More-Less方法是已提出的维持实时数据对象时序一致性(temporal consistency)的方法中的一个较有效的方法。尽管More-Less可以提供100%的时序一致性保证,但是该方法是一个确定性的方法,用于概率型服务系统时,由于必须使用更新事务所产生的所有作业中的最坏情况下(worst-case)的执行时间来计算周期、截止期限及调度,这种方法所支持的更新事务的数量就会严重受限。本文扩展More-Less,以适应于来自同一事务的作业的执行时间有大幅度变化,而且一定程度上的时序不一致是容许的实时数据库系统。我们提出一个新的方法,称为SML(Statistical More-Less)方法,以平衡时序一致性服务质量(QoS)与系统所能调度的更新事务数目。我们提出作业接收(admission)控制算法SML-BA,以提供事务所请求的QoS,然后把它扩展成SML-OPT,这个方法使用剩余的处理器利用率来把保证的QoS最大化。为了进一步提高QoS,我们在SML-OPT的基础上再提出一个空闲时间回收策略得到最终的方法SML-SR。回收的空闲时间可以用末处理一些所需执行时间大于保证值的作业,从而进一步提高QoS。我们做了大量的性能评价实验,比较SML方法(包括SML-BA,SML-OPT及SML-SR)和一些确定性的方法,如More-Less及Half-Half。实验结果显示,SML方法能更有效地平衡可调度性(schedulability)及保证的QoS。相比于SML-BA及SML-OPT,我们的SML-SR方法显著提高了QoS并维持可调度性。