751

张量处理单元调度 (TPU)

加速神经网络推理和训练

矩阵乘法优化，数据流调度

1. 脉动阵列：数据在固定路径上流动，减少内存访问
2. 权重预加载：权重常驻芯片，仅输入数据流动
3. 批处理：多个输入同时处理提高利用率

计算能力：TOPS (Tera Operations Per Second)
功耗效率：TOPS/W
内存带宽：限制性能的关键

深度学习推理，训练

GPU，CPU

752

神经处理单元调度 (NPU)

专用神经网络加速

算子融合，内存层次优化

1. 图编译：神经网络图编译为NPU指令
2. 层调度：考虑数据依赖和内存约束
3. 并行：多个核心并行处理不同层或不同输入

算子库：卷积，池化，激活等专用硬件单元
精度支持：INT8，FP16，混合精度
能效比：优于通用处理器

移动设备AI，边缘计算

GPU，TPU

753

图像信号处理器调度 (ISP)

图像处理流水线

RAW数据处理，多个处理模块流水线

1. 流水线阶段：去马赛克，降噪，色彩校正，伽马校正等
2. 实时性：每帧处理时间必须小于帧间隔
3. 资源分配：各模块硬件资源分配

吞吐量：像素/秒，帧/秒
延迟：从曝光到输出的延迟
图像质量：信噪比，动态范围

摄像头，手机摄影

软件图像处理

754

视频编解码器调度

视频编码解码加速

帧类型选择，宏块划分，运动估计

1. 编码流水线：帧内预测，帧间预测，变换，量化，熵编码
2. 并行：帧级，片级，行级并行
3. 码率控制：调整量化参数控制输出码率

压缩比：原始大小/压缩大小
质量：PSNR，SSIM，VMAF
延迟：编码延迟，端到端延迟

视频流，视频会议

软件编解码

755

音频数字信号处理器调度 (Audio DSP)

音频处理加速

多个音频流混合，效果处理

1. 音频流水线：采样率转换，滤波，混响，均衡器
2. 实时：必须保证低延迟，避免卡顿
3. 多流：处理多个输入输出流

延迟：通常<10ms
采样率：44.1kHz，48kHz等
位深：16-bit，24-bit，32-bit浮点

耳机，扬声器，录音设备

通用DSP

756

加密加速器调度

加解密算法硬件加速

算法选择，模式选择，密钥调度

1. 算法：AES，RSA，ECC，SHA
2. 模式：ECB，CBC，GCM等
3. 并行：多个数据块并行加密

吞吐量：Gbps加解密速度
延迟：第一个字节输出时间
功耗：能效比

SSL/TLS，VPN，磁盘加密

软件加密

757

压缩加速器调度

数据压缩解压缩硬件加速

压缩算法，字典管理，流水线

1. 算法：DEFLATE，LZ4，Zstd
2. 字典：静态字典，动态字典更新
3. 流压缩：维护跨数据块的字典

压缩比：原始/压缩大小
吞吐量：Gbps压缩速度
资源：字典内存大小

存储系统，网络传输

软件压缩

758

正则表达式加速器调度

硬件正则匹配

正则表达式编译为DFA，流扫描

1. 正则引擎：支持Perl正则子集
2. 流扫描：无回溯，确定性有限自动机
3. 并行：多个正则表达式并行匹配

匹配速度：Gbps扫描速度
正则复杂度：支持捕获组，量词等
状态数：硬件限制状态数量

入侵检测，日志分析

软件正则匹配

759

XML加速器调度

XML解析和验证加速

XML解析，XPath查询，验证

1. 解析：将XML转换为DOM或SAX事件
2. 查询：XPath表达式求值
3. 验证：针对XML Schema验证

吞吐量：MB/s解析速度
查询延迟：XPath查询响应时间
内存：DOM树内存占用

Web服务，配置文件处理

软件XML处理

760

JSON加速器调度

JSON处理加速

解析，序列化，查询

1. 解析：将JSON文本转换为内存结构
2. 序列化：将内存结构转换为JSON文本
3. 查询：JSONPath，jq-like查询

吞吐量：GB/s解析速度
延迟：微秒级解析延迟
内存占用：优化内存使用

REST API，NoSQL数据库

软件JSON处理

761

数据库加速器调度

数据库操作硬件加速

扫描，过滤，聚合，连接

1. 算子：选择，投影，连接，分组，排序
2. 流水线：算子流水线执行
3. 内存：列式存储，向量化处理

加速比：相比CPU的加速倍数
功耗：查询每焦耳处理的數據量
兼容性：SQL标准支持

数据仓库，实时分析

CPU数据库引擎

762

内存内计算调度

在内存中执行计算

内存阵列同时进行存储和计算

1. 存内计算：利用内存阵列进行矩阵向量乘
2. 模拟计算：使用模拟信号进行计算
3. 数字计算：在内存中使用数字逻辑

能效：比传统架构高1-2个数量级
密度：计算单元与存储单元紧密结合
精度：模拟计算精度较低

神经网络推理，科学计算

冯·诺依曼架构

763

近内存计算调度

计算靠近内存

在内存控制器或内存模块中集成计算单元

1. 内存控制器：在控制器中加入简单计算单元
2. 3D堆叠：将逻辑层堆叠在内存层上
3. 内存模块：在DIMM上加入处理器

带宽：利用高内存带宽
延迟：减少数据搬运延迟
灵活性：支持通用计算

大数据分析，图计算

存内计算，远程计算

764

计算存储调度

在存储设备中执行计算

SSD控制器加入计算能力

1. 存储内过滤：在数据读取时过滤
2. 聚合：在存储设备内进行聚合操作
3. 压缩加密：在写入时压缩加密

带宽：减少主机与存储间数据传输
延迟：减少数据搬运延迟
安全：数据无需离开存储设备

大数据，边缘计算

主机计算

765

可编程逻辑器件调度 (CPLD)

简单逻辑功能

逻辑单元，宏单元，互连

1. 逻辑实现：组合逻辑和时序逻辑
2. 资源分配：有限的逻辑资源分配
3. 时序：满足时序要求

密度：几十到几千个逻辑门
速度：几百MHz
非易失：配置存储在片上

胶合逻辑，接口转换

FPGA，ASIC

766

复杂可编程逻辑器件调度 (CPLD)

更复杂的可编程逻辑

逻辑块，I/O块，互连矩阵

1. 逻辑块：包含宏单元，乘积项逻辑
2. 布线：全局布线池连接逻辑块
3. 时序：引脚到引脚延迟确定

规模：比PLD大，比FPGA小
确定性：延迟可预测
上电即用：非易失配置

控制逻辑，地址解码

FPGA

767

现场可编程模拟阵列调度 (FPAA)

模拟电路可编程

可配置模拟模块，互连

1. 模拟模块：运算放大器，滤波器，比较器等可配置
2. 互连：模拟信号布线
3. 校准：补偿工艺偏差

灵活性：可配置各种模拟电路
精度：受工艺偏差和噪声影响
应用：信号调理，传感器接口

数字FPGA，ASIC

768

现场可编程射频调度 (FPRF)

射频电路可编程

可调滤波器，放大器，混频器

1. 射频模块：可配置中心频率，带宽，增益
2. 调谐：通过数字控制模拟参数
3. 自适应：根据环境调整参数

频率范围：覆盖多个频段
灵活性：可重配置为不同射频标准
集成：减少外围元件

固定射频前端，软件定义无线电

769

软件定义无线电调度 (SDR)

无线电功能软件定义

数字信号处理，FPGA，RF前端

1. 采样：高速ADC/DAC将射频信号数字化
2. 处理：FPGA或DSP进行数字调制解调
3. 协议：通过软件实现通信协议

灵活性：支持多种通信标准
带宽：受ADC采样率限制
成本：比多个专用无线电低

专用无线电硬件

770

认知无线电调度

智能频谱感知和利用

频谱感知，决策，重配置

1. 感知：检测频谱空洞
2. 决策：选择最佳频率，调制，功率
3. 重配置：调整射频和基带参数

频谱效率：提高频谱利用率
干扰避免：避免干扰主用户
学习：从历史经验学习

固定频率无线电

771

毫米波射频前端调度

毫米波通信

波束成形，相位调整，功率控制

1. 波束成形：通过相控阵形成定向波束
2. 跟踪：跟踪用户移动，调整波束方向
3. 多波束：同时形成多个波束

频率：24-100GHz
波束宽度：窄波束，高方向性
路径损耗：高，需波束成形补偿

5G毫米波，WiGig

772

太赫兹射频前端调度

太赫兹通信

更高频率，更宽带宽

1. 频段：0.1-10THz
2. 器件：太赫兹源，探测器，调制器
3. 传播：高大气吸收，短距离

带宽：几十GHz可用带宽
应用：超高容量短距离通信，成像
挑战：器件，传播，功耗

毫米波，光通信

773

硅光子调度

光互连，光计算

光调制，探测，路由

1. 调制：电信号调制光信号
2. 探测：光信号转换为电信号
3. 波导：光在芯片上波导中传输

速度：GHz调制速度
功耗：低于电互连
集成：与CMOS工艺兼容

电互连，III-V族光子

774

集成光子调度

多功能光子集成

激光器，调制器，探测器，滤波器集成

1. 光源：集成激光器（异质集成）
2. 调制：马赫-曾德尔调制器，微环调制器
3. 检测：光电探测器

规模：大规模光子集成电路
功能：完整的光子子系统
成本：批量生产降低成本

分立光学元件

775

微波光子调度

微波信号光子处理

光子辅助微波信号生成，处理

1. 生成：通过光学方法生成微波信号
2. 处理：滤波器，移相器，波束成形
3. 传输：光纤传输微波信号

带宽：远超电子系统
损耗：光纤传输损耗低
抗干扰：抗电磁干扰

传统微波技术

776

量子点调度

量子点器件控制

量子点制备，操控，读取

1. 制备：在半导体中制造量子点
2. 操控：电控或光控量子态
3. 读取：测量量子态

应用：单光子源，量子比特，光电探测器
均匀性：量子点大小形状均匀性挑战
集成：与现有工艺集成

体材料器件

777

自旋电子器件调度

利用电子自旋

自旋注入，传输，检测

1. 自旋阀：两个铁磁层夹非磁层
2. 磁隧道结：铁磁层/绝缘层/铁磁层
3. 自旋轨道转矩：电流诱导磁化翻转

功耗：低于传统电子器件
非易失：磁状态非易失
速度：纳秒级翻转

CMOS器件

778

忆阻器调度

电阻记忆，神经形态计算

阻值可调，模拟突触

1. 编程：电脉冲改变阻值
2. 读取：小电压读取阻值
3. 阵列：交叉阵列实现矩阵向量乘

存储：多级电阻实现多值存储
计算：模拟计算，存内计算
能效：高能效

传统存储器，晶体管

779

相变存储器调度 (PCM)

利用相变材料

晶态，非晶态电阻不同

1. 编程：加热改变相态
2. 读取：测量电阻
3. 寿命：有限次写循环

速度：纳秒级写速度
耐久：10^8-10^12次写循环
密度：比DRAM高

DRAM，NAND Flash

780

阻变存储器调度 (RRAM)

电阻切换

高低阻态切换

1. 机制：导电细丝形成和断裂
2. 性能：速度快，功耗低
3. 集成：与CMOS兼容

尺寸：可做到4F2，甚至更小
多值：多个电阻状态
三维：可三维堆叠

其他新型存储器

781

磁阻存储器调度 (MRAM)

利用磁阻效应

磁化方向决定电阻

1. 写入：电流诱导磁化翻转
2. 读取：测量磁隧道结电阻
3. 非易失：断电保持数据

耐久：无限次写循环
速度：接近SRAM
功耗：写功耗较高

SRAM，Flash

782

铁电存储器调度 (FeRAM)

利用铁电材料极化

极化方向存储数据

1. 写入：电场改变极化方向
2. 读取：检测极化电荷
3. 破坏性读取：读取后需重写

功耗：低功耗
速度：快
耐久：有限次读/写

DRAM，Flash

783

碳纳米管器件调度

碳纳米管晶体管

高性能，低功耗

1. 制备：定向排列碳纳米管
2. 器件：CNFET，互连
3. 集成：大规模集成挑战

迁移率：高于硅
尺寸：可做到更小
散热：导热性好

硅CMOS

784

二维材料器件调度

二维材料（如石墨烯）

超薄，高性能

1. 材料：石墨烯，二硫化钼等
2. 器件：晶体管，光电探测器
3. 异质结：不同二维材料堆叠

厚度：原子级薄
性能：高迁移率，柔性透明
挑战：制备，集成

三维材料器件

785

柔性电子调度

可弯曲，可伸展电子

柔性基底，可拉伸互连

1. 基底：聚合物，纸张
2. 器件：有机晶体管，氧化物晶体管
3. 应用：可穿戴，电子皮肤

机械特性：可弯曲，可拉伸
成本：低温工艺，低成本
性能：通常低于硅器件

刚性电子

786

印刷电子调度

印刷制造电子

打印功能材料

1. 打印：喷墨打印，丝网印刷
2. 材料：有机半导体，金属纳米颗粒
3. 后处理：退火，固化

成本：低成本，大面积
柔性：可在柔性基底上
性能：较低，适用于简单电路

光刻工艺

787

生物电子调度

与生物系统接口

生物传感器，神经接口

1. 传感：检测生物分子，电信号
2. 刺激：电刺激，光刺激
3. 集成：与生物组织兼容

生物相容性：材料对生物体无害
灵敏度：高灵敏度检测
长期稳定性：在体内稳定工作

传统电子

788

神经形态芯片调度

模拟大脑结构

神经元，突触，网络

1. 神经元：模拟生物神经元发放
2. 突触：可塑性，学习
3. 网络：脉冲神经网络

能效：事件驱动，高能效
实时：低延迟处理
学习：在线学习能力

传统冯·诺依曼架构

789

脑机接口芯片调度

大脑与计算机接口

神经信号记录，处理，刺激

1. 记录：放大，滤波，数字化神经信号
2. 解码：从信号解码意图
3. 刺激：生成刺激信号

通道数：数十到数百通道
功耗：低功耗，尤其植入式
无线：无线数据传输和供电

有线脑机接口

790

微机电系统调度 (MEMS)

微型机械电子系统

传感器，执行器

1. 传感：加速度计，陀螺仪，压力传感器
2. 执行：微镜，微泵，射频开关
3. 集成：与电路集成

尺寸：微米到毫米尺度
功耗：低功耗
批量制造：硅微加工技术

宏观机电系统

791

纳米机电系统调度 (NEMS)

纳米尺度机电系统

更高灵敏度，更高频率

1. 尺度：纳米尺度结构
2. 效应：量子效应，表面效应显著
3. 应用：高灵敏度传感器，谐振器

灵敏度：原子级别检测
频率：GHz谐振频率
制造：更困难，成本高

MEMS

792

传感器融合调度

多传感器数据融合

数据对齐，滤波，融合算法

1. 时间对齐：同步不同传感器时间戳
2. 空间对齐：坐标系转换
3. 融合：卡尔曼滤波，粒子滤波，深度学习

精度：提高测量精度
鲁棒性：互补传感器提高鲁棒性
信息：提供更丰富信息

单传感器处理

793

执行器调度

执行器控制

位置，力，速度控制

1. 控制：PID控制，模型预测控制
2. 驱动：电机驱动，液压，气动
3. 反馈：传感器反馈闭环控制

精度：位置控制精度
响应：响应速度
功耗：驱动功耗

开环控制

794

机器人关节调度

机器人关节控制

多关节协调，轨迹规划

1. 运动学：正向运动学，逆向运动学
2. 动力学：考虑力和质量
3. 规划：无碰撞轨迹规划

自由度：机器人自由度数量
精度：末端执行器定位精度
速度：运动速度

单关节控制

795

无人机飞控调度

无人机飞行控制

姿态控制，导航，避障

1. 传感器：IMU，GPS，视觉，超声波
2. 控制：PID，自适应控制
3. 规划：路径规划，任务规划

稳定性：抗风，稳定悬停
自主：自主导航，避障
续航：飞行时间

有人机控制

796

自动驾驶芯片调度

自动驾驶计算平台

传感器融合，感知，决策，控制

1. 感知：目标检测，跟踪，场景理解
2. 规划：路径规划，行为决策
3. 控制：车辆控制

算力：TOPS要求
功耗：车规级功耗要求
安全：功能安全，冗余

常规汽车ECU

797

增强现实芯片调度

AR处理

图像渲染，空间定位，虚实融合

1. 定位：SLAM，视觉惯性里程计
2. 渲染：3D图形实时渲染
3. 显示：光波导，视网膜投影

延迟：运动到光子延迟需<20ms
功耗：移动设备功耗限制
轻便：眼镜形态需轻便

VR芯片

798

虚拟现实芯片调度

VR处理

高分辨率，高刷新率渲染

1. 渲染：双眼高分辨率渲染
2. 追踪：头部，手部追踪
3. 音频：空间音频

分辨率：单眼2K以上
刷新率：90Hz以上
延迟：低延迟防晕动

AR芯片

799

混合现实芯片调度

MR处理

结合AR和VR

1. 环境理解：实时三维重建
2. 交互：自然交互（手势，语音）
3. 虚实融合：真实和虚拟物体交互

交互：更自然的交互方式
环境理解：对现实世界深度理解
应用：工业，教育，娱乐

AR，VR芯片

800

全息显示芯片调度

全息显示计算

计算机生成全息图

1. 计算：从3D模型计算全息图
2. 调制：空间光调制器控制光波前
3. 彩色：彩色全息显示

计算量：巨大，需专用硬件加速
分辨率：4K以上空间光调制器
视角：宽视角，真实三维感

体三维显示，光场显示

801

固态硬盘控制器调度 (SSD)

管理闪存，提供块接口

闪存转换层，垃圾回收，磨损均衡

1. 映射：逻辑地址到物理地址映射（页级，块级）
2. 垃圾回收：回收无效页所在块，有效页搬移
3. 磨损均衡：均衡各块擦除次数

写放大：实际写闪存数据量/主机写数据量
寿命：P/E cycles（如3000次）
性能：IOPS，带宽，延迟

服务器，PC，手机

HDD控制器

802

闪存转换层调度 (FTL)

模拟块设备，处理闪存特性

地址映射，垃圾回收，坏块管理

1. 映射表：存储LPN到PPN映射，常驻DRAM，备份到闪存
2. 策略：页映射，块映射，混合映射
3. 缓存：缓存频繁访问映射项

映射粒度：页映射灵活但表大，块映射表小但灵活性差
开销：映射表占用DRAM，影响成本
性能：映射查找速度

SSD核心算法

无转换（原始闪存）

803

垃圾回收调度 (GC)

回收无效页空间

选择回收块，搬移有效页

1. 选择策略：贪婪（选择无效页最多的块），成本效益（考虑搬移成本）
2. 触发：后台，并行，阈值触发
3. 写放大：搬移有效页引入额外写

写放大：WA = (写数据+搬移数据)/写数据
目标：最小化写放大，减少性能波动
时机：在空闲时或必须时进行

无垃圾回收（需手动擦除）

804

磨损均衡调度 (WL)

均衡各闪存块磨损

动态和静态磨损均衡

1. 动态：将新数据写到擦除次数少的块
2. 静态：将冷数据从低磨损块移到高磨损块
3. 计数：记录每个块擦除次数

磨损均衡度：最大擦除次数/平均擦除次数
目标：接近1，所有块同时达到寿命终点
开销：数据搬移增加写放大

无磨损均衡（某些块先坏）

805

坏块管理调度

处理闪存坏块

坏块识别，替换，映射

1. 识别：出厂坏块，后天坏块
2. 替换：用预留好块替换坏块
3. 映射：在映射表中跳过坏块

预留：出厂时预留额外块（如2-5%）
增长：随着使用坏块会增加
可靠性：确保数据不存储在坏块

无坏块管理（可靠性低）

806

读写调度

优化读写性能

命令队列，调度算法

1. 调度：FIFO，最短处理时间，最短物理距离
2. 交错：多个闪存芯片交错访问提高并行性
3. 缓存：DRAM缓存读数据，写缓冲

延迟：读延迟<写延迟<擦除延迟
并行：多通道，多芯片，多平面并行
队列深度：支持NCQ，提高并行性

简单顺序执行

807

纠错码调度 (ECC)

