4. 单机调度算法（下）

上一节我们聊了 FCFS 和 SJF，说白了都是「非抢占式」的调度。但现实中的操作系统，比如 Linux、Windows，它们可不会让一个进程一直霸占 CPU。你想想看，要是你打开浏览器，结果一个后台任务把 CPU 占死了，鼠标都动不了，这谁受得了？

所以，这一节我们来聊聊真正的「抢占式」调度。我重点讲两个经典算法：时间片轮转（RR）和多级反馈队列（MFQ）。嗯，这两个算法，我在做嵌入式实时系统时，都亲手调过参。

4.1 时间片轮转（RR）：公平，但未必高效

时间片轮转，说白了就是「一人一票，轮流上」。每个进程分到一个时间片，比如 10 毫秒。时间一到，不管任务有没有做完，CPU 都得让给下一个进程。

这个算法的核心参数就一个：时间片大小。

我在项目中遇到过一个问题：一个数据采集系统，需要同时处理 8 个传感器数据流。我一开始把时间片设成 50ms，结果发现传感器 A 的数据总是丢包。为什么？因为 A 的数据量最大，50ms 根本处理不完，每次都被打断，下次轮回来又要重新加载上下文。后来我把时间片改成 100ms，问题就解决了。

这里有个经验公式：时间片 ≈ 80% 的进程能在一个时间片内完成其典型计算量。当然，这是经验值，具体还得看业务。

// 伪代码：时间片轮转调度核心逻辑
while (ready_queue not empty) {
    process = dequeue(ready_queue);
    set_timer(time_slice);  // 设置时间片定时器
    dispatch(process);      // 调度执行
    
    // 时间片到，触发中断
    if (process not finished) {
        save_context(process);
        enqueue(ready_queue, process);  // 放回队尾
    } else {
        destroy(process);
    }
}

4.2 多级反馈队列（MFQ）：兼顾公平与优先级

RR 有个硬伤：它不区分任务优先级。你想想看，一个后台日志写入任务，和一个前台用户点击任务，如果都用同样的时间片，那用户体验肯定完蛋。

多级反馈队列（MFQ）就是来解决这个问题的。它的核心思想是：设置多个队列，每个队列有不同的优先级和时间片大小。新进程先进入最高优先级队列，时间片最短。如果进程在时间片内没完成，就降级到下一级队列，时间片变长。

为什么会这样设计？因为大多数进程都是「短作业」——它们很快就能完成。MFQ 让短作业优先得到响应，长作业虽然被降级，但最终也能得到 CPU 时间。

我曾经在一个网关设备上实现过 MFQ。设备要同时处理网络包转发（高优先级）和日志记录（低优先级）。我设计了三级队列：

队列级别	优先级	时间片	典型任务
Q0	最高	10ms	网络包处理、中断响应
Q1	中等	50ms	协议解析、状态机
Q2	最低	200ms	日志写入、统计上报

嗯，这里要注意：优先级反转。如果高优先级任务依赖低优先级任务的数据，而低优先级任务被降级了，高优先级任务反而要等。我当时的解决办法是：如果高优先级队列等待超过 100ms，临时提升依赖任务的优先级。

4.3 我在项目中如何选择？

说实话，没有银弹。我一般按这个思路来选：

1. 任务类型单一，且对延迟不敏感 → 用 FCFS 或 RR 就够了。比如嵌入式设备上的数据采集，所有传感器数据同等重要。
2. 交互式系统，需要快速响应 → 用 MFQ。比如智能音箱，语音识别必须优先，音乐播放可以稍等。
3. 实时性要求极高（毫秒级） → 别用通用调度了，上实时操作系统（RTOS）的优先级抢占调度。
4. 混合负载，既有交互又有批处理 → MFQ 是首选。Linux 的完全公平调度器（CFS）其实也借鉴了 MFQ 的思想。

我个人习惯是：先画任务优先级矩阵。把每个任务的紧急程度和计算量画在二维图上。紧急且短的任务 → 最高优先级；不紧急且长的任务 → 最低优先级。然后根据这个矩阵来设计 MFQ 的队列数和时间片。

4.4 知识体系：单机调度算法全景图

下面这张图，是我自己总结的。它把单机调度算法的分类和适用场景串起来了。你保存下来，面试或者做方案时拿出来看看，思路会清晰很多。

说白了，调度算法的选择，就是一场「公平」与「效率」的博弈。RR 追求公平，但可能让短任务等太久。MFQ 追求效率，但实现复杂，还要防饥饿。我个人的经验是：先跑起来，再优化。别一开始就想着完美调度，先让系统能跑，然后用性能监控工具（比如 perf、ftrace）看瓶颈在哪，再针对性调整。

嗯，这一节就到这里。记住：调度算法没有最好，只有最合适。你的业务场景，才是最终的裁判。