demand bound function DBF 定义为一个作业的到达时刻和截止时刻同时在区间长度 t 内时，产生的执行量。其实，就是表示某个理论最优调度算法，在区间长度 t 内需要满足的执行量（确实如此，因为最优调度算法不会浪费任何的CPU执行时间，所以总是满足最极限可调度的需求量即可），即可，这样如果最小公倍数内，所有区间t都满足这个关系，那么就可以调度了。这就是某个理论最优调度算法应该具备的特征。
因此，一般可以 定义请求执行率 
，也就是最优算法的处理器速度为LOAD()即可。
上面就是理论最优调度算法的定量描述。因为EDF就是一种理论最优调度算法，因此DBF常常被用来分析EDF（DBF分析一般是代表某理论最优算法，对应实际存在的也就是EDF了）的可调度性了。
注意：到达时刻和截止时刻，必须同时在区间长度 t 中。
而一般实际调度算法，分析自己的DBF时候往往，都会浮夸一些（或者因为该调度算法本身就不够好），也就是悲观一些，也就是考虑太坏的情况，或者在充分性测试去近似DBF的时候。假设称为DBF'，我们分析出的都有DBF' >= DBF，比如：
就是我们用于近似DBF的，也就是我们的DBF'
所以，导致这些算法认为处理器需要加速，才能完成最优调度算法需要完成的同样任务。这就是加速因子的由来，因此DBF的存在很多时候就是为了分析某个实际算法的加速因子。相关知识看我这篇：实时可调度性分析算法— 利用率上界 和 加速因子的作用_标biao的博客-CSDN博客
因此，有了上面的量化等式关系，我们就能定量的计算我们的实际分析算法需要加速的倍数了。
这里举两个例子：
第一个：
多核分区偶发任务EDF调度时候，任务分配算法中，为了得到快速的EDF的可调度性测试，采用DBF1来近似DBF，
因此，充分性可调度性测试如下：
然后，将DBF1代入替换为DBF，然后结合LOAD()的定义，即可得到和最优调度算法之间的加速因子关系，即使LOAD() <= xx，再通过设每个核速度为x，就能解出x，x的倒数就是加速因子，这里就不详细演示了。注意：加速因子一定是仅和核数有关的常数，如果是单核处理器，则结果是一个常数。比如m=1时，由于DBF1<2DBF，所以加速因子就需要为2，这个很直觉的答案，P109页也确实如此。
通过上述方式（通用）推导出的的加速因子的精确性依赖于DBF’的精确度，但是往往都很难找到精确的DBF’。从博客中可以知道，加速因子是可调度性判定的充分条件的。
第二个：
多核分区偶发任务DM调度时候，用的RBF*函数，也是这样的过程。