Algorithmes d’ordonnancement temps réel - PowerPoint PPT Presentation

algorithmes d ordonnancement temps r el n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Algorithmes d’ordonnancement temps réel PowerPoint Presentation
Download Presentation
Algorithmes d’ordonnancement temps réel

play fullscreen
1 / 28
Algorithmes d’ordonnancement temps réel
250 Views
Download Presentation
iorwen
Download Presentation

Algorithmes d’ordonnancement temps réel

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Algorithmes d’ordonnancement temps réel

  2. Temps réel • « Un système Temps Réel est un système d'informations dont les corrections ne dépendent pas uniquement du résultat logique des algorithmes mais aussi de l'instant où ces résultats ont été produits » [1] • adaptation aux événements externes • Fonctionnement au contenu sans réduire le débit • Temps de calcul connus et modélisables pour permettre l'analyse de la réactivité.

  3. Problème / Solution • Le problème de Temps Réel apparaît quand le système est constitués de plusieurs tâches et qu'il est nécessaire de diviser la puissance du ou des processeurs entre elles [2] • Identification de tâche à réaliser et les contraintes temporelles qui doivent être satisfaites. • Écriture du code • Temps d'exécution de chaque tâche est mesuré et un test de rendez-vous horaire est réalisé pour vérifier qu'aucune tâche ne dépassera son temps limite

  4. Tâches Les tâches peuvent être identifiées par trois valeurs de temps : • Période de la tâche ; • Temps limite pour la tâche ; • Temps de calcul maximal pour la tâche.

  5. Critères des tâches Arrivées des tâches " Périodiques : arrivée à intervalles réguliers (Pi) • Date d’activation initiale, offset Oi • Si pour tout i,jOi=Oj, tâches synchrones • Si Di = Pi, tâche à échéance sur requête • Hyper période: cycle d’ordonnancement: intervalle [0,PPCM(Pi)] pour tâches synchrones, [min(Oi), max(Oi,Oj+Dj) + 2 * PPCM(Pi)] sinon " Sporadiques : on connaît une borne minimale sur l’intervalle entre deux arrivées • Apériodiques : tout ce qui ne rentre pas dans les deux catégories précédentes • Synchronisations (donc blocages potentiels) • Ressources partagées • Précédences

  6. R – le moment de la première requête d’exécution de la tâche, • C – la durée d’exécution maximale de la tâche, quand elle dispose du processeur pour elle seule (le coût d’exécution), • D– le délai critique acceptable pour l’exécution de la tâche (l’échéance), • P – la période, s’il s’agit d’une tâche périodique. [2]

  7. Ordonnancements • Statiques pilotés par table ; • Statiques préemptifs basés sur des priorités ; • Dynamiques basés sur une planification de l’exécution ; • Dynamiques basés sur la notion du meilleur effort (best effort). En ligne Monoprocesseur Multiprocesseur Hors ligne

  8. • L’ordonnancement par priorités statiques : • Premier arrivé, premier servi (First-Come, First-Served – FCFS) où toutes les tâches ont la même priorité ; • le tour de rôle ou tourniquet (Round Robin – RR) ; • monotone par fréquences (Rate-Monotonic – RM) ; • monotone par échéances (« Invers Deadline » - ID, ou « Deadline Monotonic » -DM) • L’ordonnancement par priorités dynamiques : • Earliest Deadline First – EDF ; • Least Slack Scheduling – LLS, ou Least Laxity First – LLF, ou Shortest Slack Time – SST.

