaround_times = [0] * len(joblist)
for job, complete_time in completions:
turnaround_times[job] = complete_time # 회전 시간 계산
for i, turnaround in enumerate(turnaround_times):
print(f" 작업 {i} 회전 시간: {turnaround} 초")
print(f"평균 회전 시간: {sum(turnaround_times)/len(turnaround_times):.2f} 초")
else:
print("오류: 정책", options.policy, "는 사용할 수 없습니다.")
sys.exit(0)
else:
print("각 작업에 대한 회전 시간, 응답 시간, 대기 시간을 계산하세요.")
print(
"완료되면, 같은 인자를 사용하여 이 프로그램을 다시 실행하되, -c 옵션을 추가하십시오."
)
print(
"이렇게 하면 답변을 제공할 것입니다. 다른 문제를 생성하기 위해 -s <somenumber> 또는"
)
print("자신만의 작업 목록(-l 10,15,20 등)을 사용할 수 있습니다.")
print("")