纠正闪存位错误

编码，解码，软判决

1. 编码：存储时添加冗余校验位
2. 解码：读取时纠正错误
3. 强度：随着P/E次数增加，需更强ECC

纠错能力：可纠正多少位错误
开销：校验位占用户数据比例（如6-15%）
延迟：编码解码延迟

无ECC（误码率高）

808

读干扰管理调度

防止读干扰

读计数，数据搬移

1. 计数：记录每个块被读取次数
2. 阈值：达到阈值前将数据搬移到新块
3. 刷新：定期刷新数据

读干扰：读取一个页可能影响同一块其他页阈值：通常几万到几十万次
开销：搬移数据增加写放大

无管理（可能数据损坏）

809

数据保留调度

确保数据长期保存

刷新，巡检

1. 数据保留：闪存断电后数据保存时间（如1年@25°C）
2. 刷新：定期读取并重写数据
3. 温度：高温加速数据丢失，需更频繁刷新

保留时间：与温度，P/E次数，工艺有关
巡检：后台扫描数据，检查错误
纠错：配合ECC纠正保留错误

无刷新（长期可能丢数据）

810

trim调度

通知SSD无效数据

trim命令，垃圾回收优化

1. trim：文件系统删除文件时发送trim命令
2. 作用：让FTL知道哪些页无效，可被垃圾回收
3. 性能：减少写放大，提高垃圾回收效率

支持：操作系统，文件系统，SSD支持trim
粒度：通常块级trim
时机：删除时或定期

无trim（垃圾回收效率低）

811

NVMe调度

高速SSD接口协议

多队列，命名空间，功耗管理

1. 队列：每个CPU核心有独立提交和完成队列
2. 命令：读写，管理，厂商特定命令
3. 并行：最多64K队列，每队列64K命令

延迟：微秒级延迟
带宽：PCIe带宽（如Gen4 x4 8GB/s）
扩展性：支持多命名空间，多路径

SATA，SAS

812

NVMe多队列调度

利用多核性能

队列分配，中断绑定

1. 分配：每个CPU核心分配独立队列对
2. 绑定：中断绑定到相应核心
3. 负载均衡：多个核心间负载均衡

性能：多核并行，减少锁竞争
扩展性：线性扩展至多核
亲和性：保持数据局部性

单队列

813

NVMe命名空间调度

虚拟化SSD

命名空间创建，分配，管理

1. 命名空间：类似逻辑单元，可独立管理
2. 分配：将部分闪存空间分配给命名空间
3. 隔离：命名空间间性能，容量隔离

灵活性：动态创建，删除命名空间
多租户：不同租户使用不同命名空间
QoS：可为命名空间设置QoS策略

物理分区

814

NVMe功耗管理调度

管理SSD功耗

电源状态，自适应功耗管理

1. 电源状态：工作状态，低功耗状态（如PS0-PS4）
2. 转换：状态间转换延迟和功耗
3. 策略：根据负载动态调整状态

功耗：工作功耗，空闲功耗
延迟：从低功耗状态恢复的延迟
策略：性能 vs 功耗权衡

常开

815

ZNS调度 (Zoned Namespace)

分区命名空间，减少写放大

区域管理，写指针，垃圾回收

1. 区域：顺序写区域，可随机读
2. 写指针：每个区域有写指针，只能顺序写
3. 垃圾回收：由主机负责，更高效

写放大：降低，因为区域顺序写，无效数据集中
寿命：延长闪存寿命
主机管理：需要主机文件系统支持

传统SSD

816

Key-Value SSD调度

直接支持键值接口

键值存储，垃圾回收

1. 接口：put，get，delete键值对
2. 映射：键到值位置的映射
3. 垃圾回收：回收无效键值对空间

性能：避免文件系统开销，更低延迟
效率：键值感知的垃圾回收
应用：NoSQL数据库，对象存储

块接口SSD

817

计算存储 SSD调度

SSD内执行计算

下推计算，过滤，聚合

1. 下推：将过滤，投影等下推到SSD
2. 计算单元：SSD控制器加入计算能力
3. 减少数据移动：只返回结果

带宽：减少主机与SSD间数据传输
延迟：减少数据搬运延迟
能效：更高能效

传统SSD

818

持久内存调度 (PMem)

字节可寻址，持久性

内存控制器，持久性域，刷新

1. 模式：内存模式（透明），应用直接模式（需修改应用）
2. 持久性：确保数据在断电后不丢失
3. 性能：接近DRAM速度，但延迟略高

容量：比DRAM大（如512GB/条）
成本：比DRAM便宜，比SSD贵
持久性：需应用程序刷新缓存行

DRAM，SSD

819

存储类内存调度 (SCM)

介于DRAM和SSD之间

字节可寻址，非易失

1. 技术：3D XPoint，MRAM，PCM等
2. 接口：可通过内存总线或存储总线访问
3. 应用：大内存，快速存储

延迟：百纳秒级
密度：高于DRAM
非易失：断电数据不丢失

DRAM，NAND

820

RAID控制器调度

多磁盘冗余阵列

条带化，校验计算，重建

1. RAID级别：0，1，5，6，10等
2. 条带：数据分布到多个磁盘
3. 校验：奇偶校验，允许磁盘故障

性能：并行访问提高性能
可靠性：允许磁盘故障不丢数据
容量：不同级别有效容量不同

单磁盘

821

RAID 0调度

条带化，提高性能

条带大小，磁盘选择

1. 条带：数据分割为条带，轮询写入磁盘
2. 并行：同时读写多个磁盘
3. 无冗余：一个磁盘故障全丢

性能：接近单个磁盘的N倍（N为磁盘数）
容量：总和容量
可靠性：降低（任一磁盘故障全丢）

其他RAID级别

822

RAID 1调度

镜像，冗余

写两个磁盘，可读任一

1. 镜像：每个数据块写入两个磁盘
2. 读：可从任一磁盘读，提高读性能
3. 写：需写两个磁盘，写性能略降

可靠性：可容忍一个磁盘故障
容量：有效容量为一半
成本：需要两倍磁盘

RAID 0，RAID 5

823

RAID 5调度

条带加分布式奇偶校验

校验计算，分布存储

1. 条带：数据条带化分布
2. 校验：每个条带有一个校验块，轮流存储在不同磁盘
3. 允许一个磁盘故障

容量：有效容量为(N-1)/N
性能：读写性能较好
重建：故障后重建时间长

RAID 6，RAID 10

824

RAID 6调度

双重奇偶校验

两个独立校验，允许双盘故障

1. 校验：P校验和Q校验，使用不同算法（如Reed-Solomon）
2. 允许任意两个磁盘故障
3. 写惩罚更高

容量：有效容量为(N-2)/N
可靠性：更高，允许双盘故障
性能：写性能较差，需更新两个校验

RAID 5

825

RAID 10调度

先镜像后条带

高性能，高可靠

1. 创建多个镜像对，然后在镜像对间条带化
2. 读性能好，写性能较好
3. 允许每个镜像对坏一个盘

容量：有效容量为一半
性能：读写性能都好
成本：需要两倍磁盘

RAID 0+1，RAID 5

826

纠删码调度

更通用的冗余

数据块，校验块，可容忍多块故障

1. 编码：将数据分为k块，编码生成m个校验块
2. 任意k个块可恢复原始数据
3. 存储效率：k/(k+m)

存储效率：高于副本
可靠性：可容忍任意m块故障
计算开销：编码解码需要计算

副本，RAID

827

自动分层存储调度

数据在存储层间迁移

热点检测，迁移策略

1. 监控：访问频率，访问时间
2. 分层：SSD，HDD，磁带等
3. 迁移：将热点数据迁移到高速层，冷数据迁移到低速层

性能：提高热点数据访问速度
成本：利用廉价存储存储冷数据
策略：基于访问频率，时间，策略

统一存储

828

存储虚拟化调度

抽象物理存储

池化，精简配置，快照

1. 池化：多个物理存储设备聚合成池
2. 虚拟卷：从池中分配虚拟卷
3. 特性：快照，克隆，复制

灵活性：动态分配，扩展
利用率：提高存储利用率
管理：集中管理

物理卷直接管理

829

存储快照调度

瞬间创建时间点副本

写时复制，元数据快照

1. 创建：瞬间创建，记录元数据
2. 写时复制：修改数据前复制原数据到快照区域
3. 读取：从快照区域读未修改数据

空间：节省空间，只存储差异
性能：对生产卷性能影响小
数量：支持多个快照

完整拷贝

830

存储克隆调度

创建可写副本

即时克隆，空间高效

1. 克隆：基于快照或卷创建可写副本
2. 共享：克隆与父卷共享相同数据块
3. 写时分配：修改时分配新数据块

速度：快速创建
空间：初始不占额外空间
用途：测试，开发，分析

完整拷贝

831

存储复制调度

数据复制到远程站点

同步，异步，周期性

1. 同步：写操作需等待远程确认才返回
2. 异步：本地写完成后立即返回，后台复制
3. 周期性：定期复制变化

RPO：同步RPO=0，异步RPO>0
RTO：恢复时间目标
带宽：复制所需带宽

无复制

832

存储去重调度

消除重复数据

分块，指纹计算，查找

1. 分块：固定大小或可变大小分块
2. 指纹：计算每个块的哈希（如SHA-1）
3. 索引：查找指纹索引，重复则只存储引用

去重率：依赖数据重复程度
性能：计算指纹和查找索引开销
应用：备份，虚拟化

压缩

833

存储压缩调度

实时压缩数据

压缩算法，压缩粒度

1. 算法：LZ4，Zstd，Deflate等
2. 粒度：页级，块级
3. 实时：写入时压缩，读取时解压

压缩比：原始大小/压缩大小
性能：压缩解压速度影响IOPS
CPU开销：压缩消耗CPU资源

不压缩

834

存储加密调度

数据加密

加密算法，密钥管理

1. 加密：AES-XTS常用
2. 密钥：每个卷或每个文件不同密钥
3. 管理：密钥管理服务器

性能：加密解密开销
安全：符合安全标准（如FIPS）
透明：对应用透明

不加密

835

存储QoS调度

保证性能隔离

IOPS，带宽限制，优先级

1. 限制：每个卷或每个租户的IOPS，带宽上限
2. 优先级：高优先级卷优先服务
3. 突发：允许短时突发

隔离：租户间性能不影响
可预测：性能可预测
弹性：允许突发提高利用率

无限制

836

存储缓存调度

加速存储访问

缓存算法，预取，写回

1. 缓存：DRAM，SSD作为HDD缓存
2. 算法：LRU，LFU，自适应
3. 写回：写缓存，批量写回

命中率：缓存命中比例
加速比：平均访问时间减少比例
一致性：确保数据一致性

无缓存

837

存储预取调度

预测未来访问

顺序预取，智能预取

1. 检测：检测访问模式（顺序，随机）
2. 预取：提前读取数据到缓存
3. 激进：预取深度，预取量

准确率：预取数据被使用的比例
效益：减少后续访问延迟
浪费：预取未用数据浪费带宽

按需读取

838

存储垃圾回收调度 (对象存储)

回收删除的对象空间

标记，清理，压缩

1. 标记：标记被删除的对象
2. 清理：回收标记的空间
3. 压缩：合并空闲空间

时机：后台定期或空间不足时
并发：与正常访问并发进行
性能：减少对正常访问影响

即时回收

839

存储负载均衡调度

均衡多个存储节点

数据分布，请求路由

1. 分布：数据分布到多个节点（如一致性哈希）
2. 路由：请求路由到正确节点
3. 重平衡：节点增减时数据重平衡

负载：各节点负载均衡
扩展：水平扩展容易
可用性：节点故障不影响服务

单节点

840

存储元数据调度

管理文件和对象元数据

元数据存储，索引，缓存

1. 存储：专用元数据服务器或分布式存储
2. 索引：快速查找文件元数据
3. 缓存：客户端缓存元数据

性能：元数据操作性能（如创建，列出文件）
扩展：支持海量文件
一致性：保证元数据一致性

无集中元数据

841

分布式存储调度

多节点协同存储

数据分布，副本放置，一致性

1. 副本：每个数据块多个副本放置在不同节点
2. 一致性：强一致，最终一致
3. 故障：节点故障时复制新副本

可靠性：节点故障不丢数据
一致性：trade-off between consistency and performance
扩展：易于扩展节点

集中存储

842

对象存储调度

通过REST API存储对象

对象上传，下载，元数据

1. 存储：对象存储在扁平的命名空间
2. 元数据：自定义元数据
3. 版本：对象版本控制

扩展：海量对象存储
接口：简单HTTP接口
成本：低成本存储

文件存储，块存储

843

文件存储调度

提供文件系统接口

目录树，文件锁，权限

1. 协议：NFS，SMB，FTP等
2. 共享：多客户端共享访问
3. 缓存：客户端缓存文件数据

共享：多客户端共享文件
兼容：与现有应用兼容
性能：顺序和随机访问性能

对象存储

844

块存储调度

提供原始块设备

卷管理，快照，克隆

1. 协议：iSCSI，FC，NVMe over Fabrics
2. 多路径：多个路径访问同一卷
3. 性能：低延迟，高IOPS

灵活：可格式化为任何文件系统
性能：适合数据库等性能敏感应用
功能：快照，克隆，复制

文件存储

845

统一存储调度

支持文件，块，对象

协议转换，统一管理

1. 多协议：在一个系统中支持文件，块，对象接口
2. 数据共享：不同协议访问同一数据
3. 管理：统一管理界面

简化：减少存储孤岛
效率：提高存储利用率
灵活：满足不同应用需求

专用存储

846

超融合存储调度

计算和存储融合

分布式存储，本地存储聚合

1. 每个节点提供计算和存储
2. 存储：利用各节点本地硬盘形成分布式存储池
3. 数据本地性：计算访问本地存储优先

扩展：增加节点同时增加计算和存储
性能：数据本地性减少网络传输
简化：无需独立存储网络

分离架构

847

存储网络调度

存储区域网络

光纤通道，iSCSI，NVMe over Fabrics

1. 交换：光纤通道交换机，以太网交换机
2. zoning：限制设备间可见性
3. 路由：多交换机环境下路由

性能：高带宽，低延迟
可靠性：冗余路径，多路径
扩展：支持大量设备

直连存储

848

存储性能监控调度

监控存储性能

指标收集，分析，告警

1. 指标：IOPS，带宽，延迟，队列深度
2. 分析：性能瓶颈分析
3. 预测：基于历史预测未来性能

可视化：性能仪表板
告警：性能下降告警
容量规划：基于趋势规划

无监控

849

存储容量管理调度

管理存储容量

容量规划，配额，精简配置

1. 监控：容量使用情况
2. 预测：基于增长预测未来需求
3. 扩容：自动或手动扩容

利用率：提高存储利用率
成本：避免过度配置
自动化：自动扩容

851

存储数据缩减调度

最大化存储空间节省

去重、压缩、精简配置策略平衡

1. 分析数据特征：重复性、可压缩性、访问模式
2. 动态选择：对高重复数据启用去重，对文本/日志启用压缩
3. 资源感知：根据CPU负载调整压缩级别

总节省率：R_total = 1 - (1-R_dedup)(1-R_comp)(1-R_thin)
性能模型：T_process = T_orig + αC_dedup + βC_comp
其中α,β为处理开销系数

备份存储、虚拟化环境

独立使用单一技术

852

存储服务质量动态调度

多租户性能隔离

实时调整服务质量参数

1. 监控各租户实际SLA合规情况
2. 动态调整：违规租户升优先级，良好租户可借出资源
3. 预测性调整：基于历史模式预分配资源

SLA合规度：C_i(t) = f(IOPS_i, BW_i, Latency_i)
动态权重：w_i(t+1) = w_i(t) + η(C_i(t) - C_target)
资源借出：B_i = max(0, R_alloc_i - R_used_i - R_margin)

云存储服务

静态QoS分配

853

存储缓存一致性调度

多级缓存数据一致性

缓存失效、更新策略

1. 写策略：直写(Write-Through)确保一致性但慢，回写(Write-Back)快但需维护脏数据
2. 一致性协议：MESI、MOESI
3. 分布式缓存：基于版本向量或向量时钟

一致性模型：严格一致、顺序一致、因果一致、最终一致
延迟权衡：L_strict < L_seq < L_causal < L_eventual
复杂度：C_strict > C_seq > C_causal > C_eventual

分布式数据库、存储系统

无缓存一致性保证

854

存储数据分层调度

智能数据迁移

热度计算、迁移决策、成本效益分析

1. 热度计算：H(i) = α·access_freq + β·recency + γ·size
2. 迁移决策：if H(i) > θ_hot → 高速层; if H(i) < θ_cold → 低速层
3. 成本控制：迁移收益 > 迁移成本

迁移效益：B = (T_slow - T_fast)·access_rate - C_mig
其中T为访问延迟，C_mig为迁移成本
分层优化：max Σ B_i s.t. 容量约束

混合存储系统

静态分层

855

存储快照链优化调度

管理快照依赖链

快照合并、空间回收、性能优化

1. 链长度控制：快照链过长影响性能时触发合并
2. 合并策略：选择中间快照合并减少写放大
3. 空间回收：标记过期快照空间可回收

链性能：P(L) = P_0·e^{-λL}，L为链长度
合并收益：ΔS = Σ size(snap_i) - size(merged)
合并成本：时间开销、IO影响

虚拟机管理、数据保护

无限快照链

856

存储副本放置调度

优化副本分布

机架感知、故障域感知、负载均衡

1. 故障域分离：确保副本在不同故障域(机架、电源)
2. 访问局部性：热数据副本靠近访问者
3. 负载均衡：均衡各节点副本数

可靠性模型：R_system = 1 - Π(1 - R_replica)^k
其中k为存活副本数
放置目标：min max(load_node) s.t. replica_constraints

分布式文件系统

随机副本放置

857

存储重删优化调度

提高重删效率

分块大小自适应、相似性检测

1. 可变分块：基于内容确定分块边界(Rabin指纹)
2. 相似性检测：局部敏感哈希(LSH)找相似数据
3. 增量重删：只处理变化部分

分块质量：重复检测率D = matched_chunks/total_chunks
LSH参数：哈希函数数k，哈希表数L
精度-召回权衡：P-R曲线优化

备份去重

固定分块重删

858

存储压缩感知采样

减少压缩计算量

采样决策、质量评估

1. 数据特征采样：分析样本决定是否压缩
2. 自适应压缩：易压缩数据用高压缩比算法
3. 跳过压缩：已压缩或加密数据跳过

采样率：s，压缩决策阈值θ_c
期望节省：E[save] = s·p·S_comp - (1-s)·C_sample
其中p为可压缩概率，S_comp为压缩节省

实时数据压缩

全量压缩

859

存储加密密钥轮换调度

安全密钥管理

轮换周期、重加密策略、性能影响

1. 时间驱动：固定周期轮换(如90天)
2. 事件驱动：安全事件后立即轮换
3. 渐进重加密：后台逐步重加密数据

密钥生存期：L_key，轮换开销C_rotate
安全风险：R(t) = R_0·e^{λt}，t为密钥使用时间
优化：min Σ C_rotate + R(t)

