一、调度问题概述

大家好，我是这次课程的主讲。今天咱们聊聊任务调度——这个看似基础、实则门道极深的话题。

说实话，我刚开始做系统设计那会儿，觉得调度不就是排个队嘛，谁先来谁先走。直到有一次，我在一个实时数据处理项目里栽了跟头——任务堆积、资源争抢、系统直接卡死。嗯，从那以后我才真正重视起调度问题。

1.1 什么是任务调度？

任务调度，说白了就是回答三个问题：谁先做？谁后做？谁和谁一起做？

你想想看，一个系统里同时来了几十个任务，CPU就那么几颗，内存就那么点，磁盘IO还有瓶颈。怎么安排这些任务，才能让系统跑得又快又稳？这就是调度要干的事。

1.2 任务调度的分类

调度问题可以从两个维度来切分。我个人习惯这样分：

按机器数量：单机 vs 多机

类型	特点	典型场景
单机调度	一台机器处理所有任务	个人电脑、嵌入式设备
多机调度	多台机器协同处理	数据中心、集群计算

单机调度相对简单，但别小看它。我在做嵌入式系统时，单核CPU上跑着十几个实时任务，优先级稍微设错，系统就崩了。

多机调度就复杂多了。你得考虑任务怎么拆分、数据怎么同步、机器挂了怎么办。我记得有个分布式训练的项目，8张GPU卡，调度策略没写好，结果4张卡在干活，另外4张在空转——资源浪费得一塌糊涂。

按决策时机：在线 vs 离线

• 离线调度：所有任务信息提前知道。比如你有一批计算任务，每个任务跑多久、需要多少内存，事先都清楚。这时候可以全局规划，找到最优解。
• 在线调度：任务一个接一个来，你没法预知后面会来什么。比如Web服务器的请求处理，你永远不知道下一秒有多少用户涌进来。

1.3 核心优化目标

调度不是瞎排，得有目标。常见的优化目标有三个：

目标一：最小化完工时间

也叫makespan，就是所有任务从开始到全部完成的总时间。这个指标最直观——用户等得越久，体验越差。

举个例子，你有一批数据要处理，单机跑要10小时，用4台机器并行跑，理论上2.5小时就能搞定。但实际中因为任务拆分、通信开销，可能得3.5小时。调度算法的目标就是让这个时间尽可能接近理论值。

目标二：最大化资源利用率

资源利用率 = 实际使用资源 / 总资源。这个指标老板们最爱看——花了钱买的服务器，不能闲着。

但这里有个坑：资源利用率不是越高越好。我曾经在一个项目中，把CPU利用率压到了95%以上，结果系统频繁抖动，任务响应时间反而变长了。为什么？因为资源用得太满，没有余量应对突发波动。

目标三：兼顾公平性

这个在在线调度里特别重要。你不能让一个大任务把资源全占了，小任务一直饿死。常见的做法是加权公平队列（WFQ），给每个任务分配权重，按比例分享资源。

1.4 知识体系总览

下面这张图，是我梳理的调度问题知识框架。你可以把它当作整个章节的地图：

1.5 一个真实案例

最后分享一个我踩过的坑。之前做一个视频转码平台，用户上传视频后，系统要转成多种分辨率。一开始我用了最简单的FCFS（先来先服务），结果呢？

• 一个4K的大视频来了，占着GPU转了一个小时
• 后面一堆短视频排着队，用户等得直骂娘
• 资源利用率倒是挺高，但用户体验极差

后来我改成了优先级调度——短视频优先级高，长视频优先级低。同时加了个超时机制，长视频如果转太久，就拆成多个小段并行转。效果立竿见影，用户满意度从60%升到了92%。

好了，这一章就到这里。调度问题的框架已经搭好了，后面我们会一步步深入每个子问题。