Consommation d’énérgie

Nous nous intéressons maintenant à la consommation d’énergie nécessaire au fonctionne- ment de SOLIST, comparée avec celle nécessaire à l’utilisation de marches aléatoires et d’inon-

dation. Afin de comparer équitablement ces approches, nous avons effectué les simulations en imitant une consommation réelle d’énergie, proposé dans [MCP+_{02], dont les chiffres, issus de}

mesures sur des capteurs MICA réels, sont fournis dans le tableau 3.1. Chaque capteur possède au début de l’expérimentation une batterie chargée de capacité 2 200 mAh.

Afin de comparer équitablement les approches considérées, chaque simulation est lancée à deux reprises : (i) avec SOLISTet (ii) avec les algorithmes comparatifs, et ce, avec le même

comportement des nœuds (i.e. égalité des temps d’arrivées, de départs, de défaillances, du nombre d’évènements, etc. ) sur une période de 10 000 temps discrets. Comme chaque intro- duction de nœud, ou requête de *-cast, nécessite un anycast, ces simulations, présentées plus en détail au paragraphe 3.6.1, génèrent 3 000 requêtes d’anycast, 1 000 de broadcast et 1 000 de k-cast, sans compter l’énergie comptabilisée pour la maintenance de la structure.

En premier lieu, intéressons nous à la consommation totale du système au cours d’une si- mulation. La figure 3.9 présente, pour différents nombres de cellules dans SOLIST, la consom-

mation d’énergie moyenne en fin de simulation. Cette figure illustre l’efficacité de SOLISTen

terme d’économie d’énergie, comparativement aux marches aléatoires combinées avec l’inon- dation. Néanmoins, la courbe de consommation de SOLIST remonte sensiblement pour un

grand nombre de cellules. Ceci est dû à la croissance de l’énergie nécessaire à la mainte- nance du système, comme nous le verrons ci-après. À titre d’exemple, les figures 3.15 et 3.16 présentent l’état du réseau en terme d’énergie consommée à la fin d’une simulation, sur la topologie présentée en figure 3.13, respectivement pour une utilisation de SOLIST avec une

3.6. Évaluation des performances 73

configuration à 2 × 4 cellules et pour une utilisation de marches aléatoires et inondations. Elles permettent de se rendre compte de l’équilibrage de charge sur le réseau. Toutes les figures de ce type présentent les courbes de niveaux d’énergie en fin de simulation, exprimé en pourcentage consommé. Plus les couleurs sont sombres, dans le spectre des couleurs froides (bleu à violet), moins ces nœuds ont été sollicités, et plus leur quantité d’énergie restante est importante. À l’inverse, plus les couleurs sont claires et dans le spectre des couleurs chaudes (rouge à jaune), plus la consommation d’énergie a été importante durant la simulation. Ainsi, il est visible que la majorité des nœuds souffre d’une pénurie d’énergie sur la figure 3.16. A contrario, l’utilisa- tion de SOLIST sur le même scénario, avec 1 000 requêtes de k-cast supplémentaires, illustre

une consommation d’énergie maximale inférieure à 33 %. Nous pouvons toutefois observer des zones de forte densité. Les nœuds de ces zones ont en effet été plus sollicités, en raison d’un plus grand nombre de messages ayant transités – et été générés – par ceux-ci au cours de la simulation.

La figure 3.10 présente, pour les mêmes configurations que précédemment, la moyenne de l’énergie spécifiquement consommée par l’utilisation de la primitive d’anycast. Celle-ci montre l’intérêt de SOLISTà partir d’une configuration à 3 cellules, en comparaison avec les marches

aléatoires. Néanmoins, avec une configuration à très petites cellules, le nœud de contact reçu ne correspond pas forcement au plus proche (cf. paragraphe 3.6.3), rehaussant légèrement la courbe énergétique en fonction du nombre de cellules. Cependant, l’énergie nécessaire pour l’anycast dans SOLIST reste inférieure à 35 % de celle utilisée en moyenne avec des marches

aléatoires. Utilisant l’exemple de la figure 3.13, les figures 3.17 et 3.18 présentent la consom- mation spécifique en fin de simulation de l’anycast issu de SOLIST versusdes marches aléa-

toires. Sur celles-ci, plusieurs zones de forte consommation apparaissent. Pour SOLIST, ces

points correspondent aux 80 points d’entrées du système, pour lesquels les huit cellules se dé- coupent clairement. À l’opposé, les points de forte consommation des marches aléatoires se rapportent aux zones de haute concentration de nœuds dans le système. Cette observation s’ex- plique par la forte probabilité pour la requête de se perpétuer dans une zone à forte densité9_.