合规存储、金融数据

静态密钥

860

存储异地复制调度

跨地域数据同步

同步模式选择、带宽优化、一致性保证

1. 同步模式：同步(强一致)、异步(最终一致)、半同步(折衷)
2. 带宽优化：压缩、去重、增量同步
3. 拓扑：星型、多主、链式

RPO(恢复点目标)：异步RPO>0，同步RPO≈0
RTO(恢复时间目标)：依赖复制延迟
成本：带宽成本 + 存储成本 × 副本数

灾难恢复

本地复制

861

存储数据完整性验证调度

定期验证数据完整性

校验和计算、静默损坏检测、修复

1. 周期性扫描：后台扫描数据块验证校验和
2. 抽样验证：随机抽样提高效率
3. 自动修复：检测到损坏从副本修复

损坏检测概率：P_detect = 1 - (1 - p_scan)^n
其中p_scan为单块损坏概率，n为扫描块数
修复时间：T_repair = size/bandwidth + 重构开销

归档存储、关键数据

无完整性验证

862

存储预取自适应调度

智能预取决策

访问模式识别、预取强度调整

1. 模式检测：顺序、随机、步长等模式
2. 预取决策：顺序模式预取深度增加，随机模式减少
3. 反馈调整：基于预取命中率调整参数

预取效益：E = hits·T_save - misses·C_prefetch
自适应调整：prefetch_depth(t+1) = f(hit_ratio(t))
命中率阈值：θ_low, θ_high

数据库、科学计算

固定预取

863

存储磨损均衡优化

延长闪存寿命

冷热数据分离、静态磨损均衡

1. 热度分类：识别冷数据(很少修改)
2. 数据迁移：将冷数据迁移到高PE块，热数据到低PE块
3. 磨损度计算：PE_cycle + α·retention_factor

磨损均衡度：U = max(PE)/avg(PE)
目标：U→1
静态磨损成本：C_static = migration_cost + wear_benefit

SSD寿命管理

动态磨损均衡

864

存储垃圾回收协同调度

减少GC对性能影响

GC时机、强度、与用户IO协调

1. 时机选择：空闲时、阈值触发、预测性
2. 强度控制：根据用户负载调整GC速率
3. 并行处理：用户IO与GC IO交错

性能模型：T_total = T_user + T_gc + T_interference
GC效用：U_gc = space_reclaimed / T_gc
协同调度：min(max(T_user, T_gc))

闪存存储

独立GC调度

865

存储资源超配调度

提高存储利用率

超配比例、风险控制、动态扩容

1. 超配决策：基于使用模式预测超配安全比例
2. 风险监控：实际使用接近物理容量时告警
3. 自动扩容：触发自动添加物理存储

超配比：O = allocated_physical / actual_physical
风险概率：P_risk = P(usage > threshold)
收益：R = (O-1)·C_storage - P_risk·C_risk

虚拟化环境

1:1配置

866

存储性能隔离调度

防止噪声邻居

资源限制、工作负载分类、干扰检测

1. 工作负载分类：IO密集型、顺序、随机
2. 资源隔离：CPU、带宽、IOPS隔离
3. 干扰检测：监控性能波动检测干扰

干扰度量：I =

Perf_alone - Perf_shared

/Perf_alone
隔离有效性：E_isolation = 1 - I
SLA违规检测：实际性能 < 承诺性能×θ

867

存储数据生命周期调度

自动化数据管理

策略定义、自动迁移、自动删除

1. 策略规则：if age > 90 days then archive; if age > 7 years then delete
2. 自动化：定时扫描执行策略
3. 异常处理：访问频繁数据豁免策略

生命周期状态：活跃→不活跃→归档→删除
价值衰减模型：V(t) = V_0·e^{-λt}
存储成本：C_store(t) = C_0 + C_1·t

合规归档

手动管理

868

存储能耗优化调度

降低存储系统能耗

磁盘启停、休眠、功耗感知数据布局

1. 磁盘分组：将相关数据放在同一磁盘组，其他休眠
2. 访问预测：预测访问模式提前唤醒
3. 功耗状态：活跃、待机、休眠状态切换

能耗模型：E_total = Σ(P_active·t_active + P_idle·t_idle + P_off·t_off)
唤醒延迟：T_wake，影响性能
节能效率：η = E_saved / E_original

绿色数据中心

常开模式

869

存储数据局部性调度

优化数据访问局部性

数据摆放、访问模式优化、缓存亲和性

1. 数据共置：相关数据放在相近位置(相同磁盘/节点)
2. 访问重排：将相关访问调度在一起
3. 缓存优化：提高缓存命中率

局部性度量：L = cache_hits / total_accesses
或 L = 1 - (remote_access / total_access)
性能提升：ΔT = T_remote - T_local

大数据分析

忽视局部性

870

存储冗余编码调度

动态调整冗余级别

基于数据重要性、访问频率调整冗余

1. 重要性分类：关键数据高冗余(如3副本)，非关键低冗余(如纠删码)
2. 动态调整：数据重要性变化时调整冗余
3. 成本效益：冗余成本 vs 可靠性收益

可靠性目标：R_target，冗余度r
成本：C(r) = storage_cost·r + network_cost·(r-1)
优化：min C(r) s.t. R(r) ≥ R_target

分级存储

固定冗余

871

存储碎片整理调度

减少存储碎片

碎片检测、整理决策、在线整理

1. 碎片度量：碎片率 = 空闲空间碎片大小/总空闲空间
2. 整理阈值：碎片率 > 阈值时触发整理
3. 在线整理：与用户IO交错减少影响

碎片率：F = 1 - (largest_free_block / total_free_space)
整理收益：B = ΔF·performance_gain - C_defrag
整理算法：最佳适配、最先适配

文件系统

不整理

872

存储配额软硬限制调度

灵活配额管理

软限制警告、硬限制拒绝、配额借贷

1. 软限制：超过时警告但不拒绝，宽限期后强制
2. 硬限制：绝对不允许超过
3. 借贷机制：用户间临时借用配额

配额使用：U，软限制S，硬限制H
状态：正常(U<S)，警告(S≤U<H)，超额(U≥H)
借贷模型：borrow_limit = f(credit_history, priority)

多用户存储

单一硬限制

873

存储缓存写回调度

写缓存优化

写合并、写顺序优化、刷写策略

1. 写合并：合并对相同/邻近位置的写
2. 顺序化：将随机写重组为顺序写
3. 刷写触发：缓存满、超时、检查点

写放大：WA = actual_writes / logical_writes
合并效率：E_merge = 1 - 1/merge_ratio
数据风险：未刷写数据丢失概率

写缓存管理

直写策略

874

存储多路径调度

多路径负载均衡

路径选择、故障检测、动态切换

1. 路径质量评估：延迟、带宽、错误率
2. 负载均衡：基于路径质量分配流量
3. 故障切换：路径故障时快速切换

路径权重：w_i = f(bw_i, latency_i, error_i)
流量分配：flow_i ∝ w_i / Σw_j
切换时间：T_failover，包括检测+切换

高可用存储网络

单一路径

875

存储元数据分区调度

分布式元数据管理

元数据分片、负载均衡、一致性

1. 分片策略：基于哈希、范围、目录树
2. 负载均衡：监控各分片负载，动态迁移
3. 一致性：分布式事务或最终一致

分片数量：N，分片负载L_i
不均衡度：U = max(L_i)/avg(L_i)
迁移成本：C_migrate = data_size / bandwidth

分布式文件系统

集中式元数据

876

存储数据验证调度

端到端数据完整性

校验和计算、验证时机、修复机制

1. 端到端校验：从写入到读取全程校验
2. 验证时机：读取时、后台扫描、迁移时
3. 自动修复：检测错误时从副本修复

校验开销：C_verify = size/throughput_verify
错误检测概率：P_detect = 1 - (1-p)^n，p为校验强度
端到端保护：应用→存储→应用

关键数据存储

无验证或单点验证

877

存储服务质量预留调度

保证性能SLA

资源预留、准入控制、超额预订管理

1. 预留请求：客户指定IOPS、带宽需求
2. 准入控制：检查资源可用性
3. 超额预订：统计复用，但保证最低预留

预留资源：R_reserved，实际使用R_used
超额预订比：O = ΣR_reserved / R_total
SLA保证：if R_used ≤ R_reserved then 保证性能

企业存储服务

尽力而为

878

存储延迟敏感调度

优化尾延迟

请求优先级、短请求优先、预测服务时间

1. 短请求优先：服务时间短的请求优先
2. 延迟预算：为每个请求分配延迟预算，快超时则优先
3. 并行服务：多个请求并行处理

尾延迟：latency_percentile(如p99)
服务时间预测：T_service = f(request_size, type)
调度目标：min max(latency_p99)

实时应用、数据库

FCFS调度

879

存储能耗感知数据布局

降低能耗的数据摆放

热点数据集中、冷数据集中、磁盘状态管理

1. 热数据集中：将频繁访问数据放在少数磁盘，其他休眠
2. 冷数据归档：不常访问数据迁移到低速节能存储
3. 数据迁移能耗考虑：迁移成本 vs 节能收益

节能潜力：P_saving = Σ(P_active - P_sleep)·t_sleep
迁移成本：C_migrate = E_migrate + T_migrate·performance_loss
收益成本比：B/C > 1则执行

绿色存储

性能最优布局

880

存储纠删码在线修复调度

修复故障节点

修复流量优化、节点选择、并行修复

1. 再生码：新节点从多个节点下载部分数据，减少总流量
2. 节点选择：选择网络距离近、负载低的节点
3. 并行修复：同时修复多个节点

传统修复流量：k·块大小
再生码流量：d·β，其中d≥k，β<块大小
修复时间：T_repair = data_transfer_time + decode_time

分布式存储修复

简单修复

881

存储数据版本调度

多版本管理

版本保留策略、空间回收、快速回滚

1. 版本策略：保留最近N个版本，或时间窗口内版本
2. 空间回收：过期版本自动删除
3. 差异存储：只存储版本间差异

版本数：N，存储开销S = size_base + ΣΔ_i
恢复点目标：RPO，决定版本频率
回滚时间：T_rollback = f(version_depth, size)

数据保护、协同编辑

单版本

882

存储访问模式学习调度

机器学习优化存储

模式识别、预测、自适应优化

1. 特征提取：IO大小、间隔、顺序性、时间模式
2. 模型训练：LSTM、Transformer学访问模式
3. 自适应：预取、缓存、数据布局优化

预测准确率：P_correct = correct_predictions / total
模型复杂度：参数数量、训练时间
在线学习：持续更新模型适应变化

基于规则调度

883

存储安全删除调度

安全擦除数据

覆盖算法、验证、审计跟踪

1. 覆盖算法：DoD 5220.22-M(7遍)、Gutmann(35遍)、简单(1遍)
2. 删除验证：验证已覆盖区域
3. 审计日志：记录删除操作

安全级别：L = f(passes, pattern, verification)
时间开销：T_erase = passes·size/throughput
合规要求：HIPAA, GDPR等

普通删除

884

存储容量预测调度

容量规划

时间序列预测、趋势分析、异常检测

1. 历史数据：收集容量使用历史
2. 预测模型：ARIMA、Prophet、LSTM
3. 规划建议：基于预测提前扩容

预测误差：MAE, RMSE, MAPE
预测区间：置信区间[L, U]
扩容触发：if forecast(t_horizon) > threshold·capacity_now

反应式扩容

885

存储数据降温调度

自动识别冷数据

访问频率、时间、业务规则

1. 降温策略：if last_access > 30 days then move to cold storage
2. 成本优化：冷存储成本 << 热存储
3. 透明访问：冷数据可访问但延迟高

温度定义：T(data) = f(recency, frequency, business_value)
降温收益：Δcost = cost_hot - cost_cold
降温成本：迁移开销 + 额外延迟成本

统一存储

886

存储I/O优先级调度

多优先级I/O处理

优先级队列、抢占、资源分配

1. 优先级定义：实时、高、中、低
2. 调度策略：优先级高的先服务，可抢占低优先级
3. 防饿死：低优先级保证最小服务

优先级：P ∈ {1,2,3,4}，1最高
服务规则：高优先级队列不空则不服务低优先级
加权分配：每个优先级保证最小带宽

单一优先级

887

存储批量与实时作业调度

混合负载处理

资源划分、时间切片、动态调整

1. 资源划分：为实时作业预留资源，剩余给批量作业
2. 时间切片：白天优先实时作业，夜间批量作业
3. 动态调整：根据负载动态调整划分

实时作业SLA：latency ≤ L_max
批量作业吞吐：maximize throughput
资源分配：R_real-time + R_batch ≤ R_total

单一负载类型

888

存储数据分布学习调度

学习优化数据分布

数据关联性分析、访问模式、优化分布

1. 关联分析：常一起访问的数据关联性高
2. 分布优化：将关联数据放在相近位置
3. 动态调整：根据访问模式变化调整

关联度：corr(A,B) = P(access A and B together)
分布质量：Q = Σ corr(i,j)·dist(i,j)
优化目标：min Q

随机分布

889

存储缓存分区调度

多租户缓存隔离

缓存空间划分、替换策略隔离、共享管理

1. 静态分区：每个租户固定缓存空间
2. 动态分区：根据访问模式动态调整
3. 全局共享：部分缓存全局共享，按需分配

分区大小：S_i for tenant i
命中率：HR_i = hits_i / accesses_i
公平性：F = min(HR_i) / max(HR_i)

共享缓存

890

存储数据压缩分级调度

多级压缩优化

压缩级别选择、压缩算法选择、收益评估

1. 快速压缩：对热数据用快速低压缩比算法
2. 深度压缩：对冷数据用慢速高压缩比算法
3. 自适应：根据数据特征自动选择

压缩比：CR，压缩速度：S，解压速度：D
综合收益：benefit = (1-1/CR)·access_rate - C_cpu
C_cpu = compress_time + decompress_time

单一压缩策略

891

存储冗余自适应调度

动态调整冗余度

基于错误率、数据重要性、成本调整

1. 错误率监控：监控介质错误率，错误率高时增加冗余
2. 重要性感知：关键数据增加冗余
3. 成本约束：在预算内优化可靠性

可靠性需求：R_req，当前可靠性R_current
冗余调整：if R_current < R_req then increase redundancy
成本模型：C(redundancy) = storage_cost + parity_calc_cost

固定冗余

892

存储能耗与性能权衡调度

优化能耗性能比

功耗状态管理、性能需求感知、动态调整

1. 功耗状态：高性能(高功耗)、平衡、节能(低功耗)
2. 需求感知：检测应用性能需求，调整状态
3. 动态切换：在状态间智能切换

能耗性能比：EPR = performance / power
状态切换开销：T_switch, E_switch
优化目标：max EPR given performance_constraint

固定性能或固定能耗

893

存储数据局部性增强调度

主动优化局部性

数据重组、访问重排、预取优化

1. 数据重组：将相关数据物理上放在一起
2. 访问调度：将相关访问调度在相近时间
3. 预取增强：基于数据关联性预取

局部性度量：spatial_locality, temporal_locality
重组收益：ΔT = T_before - T_after
重组成本：数据迁移开销

被动局部性利用

894

存储多目标优化调度

平衡多个目标

加权和、帕累托优化、约束优化

1. 目标：性能、成本、可靠性、能耗
2. 权重：根据业务需求设置权重
3. 优化：找到帕累托最优解

多目标优化：min [f1(x), f2(x), ..., fk(x)]
帕累托前沿：{x

¬∃y: y dominates x}
加权和：min Σ w_i·f_i(x)

单目标优化

895

存储预测性维护调度

预防故障

健康指标监控、预测模型、主动维护

1. 健康指标：SMART属性、错误率、性能下降
2. 预测模型：预测剩余寿命或故障概率
3. 维护动作：数据迁移、设备更换

故障概率：P_fail(t) = 1 / (1 + e^{-(t-μ)/σ})
预测准确率：precision, recall
维护成本：C_proactive vs C_reactive

反应式维护

896

存储资源弹性调度

按需弹性伸缩

自动扩缩容、负载均衡、成本优化

1. 监控指标：容量使用率、性能指标
2. 扩缩决策：自动添加/删除存储节点
3. 数据平衡：扩容后数据自动重平衡

弹性规则：if utilization > 80% then scale_out
scale_out时间：T_provision + T_data_rebalance
成本优化：按需实例 vs 预留实例

固定容量

897

存储数据拓扑感知调度

网络拓扑优化

机架感知、网络距离、带宽成本

1. 拓扑感知：感知网络拓扑(机架、交换机)
2. 放置优化：将数据放在访问者网络近的位置
3. 副本放置：跨故障域但网络距离近

网络距离：hop_count, latency, bandwidth
放置成本：C_place = Σ network_cost(i,j)·access_rate
优化目标：min C_place

忽视拓扑

898

存储读写比例感知调度

优化读写混合负载

读写分离、缓存策略、数据布局

1. 读写分析：监控读写比例
2. 优化策略：读多优化缓存，写多优化顺序写
3. 动态调整：根据比例变化调整策略

读写比：R/W ratio
读优化策略：更大缓存、更多读副本
写优化策略：写缓存、日志结构

固定策略

899

存储数据验证抽样调度

高效数据完整性检查

抽样验证、风险分析、全量验证触发

1. 随机抽样：随机选择数据块验证
2. 风险导向：高风险数据更频繁验证
3. 触发全量：抽样发现问题时触发全量验证

抽样率：p，检测概率：P_detect = 1 - (1 - p)^n
假设n个块有错误
验证成本：C_sample = p·C_full

全量验证

900

存储端到端性能优化调度

全链路优化

应用、网络、存储协同优化

1. 端到端监控：监控从应用到存储全链路性能
2. 瓶颈分析：识别性能瓶颈环节
3. 协同优化：各环节协同优化

端到端延迟：T_e2e = T_app + T_network + T_storage
瓶颈分析：bottleneck = argmax(T_component)
协同优化：优化瓶颈，考虑依赖关系

独立优化

901

异构计算统一调度

统一管理CPU、GPU、FPGA等

任务划分、设备选择、数据移动优化

1. 任务特征分析：计算密度、并行性、精度需求
2. 设备匹配：将任务调度到最合适设备
3. 数据局部性：减少设备间数据移动

设备性能模型：T_i = f(任务特征, 设备能力)
调度目标：min(max(T_i)) 或 min(能耗)
数据移动成本：C_data = size/bandwidth + latency

科学计算、AI训练

单设备调度

902

近内存计算调度

内存内或近内存计算

计算任务下推、数据布局优化

1. 计算下推：将过滤、聚合等下推到内存控制器
2. 数据布局：优化数据布局减少数据移动
3. 任务划分：部分计算在内存，部分在CPU

加速比：S = T_cpu / (T_memory + T_data_move)
带宽优势：memory_bandwidth >> PCIe_bandwidth
能效比：operations/Joule

大数据分析、图计算

传统CPU计算

903

存内计算调度

内存阵列内计算

矩阵向量乘优化、模拟计算调度

1. 矩阵分块：大矩阵分块适合存内计算阵列
2. 精度管理：模拟计算精度有限，需校准和补偿
3. 数字模拟混合：关键部分用数字计算补偿

计算密度：operations/mm²
能效：TOPS/W，比数字计算高1-2数量级
精度：模拟计算通常4-8位，数字计算16-32位

神经网络推理

数字计算

904

可编程逻辑热点调度

FPGA动态重配置

部分重配置、功能切换、资源共享

1. 热点识别：识别常用计算模式
2. 部分重配置：只重配置部分逻辑，其他部分保持运行
3. 配置缓存：缓存常用配置快速切换

重配置时间：T_reconfig = bitstream_size / config_speed
面积开销：部分重配置控制器开销
灵活性：运行时改变功能

静态配置

905

芯片网络调度 (NoC)

芯片内核心间通信

路由算法、流量控制、服务质量

1. 路由：XY路由、自适应路由、最小路由
2. 流量控制：基于信用、基于开窗
3. QoS：不同流量类别不同优先级

延迟：hop_count × hop_delay + contention_delay
吞吐：bisection_bandwidth
功耗：NoC功耗占芯片功耗比例

