МЕТОД ИНТЕРАКТИВНОГО ИЗУЧЕНИЯ АЛГОРИТМОВ ПЛАНИРОВАНИЯ ОПЕРАЦИОННЫХ СИСТЕМ РЕАЛЬНОГО ВРЕМЕНИ

Введение

Алгоритмы планирования являются одной из ключевых тем при изучении операционных систем реального времени. В обычной операционной системе важны средняя производительность, отзывчивость интерфейса и справедливое распределение ресурсов. В системах реального времени на первый план выходит другое требование: задача должна быть выполнена не просто быстро, а до заданного дедлайна. Поэтому даже корректный с функциональной точки зрения код может считаться ошибочным, если он завершился позже допустимого времени.

При традиционном изучении этой темы студент часто работает с формулами, таблицами периодов и статическими диаграммами. Такой подход полезен для введения понятий, но он не всегда показывает динамику поведения алгоритма. В частности, по формуле трудно сразу увидеть, как меняется очередь готовых задач, почему появляется пропуск дедлайна, чем отличается статический приоритет от динамического и почему хороший результат по дедлайнам может сопровождаться большим числом переключений контекста.

Для устранения этого разрыва предложен метод интерактивного изучения. Его основная идея состоит в том, что студент не только читает описание алгоритма, но и выполняет воспроизводимый эксперимент: выбирает нагрузку, запускает алгоритм, получает метрики и анализирует результат. Такой подход соответствует учебной логике виртуальной лаборатории: теория остаётся основой, но проверяется на конкретном моделируемом поведении.

Постановка методической проблемы

Сложность изучения алгоритмов планирования связана не только с математической частью. Значительная часть усилий уходит на действия, которые не относятся напрямую к пониманию алгоритма: настройку компилятора, подготовку входных данных, запуск нескольких программ, перенос результатов в таблицу и построение графиков. В терминах теории когнитивной нагрузки такие действия можно отнести к внешней нагрузке, поскольку они обслуживают процесс обучения, но не составляют его смысловое ядро [4, с. 257].

В учебной ситуации особенно важно, чтобы повторение эксперимента не превращалось в отдельную техническую задачу. Если студент сравнивает два алгоритма, то они должны работать на одной и той же нагрузке, с одинаковой длительностью моделирования и одинаковым набором метрик. Иначе результат сравнения становится неочевидным: неизвестно, связана ли разница с алгоритмом или с параметрами запуска.

Метод интерактивного изучения строится вокруг принципа сопоставимости. Каждый эксперимент задаётся одинаковым набором входных данных: реализация алгоритма, набор периодических задач, длительность моделирования и режим запуска. На выходе формируется единая структура результата: сводка прогона, показатели по задачам и временные ряды. Благодаря этому студент сравнивает не отдельные разрозненные числа, а целостную картину поведения планировщика.

Таблица 1.

Сравнение ручного изучения и интерактивного сценария

Состав метода интерактивного изучения

Предложенный метод включает четыре взаимосвязанных элемента. Первый элемент — единая модель периодических задач. Каждая задача описывается периодом, временем выполнения и относительным дедлайном. Такая модель не заменяет реальную операционную систему, но позволяет сосредоточиться на базовой задаче планирования: какой готовый джоб должен получить процессор в текущий момент.

Второй элемент — единый интерфейс учебного планировщика. Пользователь реализует функцию выбора задачи, а ядро симулятора передаёт ей массив текущих задач и номер тика. За счёт этого разные алгоритмы можно проверять одинаковым способом. Студент может взять эталонный пресет, изменить правило выбора и сразу увидеть, как это влияет на дедлайны, очередь и переключения контекста.

Третий элемент — два режима работы. В режиме одиночной симуляции студент исследует один алгоритм и получает подробный отчёт по нему. В режиме сравнения несколько реализаций запускаются на одной нагрузке. Это важно методически: сравнение становится честным, поскольку меняется только правило выбора задачи, а не параметры эксперимента.

Четвёртый элемент — единая система метрик. Она включает сводные показатели прогона, метрики по каждой задаче и временные ряды. Сводка показывает утилизацию процессора, число пропусков дедлайнов, переключения контекста и характеристики очереди. Метрики по задачам помогают понять, какие задачи страдают сильнее. Временные ряды показывают, как менялось состояние системы в ходе симуляции.

Таблица 2.

Основные группы метрик интерактивной лаборатории

Оценка снижения внешней когнитивной нагрузки

В рамках метода оценивалась не психологическая нагрузка в строгом экспериментальном смысле, а инженерно-методический эффект: сколько вспомогательных действий удаётся убрать из типового учебного сценария. Такой подход не заменяет полноценного исследования с участием студентов, но позволяет количественно показать, какая часть работы переносится с обучающегося на инструмент.

Рассмотрим сценарий, в котором студент должен сравнить два алгоритма на одной нагрузке, получить метрики, построить графики и подготовить результат для проверки. В ручном варианте он выполняет подготовку окружения, отдельные запуски, перенос результатов, построение графиков и оформление отчёта. В лаборатории эти операции сведены к выбору параметров, запуску сравнения и получению готового отчёта.

Таблица 3.

Расчётное сокращение вспомогательных действий

Расчёт показывает сокращение числа вспомогательных действий с 16 до 3, то есть на 81,25%. Наиболее заметный эффект связан с полной автоматизацией настройки окружения, сбора метрик и построения графиков. Это не означает, что сама теория становится проще. Напротив, содержательная сложность остаётся: студент всё равно должен понимать периоды, дедлайны, утилизацию, приоритеты и причины пропусков. Однако техническая подготовка перестаёт забирать основное внимание.

Такой результат особенно важен для дисциплин, где лабораторная работа должна быть воспроизводимой. Преподаватель получает отчёт с едиными метриками, а студент может сосредоточиться на объяснении поведения алгоритма. При этом виртуальная лаборатория не отменяет ручной разбор, а дополняет его: после получения отчёта студент может вернуться к конкретным тикам и объяснить, почему планировщик сделал тот или иной выбор.

Заключение

Предложенный метод интерактивного изучения алгоритмов планирования объединяет учебную модель периодических задач, единый интерфейс реализации планировщика, систему метрик и режим сравнения нескольких алгоритмов на одной нагрузке. Его основное преимущество состоит в том, что студент видит не только формальное описание алгоритма, но и результат его работы в воспроизводимом эксперименте.

Метод может использоваться как основа для лабораторных работ по операционным системам реального времени. Он снижает внешнюю когнитивную нагрузку, повышает сопоставимость результатов и помогает связать теорию планирования с практическим анализом расписаний, дедлайнов и временных рядов.