  9. Processus de résolution d’un problème d’ordonnancement

  10. Rate Monotonic T1(R1=0, C1=3, P1=20), T2(R2=0, C2=2, P2=5) et T3(R3=0, C3=2, P3=10)

  11. Deadline Monotonic T1(R1=0, C1=3, D1=7, P1=20), T2(R2=0, C2=2, D2=4, P2=5) et T3(R3=0, C3=2, D3=9, P3=10)

  12. Earliest Deadline First T1(R1=0, C1=3, D1=7, P1=20), T2(R2=0, C2=2, D2=4, P2=5) et T3(R3=0, C3=1, D3=8, P3=10)

  13. Least Laxity First τ1(r0 = 0, C = 3, D = 7, T = 20), τ2(r0 = 0, C = 2, D = 4, T = 5), τ3(r0 = 0,C = 1,D = 8, T = 10)

  14. Least Laxity First • Nous définissons la laxité d’une instance comme étant la durée entre la fin de son exécution et son échéance. Lorsqu’une instance est activée, sa laxité correspond à son échéance moins sa durée d’exécution plus la somme des durées d’exécution restantes des instances de plus haute priorité. [3]

  15. Ordonnancement des tâtes apériodiques • Background scheduling: first-come-first-served strategy Tâches périodiques

  16. Polling server

  17. Deferrable server • sporadic server • Slack stealing and joint scheduling techniques

  18. Ordonnancement des tâches dépendantes • Contrainte de précedence qui correspend à la synchronisation et communication entre les tâches • Precedende avec ordonnancement par RM • Precedende avec ordonnancement par EDF • Contrainted’exlusionmutuelle pour le partage des ressources , memoire et registres…

  19. MultiprocessorScheduling • Destiner pour résoudre les problèmes d’optimisation d’ordonnancement en ligne

  20. Approches pour résoudre le problème • Partitionné • Partitionner les tâches en m sous-ensemble (nombre de processeurs) • Pas de migration de tâches d’un processeur vers un autre • Globale • Appliquer une stratégie unique d’ordonnancement • Autorisation de migration • Semi partitionné

  21. Algorithmes d’ordonnancement partitionné • First-Fit • Next-Fit • Best-Fit • Worst-Fit

  22. Algorithmes d’ordonnancement global • G-EDF • Pfair : optimal • Définir une fonction binaire • Introduire le décalage en temps (lag) [2]

  23. DP-Fair : Deadline PartitionningFair • Abstraction du T-L Plane • DP-WRAP : tâches sporadiques • LLREF : Largest Local Remaining Execution Time First • BF : BoundaryFair

  24. Algorithmes d’ordonnancement semi partitionné • Les algorithmes semi-partitionnes se situent entre ces deux extrêmes et proposent d'autoriser une migration contrôlée de certaines tâches. Ils peuvent donc être vus comme une amélioration des algorithmes partitionnes en ajoutant plus de flexibilité mais ils s'inspirent aussi des politiques globales. [2] • Proposer un compromis entre le taux d'utilisation maximum du système et le nombre de préemptions

  25. Proposition • L’application du domaine d’intelligence artificielle sur l’ordonnancement temps réel par le biais des réseaux de neurones pour une meilleur optimisation [1]

  26. Conclusion • Les algorithmes globaux ou semi partitionnés restent théoriques et ne tiennent généralement pas compte des surcoûts a l’exécution dû aux migrations, aux préemptions et aux temps de calcul de l'algorithme. • Intégrer et adapter ces ordonnanceurs à une machine virtuelle embarqué temps réel

  27. [1]YahyaouiKhadidja, L’apport des outils de lintelligence artificielle dans les systèmes temps réel: ordonnancement des tâches, université d’Oran 2013 [2] Dana - Mihaela ROHÁRIK VÎLCU, SYSTÈMES TEMPS RÉEL EMBARQUÉS, Ordonnancement optimal de tâches pour la consommation énergétique du processeur, Université Paris XII – Val de Marne 2004 [3] Frédéric Fauberteau1 Laurent George, Damien Masson,SergeMidonnet, Ordonnancement multiprocesseur global basé sur la laxité avec migrations restreintes, Saint-Étienne : France 2011 [4] Maxime Cheramy1, Anne-Marie Deplanche, and Pierre-Emmanuel Hladik ,Ordonnancement temps réel, des politiques monoprocesseurs aux politiques multiprocesseurs, [5] Francis Cottet LISI/ENSMA, Joelle Delacroix Claude Kaiser, Zoubir Mammeri, Scheduling in Real-Time Systems, France 2002