总线互连

906

硅光子互连调度

光互连管理

波长分配、链路建立、功耗管理

1. 波长分配：多个通信对分配不同波长
2. 链路建立：建立光通路，配置光开关
3. 功耗：激光器功耗管理

带宽密度：Tbps/mm，比电互连高
功耗：pJ/bit，距离长时优势明显
延迟：光速延迟，但需光电转换

电互连

907

三维集成调度

芯片堆叠管理

硅通孔分配、热管理、测试调度

1. TSV分配：信号、电源、地TSV分配
2. 热管理：三维堆叠热密度高，需智能散热
3. 测试：堆叠后测试访问困难，需特殊调度

互连密度：TSVs/mm²
热阻：三维堆叠热阻增加，温度升高
成品率：堆叠后成品率 = Π 单层成品率

二维集成

908

近似计算调度

精度与能效权衡

精度需求分析、近似单元选择、误差控制

1. 误差容忍分析：应用可容忍的误差范围
2. 近似技术：电压过驱、精度可调单元、算法近似
3. 误差监控：监控误差在允许范围内

能效提升：E_saving = (1 - P_approx/P_exact) × 100%
误差度量：MSE, PSNR, 应用特定度量
质量控制：误差超过阈值时回退精确计算

精确计算

909

电压频率岛调度

多电压频率域管理

电压频率调节、功耗状态迁移

1. 工作负载分析：不同负载需求不同性能
2. DVFS：动态电压频率调整
3. 功耗状态迁移：活跃、空闲、休眠状态切换

功耗：P ∝ C·V²·f
性能：performance ∝ f
迁移开销：T_switch, E_switch

全局统一电压频率

910

暗硅管理调度

功耗限制下核心管理

核心启用/关闭、任务迁移、热管理

1. 功耗预算：芯片总功耗受散热限制
2. 核心选择：在功耗预算内启用性能最好的核心
3. 任务迁移：将任务迁移到开启的核心

可用核心比例：A = P_budget / (N·P_max_core)
暗硅比例：D = 1 - A
性能优化：max performance s.t. P_total ≤ P_budget

全核心开启

911

芯片可靠性调度

老化、软错误、变化容忍

任务调度考虑可靠性、老化感知、冗余

1. 老化感知：避免长时间高电压高温加速老化
2. 软错误：关键任务冗余执行
3. 变化容忍：工艺变化导致性能差异，调度考虑

故障率：λ(t) = λ_0·e^{α·t·V·T}
老化模型：V_th shift, mobility degradation
可靠性目标：MTTF > 目标值

忽视可靠性

912

芯片安全调度

防侧信道攻击、安全分区

资源隔离、时间调度安全、功耗伪装

1. 时间侧信道：固定时间执行，防止通过时间推断信息
2. 功耗侧信道：添加噪声或恒定功耗设计
3. 安全分区：关键与非关键任务隔离

安全等级：confidentiality, integrity, availability
侧信道泄露：信息通过时间、功耗、电磁辐射泄露
防护开销：性能损失，面积增加

无安全考虑

913

神经形态芯片调度

脉冲神经网络调度

神经元映射、脉冲路由、学习调度

1. 神经元映射：将SNN神经元映射到硬件神经元
2. 脉冲路由：脉冲在芯片上路由到目标神经元
3. 在线学习：STDP等学习规则调度

功耗：事件驱动，稀疏活动，功耗低
实时性：脉冲处理延迟低
可扩展性：神经元数量 scalability

传统神经网络硬件

914

量子经典混合调度

量子与经典计算协同

任务划分、迭代优化、错误缓解

1. 量子优势识别：识别量子有优势的子任务
2. 混合算法：如VQE，经典优化量子参数
3. 错误缓解：量子结果后处理减少错误

量子加速：理论指数或多项式加速
量子比特数：N，门深度：D
保真度：F，影响结果质量

纯经典计算

915

可重构数据流调度

数据流架构任务调度

数据流图编译、硬件资源分配、流水线调度

1. 数据流图：将计算表示为数据流图
2. 硬件映射：将操作映射到处理单元
3. 流水线：数据流流水线执行

并行度：数据流天然并行
吞吐：流水线吞吐高
延迟：流水线深度影响延迟

控制流架构

916

内存计算存算一体调度

存算一体架构优化

计算模式映射、数据布局、精度优化

1. 计算模式：矩阵向量乘、搜索等适合存内计算
2. 数据布局：数据布局优化减少计算开销
3. 精度权衡：存内计算精度有限，算法需适应

能效优势：减少数据移动，能效高
应用限制：适合特定计算模式
集成：与数字逻辑集成

传统存算分离

917

异步电路调度

异步电路事件驱动

握手协议、延迟匹配、功耗管理

1. 握手协议：请求-确认握手控制数据流
2. 延迟匹配：匹配不同路径延迟
3. 功耗特性：无时钟，功耗随活动变化

功耗优势：无时钟功耗，功耗与活动成正比
性能：平均性能高，但最坏情况性能不确定
设计复杂度：异步设计复杂

同步电路

918

近似存储调度

存储精度与容量权衡

多级存储、压缩、近似数据表示

1. 数据重要性：关键数据精确存储，非关键近似
2. 近似技术：浮点转定点、数据截断、有损压缩
3. 误差传播：控制近似误差不超阈值

容量增益：C_approx / C_exact
误差影响：应用输出误差评估
能效：近似存储功耗低

精确存储

919

芯片测试调度

测试时间与覆盖率优化

测试模式生成、测试应用、故障诊断

1. 测试压缩：压缩测试模式减少测试数据量
2. 并行测试：多个芯片或模块并行测试
3. 内置自测试：BIST减少外部测试依赖

测试时间：T_test = patterns × scan_length / frequency
覆盖率：故障覆盖率，目标>99%
测试功耗：测试时功耗可能高于正常

功能测试

920

芯片老化均衡调度

均匀老化延长寿命

任务分配、电压温度管理、磨损均衡

1. 任务分配：将任务均匀分配到各单元
2. 压力管理：避免长期高压高温
3. 磨损均衡：类似SSD，均衡晶体管老化

老化指标：BTI, HCI, EM等老化效应
寿命模型：TTF = f(V, T, activity)
均衡目标：最小化最大老化度

无老化管理

921

芯片热梯度调度

温度分布管理

热点避免、任务迁移、冷却优化

1. 热监控：温度传感器监控芯片温度分布
2. 任务迁移：从热点迁移任务到冷区域
3. 动态冷却：调整风扇速度、液体冷却流量

温度分布：T(x,y)，热点温度T_hotspot
热迁移开销：任务迁移延迟 + 性能损失
冷却功耗：P_cooling

忽视热梯度

922

工艺变化适应调度

适应芯片制造差异

性能分级、自适应调节、冗余利用

1. 测试分级：测试芯片性能，分级为不同档次
2. 自适应：根据实际性能调节电压频率
3. 冗余：有缺陷单元用冗余单元替换

性能分布：芯片性能正态分布，σ/μ为变异系数
分级收益：将芯片用在合适应用，提高良率
自适应增益：提升平均性能或降低功耗

无视变化

923

芯片电源门控调度

精细功耗管理

电源门控决策、唤醒策略、状态保持

1. 门控决策：预测空闲期，关闭电源
2. 唤醒策略：预测需要，提前唤醒
3. 状态保持：关闭前保存状态，或放弃状态

漏电功耗：P_leakage，电源门控可大幅减少
唤醒延迟：T_wake，从微秒到毫秒
状态保持开销：面积、功耗开销

常开

924

芯片时钟门控调度

动态时钟管理

时钟门控决策、时钟树优化

1. 门控决策：模块空闲时关闭时钟
2. 层次门控：多级时钟门控
3. 时钟树：时钟树功耗优化

动态功耗：P_dynamic ∝ C·V²·f·α，α为活动因子
时钟树功耗：占动态功耗很大比例
门控效率：活动因子降低比例

全局时钟

925

芯片电压岛调度

多电压域管理

电压域划分、电平转换、电压调节

1. 电压域划分：根据性能需求划分不同电压域
2. 电平转换：域间信号电平转换
3. 电压调节：每个域独立调节电压

电压域数量：N，增加灵活性但增加设计复杂度
电平转换器：延迟、面积、功耗开销
电压调节器：效率、响应时间

单电压域

926

芯片频率岛调度

多频率域管理

时钟域划分、时钟生成、同步

1. 频率域划分：不同性能需求不同频率
2. 时钟生成：PLL生成不同频率
3. 跨域同步：异步FIFO或握手同步

时钟域数量：M，增加灵活性但增加复杂度
跨域通信开销：同步器延迟，亚稳态风险
时钟生成功耗：PLL功耗

单频率域

927

芯片电源完整性调度

保证电源质量

去耦电容分配、电流负载均衡、电压降管理

1. 去耦电容：在芯片各处分配去耦电容
2. 电流均衡：避免电流集中导致IR drop
3. 电压降分析：静态和动态电压降分析

IR drop：ΔV = I·R，影响电路性能可靠性
去耦电容：面积开销，但改善电源完整性
电流密度：平均和峰值电流密度

忽视电源完整性

928

芯片信号完整性调度

保证信号质量

串扰控制、时序优化、阻抗匹配

1. 串扰避免：布线间距、屏蔽、编码
2. 时序优化：考虑串扰影响的时序分析
3. 阻抗匹配：端接匹配减少反射

串扰噪声：与耦合电容、信号跳变有关
时序影响：串扰增加延迟或减少延迟
信号眼图：眼高、眼宽衡量信号质量

忽视信号完整性

929

芯片电磁兼容调度

减少电磁干扰

频谱扩展、封装屏蔽、布局优化

1. 频谱扩展：时钟频谱扩展降低峰值干扰
2. 封装：屏蔽封装减少辐射
3. 布局：敏感电路远离噪声源

电磁辐射：频率、电流环路面积、电流变化率决定
合规标准：FCC, CE等辐射标准
抑制技术：增加成本、可能影响性能

无EMC考虑

930

芯片可测试性调度

设计时考虑测试

扫描链插入、BIST、边界扫描

1. 扫描链：将触发器连接为扫描链
2. BIST：内建自测试，测试内存、逻辑
3. 边界扫描：JTAG测试互联

面积开销：扫描、BIST等增加面积
测试时间：扫描链长度影响测试时间
故障覆盖率：目标接近100%

功能测试

931

芯片可调试性调度

设计时考虑调试

跟踪缓冲、触发条件、状态读取

1. 跟踪缓冲：记录关键信号供调试
2. 触发：复杂触发条件捕获特定场景
3. 读取：通过JTAG等接口读取状态

调试能力：可观察性和可控性
面积开销：调试电路增加面积
调试时间：影响问题定位时间

无调试支持

932

芯片安全性调度

硬件安全增强

安全模块、防攻击、安全启动

1. 安全模块：加密引擎、真随机数生成器
2. 防攻击：防侧信道、防故障注入
3. 安全启动：验证固件完整性

安全等级：EAL级别
攻击抵抗：抵抗已知攻击
性能开销：安全功能增加延迟、功耗

无安全功能

933

芯片虚拟化调度

硬件虚拟化支持

多域隔离、资源虚拟化、性能计数

1. 多域：硬件支持多个安全域
2. 资源虚拟化：CPU、内存、IO虚拟化
3. 性能隔离：性能计数器支持隔离

虚拟化开销：VMM介入开销
隔离性：域间隔离强度
硬件支持：VT-x, AMD-V等

软件虚拟化

934

芯片性能监控调度

实时性能监控

性能计数器、事件选择、数据分析

1. 计数器：硬件性能计数器监控事件
2. 事件：选择监控事件(缓存命中、分支误预测等)
3. 分析：性能瓶颈分析

事件类型：架构定义事件
计数器数量：有限，需复用或选择
开销：监控本身开销

无监控

935

芯片功耗监控调度

实时功耗监控

电流传感器、温度传感器、功耗模型

1. 传感器：片上电流、温度传感器
2. 模型：基于事件的功耗模型
3. 控制：根据监控调节功耗

监控精度：传感器精度，模型准确性
响应时间：监控到控制的延迟
开销：传感器面积、功耗开销

无功耗监控

936

芯片错误检测纠正调度

硬件错误处理

ECC、奇偶校验、冗余执行

1. ECC：内存、缓存、寄存器ECC
2. 奇偶校验：简单错误检测
3. 冗余：双模冗余、三模冗余

覆盖范围：可检测/纠正的错误类型
开销：冗余硬件、延迟、功耗
可靠性提升：FIT率降低

无错误处理

937

芯片老化监测调度

实时老化监测

老化传感器、性能退化监测

1. 传感器：专门的老化监测电路
2. 性能监测：监测关键路径延迟变化
3. 预测：预测剩余寿命

老化指标：延迟增加、漏电增加
预测准确度：模型准确性
应用：自适应调节延长寿命

无老化监测

938

芯片自适应电压缩放

根据工作负载调压

关键路径监控、电压调节、错误避免

1. 监控：监控关键路径延迟
2. 调节：降低电压直到接近错误边缘
3. 保护：错误检测回退

电压裕量：正常电压 - 最小工作电压
节能：电压降低，功耗平方降低
风险：工艺、温度、老化变化可能出错

固定电压裕量

939

芯片自适应体偏置

调节阈值电压

体偏置调节、泄漏控制、性能优化

1. 反向体偏置：增加V_th降低漏电
2. 正向体偏置：降低V_th提高性能
3. 自适应：根据需求调节

漏电控制：反向体偏显著降低漏电
性能提升：正向体偏提升性能
局限性：阱间距限制偏置范围

固定体偏置

940

芯片温度自适应调度

根据温度调节

降频、迁移任务、调节冷却

1. 温度监测：片上温度传感器
2. 响应：温度过高时降频或迁移任务
3. 冷却：调整冷却系统

温度阈值：T_max，超过可能损坏
降频：频率降低，温度降低
迁移：将任务迁移到低温区域

忽视温度

941

芯片电源噪声适应

适应电源噪声

自适应时钟、错误检测、电压调节

1. 噪声监测：监测电源噪声
2. 适应：增加时序裕量或降低频率
3. 纠正：错误检测纠正

噪声源：同时开关噪声、谐振等
影响：噪声导致时序违规
适应开销：性能损失

忽视电源噪声

942

芯片多项目调度

多任务多目标优化

任务调度、资源分配、功耗约束

1. 任务图：任务依赖关系
2. 资源约束：处理单元、内存带宽等
3. 目标：性能、功耗、温度等多目标

调度算法：列表调度、启发式、ILP
优化目标：makespan, energy, peak temperature
约束：资源、依赖、功耗、温度

单任务调度

943

芯片实时任务调度

保证实时性

最坏情况执行时间分析、优先级调度

1. WCET分析：分析任务最坏情况执行时间
2. 调度：RM, EDF等实时调度算法
3. 可调度性测试：测试任务集可调度

实时性：截止期前必须完成
WCET：保守估计，可能悲观
可调度性：必要和充分条件

非实时调度

944

芯片容错任务调度

容忍硬件故障

任务复制、检查点、迁移

1. 复制：任务在多个核心执行，投票
2. 检查点：定期保存状态，故障后恢复
3. 迁移：故障核心任务迁移到健康核心

可靠性提升：容忍N个故障
开销：冗余计算、存储、通信开销
恢复时间：检查点间隔影响恢复时间

无容错

945

芯片节能任务调度

最小化能耗

动态功耗管理、任务合并、负载均衡

1. DPM：关闭空闲核心
2. 任务合并：将小任务合并，减少空闲时间
3. 负载均衡：均衡负载避免局部热点

能耗模型：E = Σ(P_i·t_i)
节能技术：DVFS, 电源门控, 时钟门控
节能 vs 性能：权衡

性能优先

946

芯片热感知任务调度

控制温度

热点避免、任务迁移、动态冷却

1. 热模型：芯片热模型，温度预测
2. 调度：避免在热点区域调度任务
3. 迁移：温度过高时迁移任务

热模型：热阻电容模型
温度约束：T ≤ T_max
冷却功耗：冷却系统功耗

忽视温度

947

芯片老化感知任务调度

均衡老化

任务分配、电压温度管理

1. 老化模型：BTI, HCI老化模型
2. 调度：将任务均匀分配到各核心
3. 管理：避免长期高压高温

老化指标：每个核心的老化程度
均衡目标：最小化最大老化
寿命延长：均衡老化延长芯片寿命

无老化感知

948

芯片工艺变化感知调度

适应制造差异

核心分类、任务匹配、自适应调节

1. 测试：测试每个核心性能
2. 分类：高性能核心、低性能核心
3. 匹配：关键任务分配给高性能核心

性能分布：核心频率分布
匹配收益：提高整体性能或降低功耗
自适应：根据实际性能动态调节

无视变化

949

芯片可靠性感知调度

考虑可靠性约束

故障率模型、任务分配、冗余

1. 故障率：每个核心的故障率可能不同
2. 关键任务：分配给高可靠性核心
3. 冗余：对高可靠性任务冗余执行

可靠性模型：每个核心的λ_i
系统可靠性：R_system = f(R_core_i, 调度)
约束：任务可靠性需求

忽视可靠性

950

芯片安全感知调度

防侧信道攻击

时间恒定、功耗伪装、资源隔离

1. 时间侧信道：任务执行时间恒定化
2. 功耗侧信道：添加噪声任务
3. 隔离：安全任务与非安全任务隔离

安全要求：机密性、完整性
侧信道防护：防护强度与开销权衡
认证：安全调度器本身需安全

无安全调度

951

芯片服务质量调度

多应用QoS保证

资源预留、优先级、准入控制

1. 资源预留：为高QoS应用预留资源
2. 优先级：高优先级应用优先
3. 准入控制：保证QoS才接受新应用

QoS参数：带宽、延迟、抖动
保证：硬保证、软保证
资源共享：统计复用提高利用率

尽力而为

952

芯片带宽管理调度

内存带宽分配

带宽分配、仲裁、优先级

1. 分配：为每个请求者分配带宽
2. 仲裁：固定优先级、轮询、基于信用
3. 监控：实际带宽使用监控

带宽需求：每个请求者的带宽需求
仲裁公平性：防止饿死
效率：带宽利用率

无管理

953

芯片缓存分区调度

多应用缓存隔离

路分区、颜色分区、动态调整

1. 静态分区：每个应用固定缓存路
2. 动态分区：根据访问模式调整
3. 监控：缓存使用监控

分区粒度：路级、集级
隔离效果：应用间干扰减少
监控开销：性能计数器开销

共享缓存

954

芯片预取调度

多应用预取管理

预取器共享、干扰避免、动态调节

1. 共享：多个应用共享预取器资源
2. 干扰：一个应用的预取可能干扰另一个
3. 调节：动态调节预取强度

预取准确度：预取有用性
干扰：预取污染其他应用数据
自适应：根据行为调整预取

独立预取

955

芯片功率门控调度

精细功率门控

门控决策、唤醒预测、状态保存

1. 决策：预测空闲期决定是否门控
2. 预测：预测任务到来提前唤醒
3. 保存：状态保存或丢弃

漏电节省：门控后漏电接近0
唤醒延迟：从门控状态唤醒延迟
状态保存开销：保存恢复状态的开销

时钟门控

956

芯片时钟门控调度

动态时钟门控

门控决策、层次门控、验证

1. 决策：组合条件决定是否门控时钟
2. 层次：多级门控提高效率
3. 验证：确保功能正确

活动因子降低：α降低比例
功耗节省：P_save = P_dynamic·(1-α_new/α_old)
面积开销：门控单元面积

无时钟门控

957

芯片电压频率调节调度

动态电压频率调节

DVFS决策、调节粒度、转换开销

1. 决策：根据负载调节电压频率
2. 粒度：核心级、集群级、芯片级
3. 转换：电压频率转换时间与功耗

功耗节省：P ∝ V²·f，降低V/f节省功耗
性能损失：频率降低性能线性降低
转换开销：时间、功耗、稳定性

固定V/f

958

芯片体偏置调节调度

自适应体偏置

反向体偏、正向体偏、调节策略

1. 反向体偏：提高V_th降低漏电
2. 正向体偏：降低V_th提高性能
3. 调节：根据需求调节体偏压

漏电控制：反向体偏显著降低漏电
性能提升：正向体偏提升性能，但增加漏电
设计限制：阱间距、偏置范围

固定体偏

959

芯片热调节调度

动态热管理

降频、迁移、任务调度、冷却

1. 响应：温度超过阈值触发响应
2. 降频：降低频率减少功耗发热
3. 迁移：将任务迁移到低温核心

热模型：温度变化动力学
响应策略：激进或保守
性能影响：热管理导致性能损失

无热管理

960

芯片老化补偿调度

补偿老化效应

电压提升、频率降低、体偏调节

1. 监测：监测老化指标(延迟增加)
2. 补偿：提升电压或降低频率补偿延迟
3. 调节：调节体偏置补偿V_th漂移

老化补偿：电压提升补偿延迟，但增加功耗
寿命延长：补偿后满足性能要求更长时间
自适应：根据老化程度自适应补偿

无补偿

961

芯片变化补偿调度

补偿工艺变化

分级、自适应调节、冗余

1. 分级：测试后分级，不同档不同电压频率
2. 自适应：每个芯片自适应调节到最优点
3. 冗余：有缺陷单元用冗余替换

变化补偿：自适应调节提高良率或性能
分级收益：将芯片用在合适应用
测试成本：测试和分级增加成本

无视变化

962

芯片错误恢复调度

错误检测恢复

检查点、回滚、重试、修复

1. 检查点：定期保存状态
2. 回滚：错误后回滚到最近检查点
3. 重试：重试操作，可能软件或硬件

恢复时间：检查点间隔+恢复操作时间
开销：检查点开销(时间、存储)
覆盖错误：瞬时错误、永久错误

无错误恢复

963

芯片安全启动调度

安全启动过程

完整性验证、认证、安全加载

1. 验证：验证引导代码完整性
2. 认证：认证代码来源
3. 加载：安全加载后续代码

启动时间：验证和认证增加启动时间
安全存储：存储根密钥的安全存储
抗攻击：抵抗物理攻击、故障注入

普通启动

964

芯片调试追踪调度

实时调试追踪

追踪使能、过滤、缓冲管理

1. 使能：选择追踪事件
2. 过滤：过滤无关事件减少数据量
3. 缓冲：追踪缓冲管理

追踪数据量：大量数据，需压缩或过滤
调试能力：可观察性
面积开销：追踪电路面积

无调试追踪

965

芯片性能分析调度

性能分析支持

性能计数器、采样、统计分析

1. 计数器：配置性能计数器监控事件
2. 采样：事件触发采样
3. 分析：统计分析性能数据

事件选择：有限计数器，需选择关键事件
开销：监控本身开销
准确性：采样可能引入偏差

无性能分析

966

芯片功耗分析调度

功耗分析支持

功耗传感器、模型、分析

1. 传感器：片上功耗传感器
2. 模型：功耗模型校准
3. 分析：功耗分解分析

精度：传感器精度，模型准确性
粒度：模块级、指令级功耗分析
实时性：实时功耗监控

无功耗分析

967

芯片可靠性分析调度

可靠性分析支持

老化监测、错误检测、寿命预测

1. 监测：老化监测电路
2. 检测：错误检测电路
3. 预测：寿命预测模型

可靠性指标：FIT, MTTF
预测准确性：模型准确性<br

968

量子门编译调度​

最小化物理门数和电路深度

量子门分解、量子比特路由、并行化

1. 门集转换：将算法级量子门（如Toffoli）分解为硬件原生门集（如 Clifford+T）。
2. 量子比特映射与路由：根据芯片拓扑（如网格），通过插入SWAP门解决逻辑比特到物理比特的映射，使交互比特相邻。
3. 调度与并行：将无依赖关系的门安排在同一时间步执行。

优化目标：min(Depth, Gate Count)
路由开销：#SWAPs， 增加深度和错误率。
编译方法：基于模板的替换、启发式搜索（如贪心、A*）、SAT求解。

量子电路编译， 量子程序优化

直接映射（忽略拓扑）

969

量子云资源调度​

最大化量子处理器利用率与用户公平性

作业排队、量子处理器（QP）分配、校准窗口

1. 作业剖析：分析作业所需量子比特数、预估运行时间、容忍的错误率。
2. 资源状态：检查QP的校准状态、门错误率、可用量子比特数。
3. 调度策略：FIFO、优先级（如科研优先）、最短作业优先（SJF）， 需考虑校准任务抢占。

作业完成时间：T_complete = T_queue + T_execute + T_readout
系统利用率：U = Σ T_execute / (N_QP * T_total)
公平性指数：Jain‘s Fairness Index。

量子云计算平台（如IBM Q, Rigetti）

经典超算作业调度

970

量子-经典协同调度​

优化混合算法（如VQE, QAOA）的迭代效率

控制量子-经典循环、资源分配、收敛判断

1. 迭代控制：调度“量子态制备与测量”和“经典参数优化”的交替执行。
2. 资源感知：量子资源昂贵且易错， 经典资源相对廉价； 决定每次迭代的量子测量次数（Shots）。
3. 收敛监控：根据经典优化器反馈（如梯度、能量变化）判断是否终止。

总时间：T_total = N_iter * (T_qpu + T_classic)
收敛曲线：期望为指数或线性下降。
精度-资源权衡：更多Shots和迭代提升精度， 但增加成本和时间。

量子化学模拟、组合优化

纯量子算法、纯经典优化

971

量子网络路由调度​

最大化端到端纠缠分发速率与保真度

路径选择、纠缠交换决策、量子存储管理

1. 路径发现：在多跳量子网络中寻找可用路径建立纠缠。
2. 纠缠交换：在中间节点调度贝尔态测量（BSM）， 连接两段短程纠缠为长程纠缠。
3. 存储调度：管理量子存储器， 协调不同纠缠对的存储时间， 以匹配交换时机， 同时对抗退相干。

端到端纠缠率：R = min(R_link) / (hop_count)（理想）
保真度衰减：F_end ≈ F_0^hop_count（存在噪声）
存储约束：T_storage < T_coherence

量子中继、量子互联网

经典网络路由（如OSPF）

972

神经形态芯片映射调度​

最大化能效与吞吐， 实现脉冲神经网络（SNN）高效执行

神经元与突触映射到硬件核、脉冲事件路由

1. 神经元映射：将SNN神经元集群映射到神经形态处理核心（NeuroCore）， 考虑神经元间的连接密度。
2. 突触映射：将突触权重存储到核心内的交叉阵列或近存计算单元。
3. 事件路由：调度脉冲（Spike）在芯片上的通信网络（NoC）中传递到目标神经元核心。

硬件约束：每个核心的神经元容量、突触容量、输入/输出带宽。
优化目标：最小化核心间通信、均衡各核心负载。
能效优势：事件驱动， 仅在脉冲发生时耗能。

类脑计算、低功耗模式识别

传统深度学习加速器调度

973

忆阻器阵列写调度​

最小化写操作能耗与延迟， 提高耐久性

写电压脉冲幅度/宽度、验证读、写补偿

1. 写策略：采用“RESET-SET”或“增量式脉冲编程”（ISP）。
2. 在线验证：写入后立即读取电阻， 与目标值比较， 未达标则施加补偿脉冲。
3. 磨损均衡：记录单元写次数， 动态调整写入目标单元， 避免局部过早失效。

写能耗：E_write ≈ (V_pulse^2 * t_pulse) / R
写延迟：t_write = t_pulse + t_verify * n_attempts
耐久性模型：N_endurance ∝ 1 / (ΔR)^α

存内计算、非易失性内存、神经形态突触

数字SRAM/DRAM写入

974

光子计算光路调度​

最小化光路建立时间与插入损耗

光开关配置、波长分配、路径计算

1. 开关配置：调度MEMS或热光开关的状态， 建立所需光路。
2. 波长分配：在波分复用（WDM）系统中， 为不同计算任务分配波长， 避免冲突。
3. 路径优化：在光子集成电路（PIC）上计算光波导路径， 最小化弯曲损耗和串扰。

开关时间：微秒至毫秒级。
插入损耗：IL_total = Σ IL_switch + IL_waveguide
串扰：相邻波长或波导间的信号干扰。

光互连、光矩阵计算、量子光学

电子互连调度

975

近似计算任务调度​

最大化能效， 同时满足应用层误差容限

近似单元选择、误差预算分配、关键性识别

1. 误差分析：分析应用（如图像处理、机器学习）对不同计算阶段输出误差的敏感性。
2. 技术选择：为不同任务调度使用不同的近似技术（如电压过驱、近似算术单元、精度可调）。
3. 误差监控：确保运行时总误差在分配的“误差预算”内， 否则回退到精确计算。

能效提升：η = (E_exact - E_approx) / E_exact
误差度量：MSE、PSNR、分类准确率下降。
预算管理：Σ Error_task_i ≤ Error_budget_total

移动设备、IoT、媒体处理

精确计算调度

976

随机计算调度​

在给定精度下最大化吞吐或最小化面积

随机比特流长度控制、计算单元复用

1. 精度-吞吐权衡：更长的随机比特流（L）带来更高精度（误差∝1/√L）， 但降低吞吐。
2. 流生成调度：调度线性反馈移位寄存器（LFSR）或真随机数生成器（TRNG）产生随机流。
3. 计算调度：利用随机计算中单比特线可串行处理的特点， 深度复用计算单元。

精度：σ_error ∝ 1 / sqrt(L)
面积效率：用单个晶体管或门实现算术运算。
应用：低精度神经网络、图像滤波。

超低功耗电路、容错计算

定点/浮点计算调度

977

3D IC热感知任务调度​

控制芯片温度， 防止热热点， 保证可靠性与性能

任务在垂直堆叠核间的分配、热紧急迁移、动态调频调压（DVFS）协同

1. 热模型预测：根据任务功耗模型和三维热传导模型， 预测任务放置后的温度分布。
2. 预防性调度：将高功耗任务分散到不同层和空间位置， 避免垂直对齐形成热柱。
3. 反应性调度：温度传感器触发时， 将任务从过热核迁移到凉爽核， 或降低频率。

温度模型：T(x,y,z,t)， 求解热扩散方程。
热可靠性：MTTF ∝ exp(E_a / kT)， 温度升高显著降低寿命。
冷却开销：液体冷却或热电冷却的泵功耗。

3D堆叠处理器、高密度服务器

2D平面调度

978

可穿戴设备感知调度​

最大化连续监测时长（电池寿命）， 满足健康数据质量

多传感器采样率自适应、边缘处理触发、无线通信时机

1. 上下文感知：根据用户活动状态（睡眠、步行、跑步）动态调整传感器（心率、血氧、加速度计）采样率。
2. 边缘智能：在设备端调度轻量级AI模型处理原始数据， 仅在检测到异常（如心律不齐）时调度高功耗的通信模块上传摘要。
3. 预测性采样：基于历史生理周期， 在关键时间窗口提高采样频率。

电池寿命：T_battery = Capacity / (P_sensing + P_processing + P_comm)
数据质量：满足临床要求的采样率与精度。
隐私：数据本地处理减少泄露。

连续健康监测（如智能手表）

固定频率采样

979

能量收集物联网节点调度​

在随机能量输入下最大化任务完成率， 遵守“能量因果律”

能量预测、任务关键性与功耗排序、休眠管理

1. 能量预算预测：根据历史数据（如日照周期）预测短期可收集能量（太阳能、振动能）。
2. 任务调度：遵循“能量因果律”：累计消耗能量不能超过累计收集能量。优先调度关键任务。
3. 自适应休眠：能量不足时， 调度节点进入深度休眠， 仅保留唤醒定时器。

能量动态：E_harvest(t)是随机过程。
能量因果约束：∫P_consume(t) dt ≤ ∫P_harvest(t) dt + E_battery_init
优化目标：Max Σ Reward_task_i * Completion_i

无源IoT、环境监测

持续供电调度

980

存算一体架构调度​

最小化数据移动， 最大化计算阵列利用率

数据流映射、计算/存储分区、近存处理协调

1. 数据流优化：将算法（如矩阵乘、卷积）映射到存算一体（PIM）交叉阵列上， 使权重数据静止， 仅调度输入数据流动。
2. 资源分区：在混合内存（部分支持PIM）中， 调度哪些数据块存放在PIM内存中进行计算， 哪些存放在普通内存。
3. 任务卸载：调度适合的核上任务到PIM单元执行。

性能增益：主要来自减少数据搬运能耗 E_move >> E_compute。
利用率：U_array = Active_Compute_Cells / Total_Cells
编程模型：新的指令集或编译器调度支持。

AI推理加速、科学计算

传统冯·诺依曼架构调度

981

敏捷芯片设计调度​

在芯片开发流程中最大化设计效率与资源利用率

设计任务依赖管理、EDA工具资源分配、仿真/验证任务调度

1. 流程编排：管理RTL设计、综合、布局布线、时序验证、物理验证等任务的依赖关系与并行化。
2. 弹性资源池：在云上动态调度EDA工具许可证和计算服务器， 应对峰值负载（如大规模仿真）。
3. 版本管理：调度不同设计版本的回归测试与验证。

项目周期：T_tapeout = Σ T_stage - Overlap + Wait
资源成本：Cost = Σ (Server_Hours * Rate)
调度目标：在截止日期前完成， 最小化成本。

基于云的芯片设计、敏捷硬件开发

静态本地设计流程

982

芯片生命周期管理调度​

在芯片运行全周期内优化性能、可靠性与能效

老化预测与补偿、故障核心屏蔽、性能状态迁移

1. 健康监测：调度内置传感器读取温度、电压、老化（如NBTI）指标。
2. 适应性调度：根据核心老化程度， 动态调度任务到“更年轻”的核心， 或对老化核心提升电压以补偿性能。
3. 容错调度：当某个核心或缓存段被诊断永久故障， 调度器将其屏蔽， 并在剩余资源上重新分配任务。

老化模型：ΔV_th ∝ sqrt(t) * exp(-E_a/kT)
可靠性函数：R(t) = exp(-λt)， λ随老化增加。
生命周期收益：延长芯片有效服役时间。

高可用服务器、汽车电子

无管理的静态调度

983

异构计算平台统一调度​

对CPU、GPU、FPGA、AI加速器等异构资源进行统一任务分配与负载均衡

任务特征剖析、加速器匹配、数据搬运协调

1. 任务剖析：分析任务的计算模式（并行、流水线、控制密集）、数据规模、精度要求。
2. 最佳执行体选择：调度任务到最合适的硬件单元（如矩阵运算到GPU/NPU， 定制流水线到FPGA）。
3. 数据一致性调度：管理共享内存或缓存一致性， 调度数据在主机与加速器间的DMA传输。

加速比：Speedup = T_cpu / T_accelerator
调度开销：任务启动、数据迁移、同步的延迟。
系统利用率：最大化所有异构单元的利用率。

数据中心、自动驾驶域控制器

单一种类资源调度

984

安全关键系统调度​

保证功能安全与信息安全， 满足ASIL/DoS等级要求

时间分区、资源隔离、健康监控与恢复

1. 时间确定性：为安全关键任务分配固定的、有保障的时间窗口（时间触发调度）。
2. 空间隔离：调度内存保护单元（MPU）或内存管理单元（MMU）配置， 防止非关键任务干扰关键任务。
3. 安全监控：调度看门狗任务和周期性自检任务， 一旦超时或失败， 调度进入安全状态（如降级模式）。

功能安全指标：单点故障度量（SPFM）、潜在故障度量（LFM）。
最坏情况执行时间（WCET）分析。
安全完整性等级（SIL）或汽车安全完整性等级（ASIL）。

汽车电子、航空电子、工业控制

通用性能优化调度

985

众核处理器核间通信调度​

最小化通信延迟与拥塞， 最大化网络吞吐

通信任务映射到网络拓扑、路由算法选择、虚拟通道分配

1. 拓扑感知映射：将通信密集的任务/线程调度到网络上物理位置相邻的核上。
2. 自适应路由：根据网络局部拥塞情况， 动态调度数据包的路由路径（如XY维序路由与绕道路由的切换）。
3. 流量控制：调度基于信用的流控， 防止缓冲区溢出导致死锁。

延迟：Latency = Hop_Count * T_hop + T_contention
吞吐：网络对分带宽。
功耗：P_network ∝ Activity_Factor

大规模众核处理器、片上网络（NoC）

总线或交叉开关调度

986

模拟计算调度​

最大化模拟计算阵列的利用效率和计算精度

模拟变量范围映射、计算序列编排、模数转换调度

1. 范围缩放：将待计算的数学问题（如微分方程）的变量范围， 调度映射到模拟电路（如运算放大器）的线性工作电压区间。
2. 时序编排：调度模拟开关的闭合与断开顺序， 以正确的序列执行积分、求和等操作。
3. 精度管理：调度高精度ADC在关键节点进行采样和校准， 补偿模拟噪声和漂移。

计算精度：受限于热噪声、器件失配、非线性度。
能效优势：对于特定问题（如求解ODE）， 能效可比数字计算高数个量级。
应用：专用模拟AI芯片、实时物理仿真。

全数字计算调度

987

微内核/外核系统调度​

提供极致的可靠性、安全性与实时性

极简内核服务调度、用户态驱动与服务器调度、进程间通信（IPC）优化

1. 服务拆分：将传统OS服务（如文件系统、网络协议栈）作为独立的用户态服务器运行， 内核仅调度最基本的IPC、内存和线程。
2. IPC调度：优化微内核中频繁的IPC调用路径， 采用同步消息传递或共享内存调度， 减少上下文切换开销。
3. 资源授权：外核（Exokernel）直接调度硬件资源给应用， 内核仅负责安全分配和回收。

可靠性：内核代码量极小（万行级）， 故障概率低。
IPC延迟：是性能关键路径， 需极致优化。
安全：服务隔离性好， 漏洞影响范围小。

宏内核（如Linux）调度

988

机密计算任务调度​

在保证数据全程加密（使用中）的前提下执行计算

安全飞地（Enclave）创建/销毁、安全内存区域调度、可信执行环境（TEE）切换

1. 安全区域调度：为机密任务调度CPU和内存中的受保护飞地资源（如Intel SGX, AMD SEV）。
2. 数据调度：调度加密数据从外部进入飞地， 以及结果加密后离开飞地的过程。
3. 证明调度：协调远程验证方， 调度对飞地及其内部代码的完整性证明流程。

性能开销：飞地内外的上下文切换、内存加密解密带来额外延迟。
安全边界：信任计算基（TCB）仅限于飞地内部。
应用：隐私保护机器学习、区块链智能合约。

普通非加密计算调度

989

近数据计算调度​

将计算任务调度到靠近存储的位置， 减少数据搬运

计算任务向存储层卸载、存储介质感知调度、结果聚合

1. 任务分析：识别计算密集型且数据访问密集的任务（如数据库扫描、数据分析）。
2. 卸载决策：调度这些任务的执行到具备计算能力的SSD控制器或近存处理单元（NMP）中。
3. 流水线调度：协调主机CPU与近数据计算单元， 形成处理流水线。

性能收益：Speedup ≈ (Data_Size / Memory_Bandwidth) / (Data_Size / SSD_Bandwidth + Compute_Time_NMP)
能效：移动数据能耗远高于计算能耗。

大数据分析、超大规模数据库

以CPU为中心的计算调度

990

处理器推测执行调度​

最大化指令级并行， 掩盖控制/数据依赖延迟

分支预测与推测执行、内存依赖推测、错误恢复调度

1. 控制推测：基于分支预测器结果， 调度后续指令在分支结果确认前推测性执行。
2. 数据推测：预测加载指令的地址或值， 调度依赖该值的指令提前执行。
3. 恢复调度：当推测错误时， 调度流水线清空、寄存器状态恢复， 并从正确路径重新开始。

性能提升：IPC_ideal > IPC_real， 推测弥补了依赖延迟。
预测准确率：关键指标（如>95%）。
错误恢复开销：浪费的执行周期和能量。

现代高性能CPU微架构

顺序执行

991

内存控制器调度​

最大化内存带宽利用率， 降低访问延迟， 满足公平性

读写请求重排序、行缓冲区管理、命令调度

1. 行缓冲区命中优化：优先调度访问已打开行（Row Buffer Hit）的请求， 避免耗时的预充电和激活操作。
2. 读写调度：平衡读写请求， 防止写请求阻塞读请求（读延迟更关键）。
3. 地址映射调度：结合地址映射策略， 将并发请求调度到不同的内存通道、芯片、Bank， 最大化并行性。

延迟：t_access = t_RCD + t_CL + t_BL + t_WTR ...
带宽：Bandwidth = Frequency * Bus_Width * Utilization
调度策略：FR-FCFS（先就绪-先来先服务）等。

所有计算系统的DRAM访问

简单的FIFO调度

992

缓存替换与插入策略调度​

最大化缓存命中率， 适应多样化的访问模式

替换候选选择、新行插入位置、旁路决策

1. 替换决策：在缓存满时， 根据历史访问信息（如LRU栈深度、重用距离）调度哪个缓存行被替换。
2. 插入策略：新载入的行不一定放在LRU位置， 可能调度到中间位置（如LRU Insertion Policy, LIP）或根据预判进行旁路（Bypass）。
3. 自适应调度：监控访问流特征， 动态调度使用不同的替换/插入策略。

命中率：HR = Hits / Accesses
重用距离分布：指导策略选择。
Belady‘s MIN：理论最优替换算法的代价。

所有层次的CPU缓存

经典的LRU

993

预取器调度与协同​

准确预测未来访问地址， 及时发起预取

预取算法选择、预取深度/幅度调整、预取请求优先级调度

1. 模式识别：调度不同的预取器（如 stride, stream, ML-based）来识别不同的访问模式。
2. 激进度控制：根据缓存压力、预取准确率动态调度预取的提前量（深度）和数量（幅度）。
3. 资源仲裁：调度预取请求与核心需求请求对内存带宽和缓存空间的竞争。

预取覆盖率：Coverage = Prefetch_Hits / Demand_Misses
准确率：Accuracy = Prefetch_Hits / Total_Prefetches
及时性：预取数据应在需求之前到达， 但不过早被替换。

科学计算、数据库、游戏

无预取

994

电压/频率岛调度​

在芯片不同区域实施独立的DVFS， 实现细粒度能效优化

各电压频率岛（V/F Island）工作点设置、任务分区与迁移、跨岛通信同步

1. 任务特征分区：将频率敏感型任务调度到高频岛， 将内存受限型任务调度到低频岛。
2. 工作点搜索：为每个岛调度最优的（V, F）对， 在满足性能约束下最小化总功耗 P ∝ C * V^2 * F。
3. 迁移开销管理：调度跨岛任务迁移的时机， 考虑数据迁移和电压转换的延迟与能耗。

功耗模型：P_dynamic = α C V^2 F， P_static ∝ V。
性能约束：Cycle_Count / F ≤ Deadline。
转换开销：E_overhead = C_rail * ΔV^2。

多核处理器、SoC

全局统一的DVFS

995

图形处理器（GPU）线程块调度​

最大化GPU流多处理器（SM）的利用率和内存带宽隐藏

线程块（Block）到SM的分配、Warp调度、内存访问合并

1. 资源感知分配：根据线程块对寄存器、共享内存的需求， 调度其到有足够资源的SM上。
2. Warp调度：在每个SM内， 调度哪个就绪的Warp（32线程）在下一个周期执行， 以隐藏内存访问延迟（零开销线程切换）。
3. 内存协同：调度内存访问， 使同一Warp内的线程访问连续地址， 实现合并访问（Coalescing）， 最大化内存带宽。

占用率：Occupancy = Active_Warps / Max_Warps， 影响延迟隐藏能力。
内存延迟：数百周期， 需大量活跃Warp来隐藏。
性能：GFLOPs, Bandwidth Utilization。

通用GPU计算（GPGPU）

CPU线程调度

996

现场可编程门阵列（FPGA）任务调度​

动态管理可重构资源， 实现多任务时分复用

硬件任务布局布线、任务上下文保存/恢复、部分重配置调度

1. 布局规划：为新的硬件任务（比特流）在FPGA的空白区域调度布局位置， 满足其逻辑和布线资源需求。
2. 重配置调度：当切换任务时， 调度部分重配置（PR）过程， 决定是直接覆盖还是先保存当前任务上下文。
3. 碎片整理：长期运行后， 调度空闲资源整理任务， 合并碎片化区域以容纳更大任务。

重配置时间：T_reconfig ∝ Bitstream_Size / Config_Bandwidth
资源利用率：二维平面区域的利用率。
上下文切换开销：保存/恢复状态的时间和逻辑资源。

云FPGA、航天器、通信基站

静态FPGA设计

997

异步电路握手调度​

实现无时钟、高能效、鲁棒性强的电路操作

握手协议（Req/Ack）控制、数据驱动计算、延迟匹配

1. 协议选择：调度使用四相位或两相位握手协议。
2. 事件驱动：仅当输入数据有效（Req）时， 调度计算单元开始工作， 完成后发出完成信号（Ack）。
3. 自定时：通过延迟线匹配计算路径延迟， 自动调度Ack信号的产生， 无需全局时钟。

吞吐：由关键路径延迟决定， 平均吞吐而非最坏情况。
能效：无时钟网络功耗， 无空闲时钟翻转。
鲁棒性：对PVT（工艺、电压、温度）变化不敏感。

同步电路设计

998

错误检测与纠正（ECC）调度​

实时检测并纠正内存/存储中的错误， 平衡开销与可靠性

ECC编码/解码触发、纠错能力选择、故障预测与预防

1. 在线检错：调度对读取数据的ECC校验， 发现单比特错误（SEC）或双比特错误（DED）。
2. 后台巡检：调度后台Scrubbing任务， 定期扫描内存， 主动纠正累积的软错误， 防止发展为硬错误。
3. 自适应增强：当某个内存单元错误率升高时， 调度更强的ECC保护（如Chipkill）或将其退休。

可靠性提升：R_with_ECC = 1 - (1 - R_bit)^n模型变化。
开销：额外的存储位（如64位数据+8位ECC）、计算延迟。
平均无故障时间（MTBF）。

服务器内存、闪存、高可靠性系统

无ECC保护

999

芯片测试与自检调度​

在生产及运行中高效完成芯片功能与故障测试

测试向量生成与应用、内建自测试（BIST）控制、诊断调度

1. 测试调度：调度不同的测试程序（如扫描链测试、内存BIST、逻辑BIST）以覆盖各类故障， 并最小化总测试时间。
2. 功耗管理：调度测试顺序， 防止测试时开关活动率过高导致瞬时功耗超标（IR-drop）。
3. 在线自检：在运行时调度周期性或事件触发的逻辑自检， 检测间歇性故障。

测试覆盖率：Fault_Coverage = Detected_Faults / Total_Faults
测试时间：T_test = (#Patterns) * (T_clock)
良率：Yield = f(Defect_Density, Fault_Coverage)。

芯片制造、汽车电子功能安全

无自检的系统

1000

系统级芯片（SoC）电源状态协同调度​

协调SoC中数十个IP核与子系统的电源状态， 实现全局最优能效

电源域开关决策、状态迁移序列、唤醒依赖管理

1. 全局视图：收集所有IP核的闲置预测和性能需求。
2. 状态决策：为每个电源域调度目标电源状态（On, Retention, Off）。考虑状态迁移的延迟和能耗开销。
3. 有序迁移：调度状态迁移序列， 遵守电源轨的上电/下电顺序和IP核间的唤醒依赖关系， 防止闩锁或功能错误。

电源状态：每个状态对应 (P_power, T_entry, T_exit, E_entry, E_exit)。
优化目标：Min Σ (E_active + E_overhead)s.t. Performance_SLA。
复杂度：状态组合爆炸， 需启发式或强化学习。

移动设备SoC（如手机AP）、物联网芯片

独立的、局部的电源管理

基础队列调度​

先进先出 (FIFO)

简单、低开销

按到达顺序服务， 无优先级区分。

优先级队列 (PQ)

绝对优先级保障

高优先级队列永远优先于低优先级队列， 可能导致低优先级饿死。

加权公平队列 (WFQ)

带宽按权重分配， 保证公平性

为每个流模拟广义处理器共享（GPS）模型， 按完成时间排序服务。

公平队列变种​

赤字轮询 (DRR)

低复杂度公平队列

为每个队列维护“赤字计数器”， 轮询服务， 复杂度O(1)。

最坏情况公平WFQ (WF²Q)

更精确的公平性

在WFQ基础上， 只服务那些在GPS模型中已经开始的包， 减少不公平性。

拥塞控制与AQM​

随机早期检测 (RED)

避免全局同步， 控制平均队列长度

计算平均队列长度， 在队列满之前以一定概率随机丢弃/标记包。

显式拥塞通知 (ECN)

无丢包拥塞信号

与RED等结合， 将概率丢弃改为概率标记（ECN标记）， 由接收端通知发送端减速。

可控队列管理 (CoDel)

解决Bufferbloat， 控制驻留延迟

监控包在队列中的驻留时间， 超过阈值则持续丢包， 不依赖队列长度。

流量整形与管制​

令牌桶 (TB)

平滑流量， 限制突发

以恒定速率产生令牌， 包需要令牌才能发送， 控制平均速率和突发大小。

漏桶 (LB)

严格平滑流量

以恒定速率向外漏水（发送包）， 无论输入多快， 输出速率恒定。

高级与特定网络调度​

核心无状态公平队列 (CSFQ)

在核心路由器实现公平性而无状态

边缘路由器计算流速率并标记在包中， 核心路由器仅基于标记进行概率丢弃。

最早截止时间优先 (EDF)

满足实时流量截止期

为每个包分配截止时间， 优先发送截止时间最早的包。

分层令牌桶 (HTB)

复杂的层次化带宽管理

创建树状结构的带宽类， 实现租户间和租户内的多层次带宽保证和借用。

可编程网络调度​

P4程序调度

数据平面行为完全可编程

开发者用P4语言定义包头解析、匹配-动作流水线、拥塞控制逻辑等。

服务功能链 (SFC)调度

网络服务按序灵活编排

将防火墙、负载均衡器等虚拟网络功能（VNF）按业务需求串接成链并调度流量。

1001

先进先出队列调度 (FIFO)

简单实现，保持包顺序

包到达顺序决定发送顺序

1. 包到达时加入队列尾部
2. 发送时从队列头部取包
3. 队列满时丢弃新到达的包（尾丢弃）

队列模型：Q(t+1) = max(0, Q(t) + A(t) - S(t))
A(t)：到达包数，S(t)：服务能力
平均延迟：E[D] = E[Q]/λ（Little定律）

简单路由器、基础网络设备

优先级队列，加权公平队列

1002

优先级队列调度 (PQ)

保证高优先级流量低延迟

根据优先级选择发送的包

1. 多个优先级队列，高优先级队列优先服务
2. 仅当高优先级队列为空时才服务低优先级队列
3. 可能造成低优先级队列饿死

优先级等级：P=1,2,...,N，1为最高
服务规则：if Q1非空 then serve(Q1) else if Q2非空 then serve(Q2) ...
饿死问题：低优先级流量可能永远得不到服务

VoIP、网络控制流量

加权公平队列

1003

加权公平队列调度 (WFQ)

按权重公平分配带宽，支持不同流量需求

计算每个流的虚拟完成时间，按最小虚拟完成时间发送

1. 为每个流维护虚拟时间V(t)
2. 包到达时计算虚拟开始时间S = max(V(t), F_prev)和虚拟完成时间F = S + L/φ
3. 发送虚拟完成时间最小的包

虚拟时间更新：V(t+τ) = V(t) + τ * W(t)
W(t)：活跃流数
包虚拟完成时间：F_i^k = max(V(A_i^k), F_i^{k-1}) + L_i^k/φ_i
φ_i：流i的权重

企业网络QoS，ISP差异化服务

赤字轮询，基于类的队列

1004

赤字轮询调度 (DRR)

低复杂度公平队列，实现公平带宽分配

维护赤字计数器，轮询服务各队列

1. 每个队列有量子Q_i和赤字计数器DC_i
2. 轮询时：DC_i += Q_i
3. 服务队列直到包长L > DC_i或队列空
4. 剩余DC_i保留到下一轮

量子：Q_i = MTU或基于权重
赤字更新：DC_i = DC_i + Q_i
服务：while (队首包长L ≤ DC_i) { send(packet); DC_i -= L; }
复杂度：O(1)

高速路由器，低成本公平队列

加权公平队列

1005

基于类的队列调度 (CBQ)

层次化带宽管理，支持流量分类

将流量分类，为每个类分配带宽，支持借用

1. 定义流量类及层次结构
2. 为每个类分配带宽，监控使用量
3. 允许类间借用闲置带宽，但有上限

类层次树：父节点带宽分配给子节点
带宽分配：B_i为类i的保证带宽
借用：类i可借用父节点闲置带宽，但不超过B_borrow_max
惩罚：超过保证带宽的流量可能被降级

ISP流量工程，企业QoS

分层令牌桶

1006

分层令牌桶调度 (HTB)

Linux高级流量控制，层次化带宽管理

层次化令牌桶，精确控制带宽分配

1. 构建树状层次结构，每个节点是令牌桶
2. 子节点可向父节点借用带宽
3. 支持ceil（最大带宽）和rate（保证带宽）

令牌桶参数：rate（保证速率），ceil（最大速率），burst（突发）
令牌更新：tokens = min(tokens + rate*Δt, burst)
借用：子节点缺令牌时向父节点借

Linux流量控制（tc），带宽管理

基于类的队列

1007

随机早期检测调度 (RED)

避免TCP全局同步，控制平均队列长度

基于平均队列长度随机丢包

1. 计算指数加权移动平均队列长度avg
2. 如果avg < min_th，不丢包
3. 如果min_th ≤ avg < max_th，以概率p丢包
4. 如果avg ≥ max_th，丢所有包

平均队列：avg = (1-w)*avg + w*q，w为权重
丢包概率：p = max_p * (avg - min_th)/(max_th - min_th)
目标：保持avg在(min_th, max_th)间

路由器拥塞避免，缓冲膨胀控制

尾丢弃，加权RED

1008

加权随机早期检测调度 (WRED)

为不同流量类别提供差异化丢包

基于IP优先级或DSCP设置不同RED参数

1. 根据包优先级/DSCP选择RED参数组(min_th, max_th, max_p)
2. 对每个优先级独立计算丢包概率
3. 高优先级流量有更低的丢包概率

参数映射：priority → (min_th_i, max_th_i, max_p_i)
丢包概率：p_i = f(avg, min_th_i, max_th_i, max_p_i)
目标：保护高优先级流量

区分服务网络，QoS拥塞控制

RED

1009

显式拥塞通知调度 (ECN)

不丢包传递拥塞信号，提高吞吐

标记包而不是丢弃，接收方反馈拥塞

1. 路由器使用RED（或类似）但标记包（设置ECN位）而不是丢弃
2. 接收方通过ACK反馈ECN标记
3. 发送方收到ECN反馈后像遇到丢包一样减速

ECN字段：2位，ECT（支持ECN），CE（经历拥塞）
标记概率：同RED，但改为标记
TCP响应：收到ECE标志后减半拥塞窗口

数据中心，高吞吐低延迟网络

RED，DCTCP

1010

主动队列管理调度 (AQM)

主动管理队列避免拥塞和缓冲膨胀

基于队列度量主动丢包/标记

1. 监控队列度量（长度，延迟）
2. 预测拥塞，在队列满前采取行动
3. 通知发送方减速（丢包或标记）

目标：保持队列长度在理想范围[q_min, q_max]
策略：if q > q_target then drop/mark with probability p(q)
经典算法：RED，CoDel，PIE

现代路由器，缓冲膨胀控制

尾丢弃

1011

比例积分控制器主动队列管理 (PI AQM)

控制队列长度在目标值，快速响应

使用PI控制器计算丢包概率

1. 测量队列长度误差e = q - q_ref
2. PI控制器：p = α*e + β*∫e dt
3. 限制p在[0,1]范围内

PI控制器：p(t) = K_p * e(t) + K_i * ∫_0^t e(τ)dτ
离散形式：p[n] = p[n-1] + a*(e[n] - e[n-1]) + b*e[n]
目标：零稳态误差

路由器AQM实现

RED，CoDel

1012

可控队列管理调度 (CoDel)

控制排队延迟而不是队列长度，解决缓冲膨胀

监控包驻留时间，超阈值持续丢包

1. 跟踪队列中包的最小驻留时间sojourn_time
2. 如果sojourn_time > target持续interval时间，进入丢包状态
3. 丢包状态中每个到达包都丢，直到sojourn_time < target

目标延迟：target（如5ms）
间隔：interval= target/√count，count为连续超阈值次数
最小驻留时间：min_sojourn = min(包排队时间)

家庭网关，缓冲膨胀控制

RED，PIE

1013

蓝队列管理调度 (BLUE)

基于链路空闲和丢包历史调整丢包概率

使用增/减规则调整丢包概率

1. 队列满时增加丢包概率p
2. 链路空闲时减少p
3. p缓慢变化，避免振荡

更新规则：
if (队列满) p = p + δ_inc
if (链路空闲) p = p - δ_dec
限制：p ∈ [0,1]
目标：稳定队列长度

高速网络，TCP拥塞控制

RED

1014

随机指数标记调度 (REM)

同时稳定队列和输入速率

基于价格（标记概率）控制，价格是队列和速率的函数

1. 计算聚合输入速率y和队列长度q
2. 计算价格p = α*(q - q_ref) + β*(y - c)
3. 标记概率= 1 - φ^{-p}，φ>1

价格：p(t) = γ*(q(t)-q_ref) + (y(t)-c)^+
标记概率：m(t) = 1 - φ^{-p(t)}
目标：q→q_ref, y→c

理论AQM，网络稳定性

PI，虚拟队列

1015

自适应虚拟队列调度 (AVQ)

控制链路利用率在目标值，保持低队列

维护虚拟队列，其容量小于实际链路容量

1. 虚拟队列容量C_v = γ*C，γ<1
2. 虚拟队列服务速率μ_v = γ*C
3. 实际包以概率p标记，p基于虚拟队列长度

虚拟队列：Q_v(t+Δt) = max(0, Q_v(t) + λ(t)Δt - γCΔt)
标记概率：p = min(1, Q_v/B_v)，B_v虚拟缓冲大小
目标利用率：γ（如95%）

高速链路拥塞控制

虚拟队列，REM

1016

核心无状态公平队列调度 (CSFQ)

在核心路由器实现公平性而无每流状态

边缘路由器估计流速率并标记，核心路由器基于标记丢包

1. 边缘：估计每个流速率r_i，标记包概率= min(1, α/ r_i)
2. 核心：估计聚合流量速率F，如果F > μ（容量），丢包概率= 1 - μ/F
3. 丢包时，标记小的包（代表大速率流）更可能被丢

边缘标记：p_i = min(1, α/ r_i)，α为公平共享速率估计
核心丢包：p = max(0, 1 - μK/ΣL_i)，K为估计因子
公平性：近似公平队列，但核心无状态

可扩展核心网络公平性

公平队列，核心无状态

1017

最快队列调度 (FQ)

近似WFQ，但计算更简单

维护每个流的队列，轮询服务

1. 每个活跃流有一个队列
2. 轮询各非空队列发送一个包
3. 如果流有多个包，排队等待下一轮

服务方式：for each flow i in round-robin: if Q_i非空 then send(头部包)
公平性：每个流每轮发送一个包，大包流获得更多带宽
复杂度：O(活跃流数)

公平带宽分配简单实现

加权公平队列，赤字轮询

1018

最早截止时间优先调度 (EDF)

保证实时流量截止期

选择截止时间最早的包发送

1. 为每个实时包分配截止时间d = 到达时间 + 延迟约束
2. 调度器总是发送当前队列中截止时间最早的包
3. 可抢占：新到更早截止期包可抢占正在发送的包

可调度条件：Σ (C_i/T_i) ≤ 1，C_i执行时间，T_i周期
截止期：d_i = r_i + D_i，D_i为相对截止期
调度：send packet with min(d_i)

实时网络，音视频传输

速率单调调度

1019

速率单调调度 (RMS)

静态优先级调度周期性实时任务

周期越短优先级越高

1. 为每个周期性流分配静态优先级
2. 优先级与周期成反比：周期越短优先级越高
3. 高优先级可抢占低优先级

可调度条件：Σ (C_i/T_i) ≤ n(2^{1/n}-1)
C_i：包传输时间，T_i：周期
最优静态优先级分配

硬实时系统，控制网络

最早截止时间优先

1020

通用处理器共享调度 (GPS)

理想化的公平队列模型，流体模型

所有流同时以权重比例获得服务

1. 流体模型：数据无限可分
2. 每个流i以速率φ_i * C / Σφ_j接收服务
3. 所有活跃流同时被服务

服务速率：r_i(t) = φ_i * C / Σ_{j∈B(t)} φ_j
B(t)：活跃流集合
理想模型，实际算法（WFQ）近似GPS

理论分析，公平性基准

加权公平队列，分组公平队列

1021

分组公平队列调度 (PGPS/WFQ)

分组化的GPS，实际实现

在分组网络中近似GPS行为

1. 为每个包计算虚拟开始和完成时间（如WFQ）
2. 按虚拟完成时间顺序发送包
3. 最坏情况下与GPS的延迟差有界

延迟差界：`

F_i^{PGPS} - F_i^{GPS}

≤ L_max/C<br>L_max：最大包长，C`：链路容量
实现公平性但需每流状态

1022

最坏情况公平加权公平队列调度 (WF²Q)

改善WFQ的公平性，更接近GPS

只服务在GPS中已经开始服务的包

1. 像WFQ一样计算虚拟开始/完成时间
2. 但只从那些虚拟开始时间小于等于当前虚拟时间的包中选择最早完成时间的包发送
3. 更精确逼近GPS

服务集合：`S(t) = {包i

S_i ≤ V(t)}<br>选择：send packet with min F_i in S(t)`
延迟界：与GPS相同，无额外延迟

需要精确公平性的场景

1023

自时钟公平队列调度 (SCFQ)

简化WFQ计算，使用自时钟虚拟时间

基于包离开事件更新虚拟时间

1. 虚拟时间V(t)定义为正被服务包的虚拟完成时间
2. 新包到达时，S = max(V(t), F_prev)，F = S + L/φ
3. 发送最小F的包

虚拟时间更新：当包p开始发送，V(t) = F_p
简化了虚拟时间计算，但公平性稍差
延迟界：D ≤ (n-1)L_max/C + L_i/φ_i

简化实现的公平队列

WFQ

1024

开始时间公平队列调度 (SFQ)

按虚拟开始时间调度

选择虚拟开始时间最小的包

1. 为包计算虚拟开始时间S = max(V(t), F_prev)
2. 发送S最小的包
3. 与WFQ相似，但按开始时间不是完成时间

调度：send packet with min S_i
与WFQ比较：SFQ更注重先到先服务，WFQ注重完成时间
公平性：不同权衡

公平队列变种

WFQ，SCFQ

1025

完成时间公平队列调度 (FFQ)

按虚拟完成时间调度，即WFQ

选择虚拟完成时间最小的包

同WFQ：send packet with min F_i
F_i = max(V(t), F_i^{prev}) + L_i/φ_i
提供有界延迟和公平性

同WFQ

同WFQ

WFQ，SFQ

1026

虚拟时钟调度 (VC)

为包分配虚拟发送时间，保证时延

类似WFQ，但虚拟时钟基于预留速率

1. 流i有预留速率r_i
2. 包到达时，虚拟时间V_i = max(V_i, real_time)，然后V_i += L_i/r_i
3. 发送最小V_i的包

虚拟时钟：V_i^{k+1} = max(V_i^k, A_i^{k+1}) + L_i^{k+1}/r_i
调度：send packet with min V_i
保证延迟界

保证服务的实时流量

WFQ，EDF

1027

延迟最早截止时间优先调度 (Delay-EDD)

结合延迟和截止期调度

选择(延迟预算 - 已排队时间)最小的包

1. 为包计算剩余时间slack = deadline - current_time
2. 发送slack最小的包
3. 紧急的包优先

slack：s_i = d_i - t
调度：send packet with min s_i
类似EDF但动态计算紧急度

实时应用，紧急数据

EDF，RM

1028

跳数逐跳调度 (HH)

每跳独立调度，无端到端协调

每节点独立运行调度算法（如FIFO，PQ，WFQ）

1. 网络每跳独立做调度决策
2. 无全局协调，可能产生不公平累积
3. 简单，可扩展

端到端性能是各跳性能的组合
不公平性可能逐跳累积
简单部署

传统互联网，无协调网络

端到端调度，网络演算

1029

核心无状态调度 (Core-Stateless)

核心路由器无每流状态，边缘处理

边缘路由器分类、标记，核心简单处理

1. 边缘：流分类、测量、标记（如DSCP）
2. 核心：基于标记简单处理（如优先级队列，WRED）
3. 核心路由器不需要维护每流状态

架构：边缘复杂，核心简单
可扩展性：支持大量流
例子：DiffServ，CSFQ

互联网核心，大规模网络

每流状态调度

1030

流量调节调度 (Traffic Conditioning)

使流量符合约定规范

测量流量，对不合规包做标记/丢弃/整形

1. 测量流量速率（如令牌桶）
2. 如果流量在规范内，通过
3. 如果超出，标记（如降级）或丢弃

条件动作：if (符合规范) then pass else if (可标记) then mark else drop
规范：(平均速率，突发大小)

服务等级协议（SLA）执行

流量整形，管制

1031

流量整形调度 (Traffic Shaping)

平滑输出流量，减少突发

缓存包，以恒定或受控速率发送

1. 使用令牌桶或漏桶控制发送速率
2. 包到达时如果令牌不足，则缓存直到有足够令牌
3. 输出流量符合整形器参数

令牌桶整形：if (tokens ≥ L) { send(packet); tokens -= L; } else { queue(packet); }
平滑突发，增加延迟

流量工程，减少拥塞

流量管制

1032

流量管制调度 (Traffic Policing)

丢弃或标记超出规范的流量

严格检查，对超出部分立即采取措施

1. 使用令牌桶测量
2. 如果包到达时令牌不足，则丢弃或标记
3. 不缓存包，立即决定

动作：if (tokens ≥ L) { pass; tokens -= L; } else { drop or mark; }
不增加延迟，但可能丢包

网络边界，SLA强制

流量整形

1033

令牌桶整形调度 (Token Bucket Shaper)

控制平均速率，允许一定突发

以速率r产生令牌，桶容量b，包需要令牌才能发送

1. 令牌以速率r累积，最多b个
2. 包长L需要L个令牌
3. 如果令牌足够，立即发送；否则排队等待

令牌更新：tokens = min(b, tokens + r*Δt)
发送条件：tokens ≥ L
输出：平均速率r，突发b

流量整形，带宽限制

漏桶整形

1034

漏桶整形调度 (Leaky Bucket Shaper)

强制恒定输出速率，无突发

包以恒定速率从漏桶流出

1. 包到达进入桶（队列）
2. 桶以恒定速率μ漏出包
3. 如果桶满，新包丢弃

队列动态：Q(t+Δt) = max(0, Q(t) + A(t) - μ*Δt)
输出速率恒定=μ
平滑流量，但可能增加延迟

ATM网络，恒定比特率

令牌桶整形

1035

异步传输模式调度 (ATM)

固定信元交换，支持多种服务类别

根据服务类别（CBR，VBR，ABR，UBR）调度信元

1. CBR：固定带宽，严格优先级
2. VBR：可变但可预测，保证带宽
3. ABR：可用带宽，流量控制
4. UBR：尽力而为

信元大小：53字节（5字节头，48字节载荷）
调度：基于服务类别优先级
流量合同：(PCR, SCR, MBS, BT)

早期宽带，金融网络

IP网络，MPLS

1036

多协议标签交换调度 (MPLS)

标签交换，快速转发，流量工程

根据标签而不是IP地址转发，支持显式路径

1. 入口路由器压入标签
2. 核心路由器根据标签交换
3. 出口路由器弹出标签
4. 支持快速重路由，流量工程

标签栈：LSP（标签交换路径）
转发等价类（FEC）映射到标签
显式路由：指定路径，不依赖IGP

运营商骨干网，VPN

IP路由，分段路由

1037

分段路由调度 (SR)

源路由，简化网络，灵活路径控制

源节点在包头编码路径（段列表）

1. 段标识（SID）：节点段，邻接段
2. 源节点将SID列表放入包头
3. 中间节点根据活动SID转发
4. 支持流量工程，快速重路由

SR-MPLS：SID编码为MPLS标签
SRv6：SID编码为IPv6地址
路径：[S1, S2, ..., Sn]，逐步弹出

SDN，数据中心，5G回传

MPLS，传统IP

1038

软件定义网络数据平面调度 (SDN)

集中控制，可编程转发

控制器计算流表，交换机匹配-动作

1. 控制器全局视图，计算流表项
2. 交换机接收流表，存储于TCAM/SRAM
3. 包匹配流表项，执行动作（转发，修改，丢弃等）

匹配字段：12元组（入端口，MAC，IP，端口等）
动作：output, set_field, push/pop, goto-table等
流水线：多级流表

数据中心，校园网，ISP

传统分布式路由

1039

可编程数据平面调度 (P4)

数据平面完全可编程，自定义协议处理

用P4语言定义解析器，匹配-动作流水线，逆解析器

1. 定义包头格式和解析图
2. 定义匹配-动作流水线
3. 定义逆解析器组装包
4. 编译到目标设备（交换机，FPGA）

P4程序：parser, match-action pipeline, deparser
可定义新协议，自定义拥塞控制，测量等
目标无关性

新型网络设备，网络创新

OpenFlow，固定功能ASIC

1040

P4调度

在P4程序中实现调度逻辑

在P4流水线中实现队列调度算法

1. 用P4可编程队列和调度器
2. 实现WFQ，DRR等算法
3. 支持自定义调度策略

P4架构：可能包括可编程排队引擎
实现：用P4代码描述调度决策
灵活性：可实验新调度算法

研究，定制交换机

固定调度逻辑

1041

OpenFlow调度

OpenFlow协议控制的调度

通过OpenFlow消息配置队列和调度参数

1. OpenFlow协议定义队列和调度器属性
2. 控制器通过OF消息配置
3. 交换机实现具体调度（如优先级队列）

OF队列：每个端口多个队列，每个队列有min_rate, max_rate
调度类型：可能支持优先级，DRR等
配置：OFP queue config消息

SDN交换机调度配置

厂商特定CLI配置

1042

网络功能虚拟化数据平面调度 (NFV)

虚拟网络功能的数据包处理调度

在虚拟机上运行VNF，处理包转发

1. 虚拟机或容器中运行VNF（防火墙，负载均衡器）
2. 数据包通过虚拟交换机（如OVS）送入VNF
3. VNF处理包并转发
4. 调度考虑CPU，内存，虚拟网络I/O

虚拟交换机：连接物理网卡和VNF
数据平面加速：SR-IOV，DPDK，FD.io
性能挑战：虚拟化开销

云网络，电信云

物理网络设备

1043

服务功能链调度 (SFC)

将多个网络功能按序串联处理流量

定义SFC（VNF序列），引导流量按序经过

1. 分类器识别流量，分配NSH（网络服务头）或类似
2. 根据NSH引导流量经过VNF链
3. 每个VNF处理并传递给下一个

NSH：包含服务路径ID和索引
转发：基于NSH而不是IP地址
编排：NFV编排器管理SFC生命周期

安全服务链，视频优化链

独立VNF部署

1044

中间盒调度 (Middlebox)

调度流量经过各种中间盒

根据策略决定流量经过哪些中间盒及顺序

1. 中间盒：防火墙，IDS，WAF，代理等
2. 策略决定流量路径
3. 可能负载均衡到多个中间盒实例

策略：基于5元组，应用类型，用户等
负载均衡：多个中间盒实例分担负载
故障转移：实例故障时切换

企业网络，数据中心安全

直通路由

1045

负载均衡器调度 (Load Balancer)

将流量分发到多个服务器，提高性能和可靠性

选择哪个服务器处理新连接/请求

1. 健康检查：监控服务器健康
2. 调度算法：轮询，最少连接，源IP哈希，最短响应时间等
3. 会话保持：同一用户会话发送到同一服务器

算法：
轮询：server = (current + 1) mod n
最少连接：server = argmin(connections)
哈希：server = hash(client_ip) mod n

Web服务，微服务，CDN

无负载均衡

1046

防火墙包过滤调度 (Firewall)

根据安全规则允许或丢弃包

匹配包头部与规则列表，第一个匹配决定动作

1. 规则列表：(条件，动作)，条件为5元组等
2. 顺序匹配，第一匹配停止
3. 默认规则：通常末尾拒绝所有

规则：if (src_ip, dst_ip, proto, src_port, dst_port) matches then action
动作：allow, deny, log
性能：规则优化，硬件加速

网络安全边界

无状态过滤，有状态防火墙

1047

入侵检测系统包检测调度 (IDS)

检测恶意流量，告警或阻止

深度包检测，模式匹配，异常检测

1. 特征匹配：与已知攻击特征库匹配
2. 异常检测：统计异常行为
3. 响应：告警，记录，或与防火墙联动阻止

特征：Snort规则等
检测引擎：单模式匹配（Aho-Corasick），正则表达式
性能：需线速处理，硬件加速

网络安全监控

入侵防御系统（IPS）

1048

深度包检测调度 (DPI)

识别应用协议，精细控制

检查包载荷，识别应用（如HTTP，Skype，BitTorrent）

1. 协议识别：基于端口，特征，行为分析
2. 内容分析：检查载荷关键字
3. 策略执行：根据应用类型做QoS，阻断等

识别技术：端口，特征字符串，机器学习
性能挑战：需要检查载荷，计算量大
应用：家长控制，版权管理，网络优化

企业网络，ISP流量管理

浅包检测（仅头部）

1049

网络地址转换调度 (NAT)

私有IP与公有IP转换，节省地址

建立和维护转换表，映射（私有IP:端口↔公有IP:端口）

1. 出向包：替换源IP:端口为公有IP:端口，记录映射
2. 入向包：查找映射表，替换目的IP:端口为私有IP:端口
3. 类型：静态NAT，动态NAT，PAT（NAPT）

映射表：(私有IP, 私有端口) ↔ (公有IP, 公有端口)
超时：表项空闲超时删除
挑战：端到端连接性，某些协议（如FTP，SIP）需ALG

家庭路由器，企业出口

IPv6，无NAT

1050

虚拟专用网络隧道调度 (VPN)

加密和隧道封装，安全远程访问

建立隧道，加密数据，通过公网传输

1. 隧道建立：IKE协商，SA建立
2. 加密：对原始IP包加密，添加新IP头（隧道模式）
3. 传输：通过公网传输封装包
4. 解封装：对端解密恢复原始包

协议：IPsec，SSL VPN，WireGuard
模式：传输模式（仅载荷），隧道模式（整个包）
开销：加密解密延迟，额外头部

远程办公，站点互联

明文传输

1101

时敏网络调度 (TSN)​

确定性低延迟传输

时间感知整形器调度

1. 定义门控列表控制队列发送时间
2. 计算调度表满足流截止时间
3. IEEE 802.1Qbv时间感知整形

调度周期：T_cycle（如125μs）
时隙分配：为每个队列分配发送窗口
门控：Gate Control List控制队列开/关

工业自动化、汽车以太网

普通以太网调度

1102

确定性网络调度 (DetNet)​

端到端确定性传输

资源预留、显式路由、包复制消除

1. 资源预留：提前预留带宽、缓冲区
2. 显式路由：计算无冲突路径
3. 包复制：多路径传输提高可靠性

延迟上界：D_max，抖动上界：J_max
可靠性：1-10^-9丢包率
资源预留协议：RSVP-TE for DetNet

工业互联网、金融交易

尽力而为网络

1103

In-band网络遥测调度 (INT)​

带内网络状态收集

数据面插入遥测数据，控制遥测开销

1. 选择监控点：确定插入遥测数据的交换机
2. 遥测数据：收集队列延迟、拥塞标记、链路利用率
3. 遥测数据处理：分析网络状态

遥测头部：包含指令栈（switch_id, metadata）
开销：每跳增加4-8字节
采样率：控制遥测包比例

网络故障诊断、性能监控

带外网络监控

1104

P4可编程拥塞控制调度​

在数据面实现自定义拥塞控制

P4程序定义拥塞标记、ECN、AQM

1. 用P4实现RED、CoDel等AQM算法
2. 自定义拥塞信号生成
3. 实时调整标记阈值

P4 Match-Action：检查队列深度，计算标记概率
可编程性：任意拥塞控制逻辑
性能：线速处理

可编程交换机实验

固定功能AQM

1105

可编程解析器调度​

动态解析协议头部

可编程解析图，支持新协议

1. 定义包头格式和解析顺序
2. 运行时选择解析路径
3. 处理隧道、加密协议

解析状态机：从以太网开始，根据类型字段跳转
可扩展：无需硬件改动支持新协议
性能：解析延迟增加

新型网络协议部署

固定解析器

1106

带内操作管理维护调度 (IOAM)​

操作管理维护数据带内传输

在数据包中插入OAM信息

1. 确定OAM数据类型：跟踪、丢包、延迟
2. 选择封装位置：IPv6扩展头、NSH等
3. 收集和处理OAM数据

IOAM数据字段：节点ID、时间戳、队列深度等
封装：逐跳添加，出口剥离
应用：服务功能链监控

带外OAM

1107

网络验证调度​

实时验证网络策略正确性

数据面生成验证证据，控制面验证

1. 数据面标记包路径信息
2. 控制器收集验证证据
3. 形式化验证策略冲突

验证属性：可达性、隔离性、无环
证据：包轨迹、计数器
工具：HSA、Symnet

网络自动化验证

离线验证

1108

网络切片调度​

多租户网络资源隔离

切片资源分配、隔离、优先级调度

1. 切片定义：eMBB、URLLC、mMTC
2. 资源分配：带宽、队列、计算资源预留
3. 调度：切片间和切片内两级调度

切片资源：带宽B_i，队列Q_i，CPU C_i
隔离：硬隔离（预留）、软隔离（共享）
SLA：延迟、带宽、可靠性保证

5G核心网、云网络

无切片网络

1109

无线网络切片调度​

无线接入网切片资源管理

空口资源分配、调度器切片感知

1. PRB分配：为不同切片分配物理资源块
2. 调度：考虑切片优先级、信道条件
3. 移动性：切片感知切换

资源分配：时频资源块、功率、波束
切片类型：eMBB（大带宽）、URLLC（低延迟）、mMTC（海量连接）
动态共享：按需分配资源

5G RAN

有线网络切片

1110

计算网络调度​

计算与网络资源联合调度

任务卸载决策、计算资源分配、数据传输协同

1. 任务分析：计算量、数据量、延迟要求
2. 卸载决策：本地、边缘、云端执行
3. 联合优化：计算+网络资源分配

优化目标：min（延迟+能耗+成本）
约束：计算能力、带宽、任务依赖
博弈论/拍卖：多用户资源分配

边缘计算、云计算

独立计算/网络调度

1111

存储网络调度​

存储访问与网络传输协同

数据放置、缓存、预取、传输调度

1. 数据放置：近计算放置数据
2. 缓存：热点数据缓存
3. 预取：预测性数据获取

目标：最小化数据访问延迟
缓存策略：LRU、LFU、ARC
预取：基于访问模式预测

分布式存储、数据中心

独立存储调度

1112

量子安全网络调度​

抗量子攻击的安全通信

量子密钥分发调度、后量子密码切换

1. QKD调度：密钥生成、分发、更新
2. 后量子算法：密钥协商、签名
3. 混合模式：传统+量子安全协同

QKD密钥率：R_key = f(距离、损耗、错误率)
后量子算法：基于格、编码、多变量
安全等级：抗量子计算攻击

政府、金融、医疗

传统加密网络

1113

卫星互联网调度​

高动态卫星网络资源管理

波束调度、星间链路、频谱分配

1. 波束调度：点波束服务地面用户
2. 星间链路：激光/微波链路调度
3. 频谱：频率复用、干扰协调

波束覆盖：可调点波束，波束跳跃
星间拓扑：动态拓扑，路由计算
延迟：低轨卫星延迟20-50ms

星链、全球互联网

地面互联网

1114

无人机网络调度​

无人机自组织网络通信

无人机位置控制、链路调度、数据路由

1. 位置优化：覆盖、连通性、能耗
2. 链路调度：视距链路调度，避免干扰
3. 路由：考虑无人机移动性

无人机能耗：悬停、飞行、通信能耗
网络拓扑：动态变化，链路间歇连接
应用：侦查、救灾、通信中继

移动自组织网络

1115

水声传感器网络调度​

水下长延迟网络通信

预约调度、跨层优化、节能

1. 预约访问：避免长传播延迟冲突
2. 跨层：物理层与MAC层协同
3. 节能：休眠调度

传播延迟：秒级，与距离成正比
带宽：窄，kHz量级
能耗：电池受限，更换困难

海洋监测、水下勘探

无线电传感器网络

1116

体域网络调度​

人体周围传感器网络

低功耗、可靠、安全

1. 星型拓扑：协调器与传感器
2. 超帧结构：信标、竞争访问期、非竞争访问期
3. 医疗数据优先级

标准：IEEE 802.15.6
频段：MICS、ISM、UWB
可靠性：医疗数据高可靠

医疗健康监测

普通传感器网络

1117

认知无线电网络调度​

动态频谱接入

频谱感知、决策、共享

1. 频谱感知：检测主用户
2. 决策：选择最佳空闲信道
3. 共享：次用户间频谱共享

检测概率：P_d，虚警概率：P_f
频谱空洞：时间、频率、空间空洞
学习：强化学习优化决策

军事、应急通信

固定频谱分配

1118

可见光通信网络调度​

照明与通信融合

LED调制、多用户接入、切换

1. 调制：OOK、PPM、OFDM
2. 多址：TDMA、OFDMA、CDMA
3. 切换：不同LED之间切换

带宽：MHz到GHz
覆盖：直线传播，需照明覆盖
双重功能：照明+通信

室内定位、智能照明

RF通信

1119

太赫兹通信网络调度​

太赫兹频段超高速通信

波束管理、资源块分配、移动性

1. 波束对准：窄波束训练和对准
2. 资源分配：超大带宽资源块分配
3. 移动跟踪：波束跟踪快速移动用户

带宽：几十GHz连续带宽
距离：短距离（几米-几十米）
方向性：极高，波束管理关键

6G、超高速短距通信

毫米波通信

1120

全双工网络调度​

同时同频收发

自干扰消除、资源分配、调度优化

1. 自干扰消除：模拟+数字消除60-100dB
2. 资源分配：同时考虑上行和下行
3. 调度：利用全双工能力优化

吞吐增益：理论上翻倍
挑战：残余干扰、不对称业务
应用：小基站、中继

半双工调度

1121

大规模MIMO网络调度​

多用户大规模天线系统

用户选择、预编码、导频分配

1. 用户选择：选择信道正交用户
2. 预编码：MRT、ZF、RZF
3. 导频：减少导频污染

频谱效率：b/s/Hz/小区，随天线数增加
能效：高能效，波束成形增益
大规模：天线数>>用户数

5G Massive MIMO

传统MIMO

1122

智能反射面辅助网络调度​

智能调控无线环境

IRS相移矩阵优化、联合波束成形

1. IRS相移：优化每个反射单元相移
2. 联合优化：与基站波束成形联合
3. 信道获取：CSI获取

性能增益：覆盖扩展、容量提升、能效提高
优化：非凸优化，交替优化、流形优化
被动：无源反射，能耗极低

6G智能无线环境

中继、有源反射

1123

无人机基站网络调度​

无人机作为空中基站

无人机位置优化、资源分配、回程

1. 位置：根据用户分布优化位置
2. 资源：分配带宽、功率给用户
3. 回程：与地面站或卫星回程

覆盖：快速部署，临时覆盖
容量：视距链路，容量较高
能耗：悬停能耗，飞行时间有限

应急通信、热点覆盖

地面基站

1124

边缘计算网络调度​

边缘计算任务卸载

卸载决策、资源分配、任务调度

1. 卸载：决定是否卸载、卸载到哪
2. 资源：边缘服务器资源分配
3. 调度：任务在边缘服务器调度

延迟：T_total = T_transmit + T_compute
能耗：设备能耗 + 传输能耗
优化：联合优化卸载、资源分配

移动边缘计算

云计算、本地计算

1125

信息中心网络调度​

基于内容名字的网络

兴趣包转发、数据包返回、缓存

1. 兴趣包：消费者发送兴趣包请求内容
2. 数据包：生产者或缓存节点返回数据包
3. 缓存：沿途节点缓存内容

命名：分层、扁平、哈希
转发：基于名字的转发（FIB）
缓存策略：处处缓存、概率缓存、LRU

内容分发、物联网

IP网络

1126

命名数据网络调度​

信息中心网络实例

兴趣包/数据包、缓存

1. 兴趣包转发：根据FIB转发到数据源
2. 数据包返回：沿兴趣包路径反向返回
3. 缓存：沿途节点缓存数据

数据结构：PIT（待定兴趣表）、CS（内容存储）、FIB
PIT：记录未满足的接口，用于数据包返回
CS：缓存数据

学术研究、视频分发

CCN、IP

1127

移动IP网络调度​

移动节点保持IP地址不变

家乡代理转发、转交地址注册

1. 移动节点获得转交地址
2. 向家乡代理注册转交地址
3. 家乡代理隧道转发到移动节点

隧道：IP-in-IP、GRE
注册：移动节点->家乡代理
三角路由：通信节点->家乡代理->移动节点

移动设备漫游

代理移动IP

1128

代理移动IP网络调度​

网络侧支持移动性

移动接入网关处理移动性

1. 移动节点无需参与移动性管理
2. 移动接入网关检测节点移动，向本地移动锚点注册
3. 本地移动锚点转发数据

实体：LMA（本地移动锚点）、MAG（移动接入网关）
MAG检测节点移动，代理注册
LMA维护绑定缓存

运营商网络

移动IP

1129

多宿主机网络调度​

多网络接口，负载均衡，容错

选择出口接口

1. 策略路由：基于源地址、目的地址、应用等选择接口
2. 负载均衡：流量分配到多个接口
3. 故障检测：接口故障检测，切换到备用

策略：基于五元组、应用类型、成本
负载均衡：每流、每包
故障转移：快速检测、切换

服务器、移动设备

单宿主路由

1130

机会网络路由调度​

容忍延迟，存储-携带-转发

遇到节点时转发消息

1. 直接交付：仅当遇到目的节点时转发
2. Epidemic：泛洪，多个副本
3. PROPHET：基于相遇概率转发
4. Spray and Wait：有限副本

相遇概率：P(a,b)基于历史相遇频率
转发：当P(b,d) > P(a,d)时转发
缓存管理：有限缓存，丢弃策略

车载网络、偏远地区

传统路由

1131

车联网路由调度​

高动态拓扑，地理路由

基于位置的路由

1. 贪婪周边无状态路由：选择距离目的地更近的邻居
2. 改进的贪婪：考虑移动性、链路稳定性
3. 地理机会路由：结合机会网络

位置服务：获取目的地位置
转发：选择下一跳最小化距离
恢复：当贪婪失败时使用周边路由

V2V通信

移动自组织网络路由

1132

无线传感器网络路由调度​

节能，数据聚合

多跳路由到汇聚点

1. 平面路由：所有节点平等，多跳（如定向扩散）
2. 分层路由：分簇，簇头聚合数据（如LEACH）
3. 基于位置：利用位置信息

LEACH：随机选举簇头，轮换，簇内TDMA
定向扩散：兴趣扩散，梯度建立，路径加强
数据聚合：减少传输数据量

环境监测、军事

传统路由

1133

移动自组织网络路由调度 (AODV)​

按需路由，减少开销

需要时建立路由

1. 路由请求：源节点广播RREQ
2. 路由回复：目的节点或中间节点回复RREP
3. 路由维护：链路断裂时发送RERR

序列号：防止环路，新鲜度
路由表：目的、下一跳、跳数、序列号
局部修复：尝试修复断裂路由

移动自组织网络

DSR、OLSR

1134

移动自组织网络路由调度 (DSR)​

源路由，路由缓存

路由信息在包头

1. 路由发现：源节点广播路由请求，携带路径记录
2. 路由回复：目的节点回复携带完整路径
3. 路由维护：确认链路工作，否则删除缓存

源路由：包头包含完整路径
路由缓存：缓存听到的路由
优势：无周期性消息，按需

小型移动网络

AODV

1135

移动自组织网络路由调度 (OLSR)​

主动路由，优化泛洪

多点中继减少泛洪

1. 选择多点中继：每个节点选择一部分邻居作为中继
2. 通过中继泛洪控制信息
3. 计算到所有目的地的路由

多点中继集：覆盖两跳邻居的最小集合
HELLO消息：发现邻居
TC消息：通过MPR泛洪拓扑信息

移动自组织网络

AODV、DSR

1136

地理路由调度 (GPSR)​

基于位置的路由

贪婪转发，周边转发

1. 贪婪转发：选择距离目的地最近的邻居
2. 周边转发：当贪婪失败（空洞）时，使用右手法则绕过空洞
3. 位置服务：获取目的地位置

空洞：没有邻居比当前节点更接近目的地
周边转发：沿空洞边界转发
信标：定期广播位置

无线传感器网络、车联网

拓扑路由

1137

能量感知路由调度​

最大化网络寿命

选择能量充足的路径

1. 成本函数：基于节点剩余能量、传输能量
2. 选择路径：最小化总成本或最大化最小剩余能量
3. 负载均衡：避免过度使用某些节点

成本：c(i,j) = e(i,j)^α / E(i)^β
e(i,j)：传输能量，E(i)：节点i剩余能量
路径成本：Σ c(i,j)

无线传感器网络

最短路径路由

1138

延迟容忍网络路由调度 (PROPHET)​

基于相遇概率

预测节点相遇可能性

1. 计算传递概率：P(a,b)基于相遇历史
2. 转发：当P(b,d) > P(a,d)时转发给b
3. 老化：概率随时间衰减

传递概率更新：P(a,b) = P(a,b)old + (1 - P(a,b)old) × P_init 当相遇时
老化：P(a,b) = P(a,b)_old × γ^k，k为时间单位数

DTN、机会网络

Epidemic、Spray and Wait

1139

容迟容断网络路由调度 (Spray and Wait)​

限制副本数量

喷洒阶段，等待阶段

1. 喷洒阶段：源节点将消息的L个副本喷洒给L个不同中继
2. 等待阶段：中继携带副本直到遇到目的节点

副本数量L：控制开销和延迟的权衡
喷洒策略：二进制喷洒（每次转发一半副本）
等待：直接交付

DTN、移动网络

Epidemic、PROPHET

1140

基于内容的路由调度​

根据内容属性路由

内容属性匹配，订阅/发布

1. 发布：生产者发布内容及其属性
2. 订阅：消费者订阅感兴趣的内容
3. 路由：将内容路由到订阅者

属性：键值对，如主题、位置、类型
匹配：订阅表达式匹配内容属性
路由：建立从生产者到消费者的传递树

发布/订阅系统

主题路由、组播

1141

主题路由调度​

基于主题的发布/订阅

主题匹配，消息转发

1. 主题层次：如"news/sports/football"
2. 订阅：消费者订阅主题（支持通配符）
3. 路由：路由器维护主题到接口的映射

通配符：+单级，#多级
路由表：主题前缀->下一跳接口
MQTT：使用主题路由

物联网、消息队列

基于内容路由

1142

组播路由调度 (DVMRP)​

距离矢量组播路由

基于距离矢量的生成树

1. 泛洪与修剪：初始泛洪数据，无接收者的分支发送修剪
2. 基于距离矢量路由表
3. 定期泛洪，维持状态

生成树：基于反向路径转发（RPF）
修剪：向上游发送修剪消息，停止转发
嫁接：当有新接收者时，发送嫁接消息重新加入

早期组播

PIM、MOSPF

1143

组播路由调度 (PIM)​

协议无关组播

支持密集和稀疏模式

1. PIM-DM：密集模式，泛洪-修剪，适用于接收者密集网络
2. PIM-SM：稀疏模式，显式加入，适用于接收者稀疏网络

PIM-SM：汇聚点（RP），接收者向RP加入，源向RP注册
共享树：（*,G）通过RP
最短路径树：（S,G）直接到源

企业、ISP组播

DVMRP、MOSPF

1144

组播路由调度 (MOSPF)​

组播OSPF

基于链路状态，计算组播树

1. 泛洪组成员信息
2. 每个路由器基于拓扑和组成员计算最短路径树
3. 为每个（源，组）对计算树

组成员LSA：通告直连组成员
计算：基于Dijkstra，但考虑组成员
范围：每个路由器独立计算树

OSPF网络

PIM、DVMRP

1145

任播路由调度​

将数据发送到一组中"最近"的节点

选择最近的任播节点

1. 路由通告：多个节点通告相同任播地址
2. 路由计算：路由协议计算到每个通告节点的距离
3. 转发：选择最近的节点

距离度量：跳数、延迟、代价
负载均衡：多个"最近"节点间负载均衡
应用：DNS根服务器、CDN入口

DNS、CDN

单播、组播

1146

多拓扑路由调度​

多个拓扑，不同流量类型

为不同流量类型使用不同拓扑

1. 定义多个拓扑（如默认、语音、数据）
2. 链路在不同拓扑中权重不同
3. 根据流量类型选择拓扑

拓扑ID：标识不同拓扑
路由计算：每个拓扑独立计算最短路径
映射：将流量映射到特定拓扑

运营商网络

单一拓扑路由

1147

自适应路由调度​

根据网络状况调整路径

监控网络，动态调整

1. 监控：延迟、丢包、拥塞
2. 决策：当路径质量下降时切换路径
3. 切换：平滑切换，避免振荡

质量度量：Q = f(延迟、丢包、抖动)
阈值：当Q < 阈值时触发切换
备用路径：预先计算或按需计算

广域网、SD-WAN

静态路由

1148

策略路由调度​

基于策略而非目的地址

基于源地址、应用等选择路径

1. 匹配规则：基于五元组、应用、用户等
2. 动作：设置下一跳、出接口、标记等
3. 执行：优先于目的地址路由

匹配条件：源/目的IP、端口、协议、DSCP、接口等
动作：转发、丢弃、标记、下一跳、出接口
优先级：策略路由先于路由表

企业网络

目的地址路由

1149

源路由调度​

源节点指定路径

包头包含路径信息

1. 严格源路由：指定每个中间节点
2. 宽松源路由：指定部分关键节点
3. 记录路由：记录经过的节点

IPv4选项：源路由选项（已废弃）
SRv6：现代源路由实现
优势：路径控制，但开销大，安全风险

网络诊断

逐跳路由

1150

回溯路由调度​

当路径不可达时回溯

尝试替代路径

1. 转发失败时，回溯到上一跳
2. 上一跳尝试替代下一跳
3. 直到源节点尝试所有路径

路径记忆：记录已尝试的下一跳
回溯：返回上一跳
穷举：尝试所有可能路径

容错、移动自组织网络

洪泛

1151

洪泛路由调度​

简单可靠，高开销

每个节点转发到所有邻居（除来源）

1. 收到数据包，转发给所有邻居
2. 避免循环：序列号、跳数限制
3. 广播风暴：需控制

序列号：源节点分配，节点记录已转发序列号
跳数限制：TTL
概率洪泛：以概率p转发，减少开销

自组织网络、路由发现

单播路由

1152

随机游走路由调度​

随机选择下一跳

无状态，负载均衡

1. 随机选择邻居作为下一跳
2. 可能永远无法到达目的地
3. 改进：偏向目的地方向

转移概率：均匀随机或基于链路质量
覆盖时间：期望时间访问所有节点
应用：P2P、搜索、负载均衡

P2P网络、无线网络

确定路由

1153

蚁群路由调度​

模拟蚂蚁信息素

正反馈，寻找最短路径

1. 蚂蚁（探测包）随机探索，释放信息素
2. 信息素挥发
3. 数据包按信息素浓度选择路径

信息素更新：τ_ij = (1-ρ)τ_ij + Δτ
Δτ与路径质量成比例
选择概率：p_ij = τ_ij^α η_ij^β / Σ τ_ik^α η_ik^β

无线传感器网络、通信网络

传统路由

1154

遗传算法路由调度​

进化计算优化路由

种群进化，选择，交叉，变异

1. 编码：路径编码为染色体
2. 适应度：基于延迟、跳数、带宽等
3. 进化：选择、交叉、变异生成新种群

编码：节点序列或边序列
适应度：f = 1/(cost + ε)
cost = Σ c(i,j)
约束：避免循环，满足QoS

离线路由规划

启发式路由

1155

模糊逻辑路由调度​

处理不确定信息

模糊规则，模糊推理

1. 模糊化：将精确度量（延迟、带宽）转换为模糊集
2. 模糊规则：IF 延迟低 AND 带宽高 THEN 选择概率高
3. 去模糊化：将模糊输出转换为精确值

模糊集：低、中、高
隶属函数：三角、梯形、高斯
规则库：专家知识或学习
推理：Mamdani、Sugeno

无线网络、车载网络

精确路由

1156

神经网络路由调度​

学习路由决策

训练神经网络映射输入到输出

1. 输入：网络状态（链路利用率、队列长度等）
2. 输出：路由决策或路径评分
3. 训练：监督或强化学习

网络结构：多层感知机、循环神经网络
训练数据：历史路由决策
在线学习：适应网络变化

自适应路由、流量工程

传统路由

1157

强化学习路由调度​

通过与环境交互学习

状态，动作，奖励

1. 状态：网络状态（如节点队列、链路利用率）
2. 动作：选择下一跳
3. 奖励：负的延迟或丢包
4. 学习Q值函数

Q学习：Q(s,a) = Q(s,a) + α[r + γ max_a' Q(s',a') - Q(s,a)]
深度Q网络：用神经网络近似Q函数
策略：ε-greedy探索利用

动态网络、SDN

静态路由

1158

SDN流表更新调度​

最小化更新开销和扰动