Au demeurant, la consommation de celles-ci reste proportionnellement prépondérante à celle

de SOLIST.

Concernant la primitive de broadcast, la figure 3.11 présente l’énergie consommée dans les mêmes configurations de SOLIST, comparativement à l’utilisation de l’inondation. Etant donné

que la structure des LIGH-t-LAYERs n’est pas corrélée avec le nombre de cellules dans SOLIST,

la consommation d’énergie moyenne est constante pour chaque courbe. Comme attendu, cette figure illustre l’intérêt de ne contacter que les nœuds nécessaires à la diffusion sur un type donné plutôt que d’impliquer tous les nœuds du réseau. Plus spécifiquement, les figures 3.19 et 3.20 présentent les cartes de consommation d’énergie pour le broadcast dans SOLIST et l’inonda-

tion. Pour SOLIST, seulement certains nœuds de types spécifiques, correspondant à ceux les

plus contactés, montrent une consommation supérieure aux autres (cf. les points clairs sur la figure 3.19). En revanche, une utilisation de l’inondation implique la totalité du réseau. Dans le cas où le broadcast serait appliqué sur différents types, l’efficacité énergétique de l’émission de plusieurs requêtes dans SOLISTpersiste par rapport à une seule procédure d’inondation. Tou-

tefois, si un broadcast intégral est requis, pour tous les nœuds du système, une dissémination

20 % 40 % 60 % 80 % 100 % 0 20 40 60 80 100 Énergie (%) Nombre de cellules Solist Marches Aléatoires et Inondation

FIG. 3.9 – Consommation d’énergie moyenne intégrale. 0.2 % 0.4 % 0.6 % 0.8 % 1 % 1.2 % 0 20 40 60 80 100 Énergie (%) Nombre de cellules

Anycast dans Solist Marches Aléatoires

FIG. 3.10 – Consommation d’énergie

moyenne pour l’anycast exclusivement.

10 % 20 % 30 % 40 % 50 % 0 20 40 60 80 100 Énergie (%) Nombre de cellules

Broadcast dans Solist Inondation

FIG. 3.11 – Consommation d’énergie

moyenne pour le broadcast exclusivement.

1 % 2 % 3 % 4 % 5 % 6 % 7 % 8 % 9 % 0 10 20 30 40 50 60 70 80 90 100 Énergie (%) Nombre de cellules Arrivées Maintenance Départs FIG. 3.12 – Consommation d’énergie

moyenne pour l’entretien de la structure.

FIG. 3.13 – Exemple de référence d’un ré-

seau à 1000 nœuds et 10 types.

1.5 % 1 % 1.5 % 2 %

FIG. 3.14 – Consommation d’énergie to-

tale pour le k-cast dans SOLIST.

La topologie se réfère à celle présentée en figure 3.13 avec 2 × 4 cellules.

3.6. Évaluation des performances 75 10 % 15 % 20 % 25 % 30 %

FIG. 3.15 – Consommation d’énergie to-

tale intégrale avec SOLIST.

La topologie se réfère à celle présentée en figure 3.13 avec 2 × 4 cellules.

40 % 60 % 80 % 100 %

FIG. 3.16 – Consommation d’énergie to- tale intégrale sans SOLIST.

La topologie se réfère à la figure 3.13 avec marche aléatoire et inondation.

0.25 % 0.5 % 0.75 % 1 %

FIG. 3.17 – Consommation d’énergie to-

tale pour l’anycast dans SOLIST.

La topologie se réfère à celle présentée en figure 3.13 avec 2 × 4 cellules.

0.5 % 1 % 1.5 %

FIG. 3.18 – Consommation d’énergie to-

tale pour l’anycast par marche aléatoire.

La topologie se réfère à celle présentée en figure 3.13. 1 % 2 % 3 % 4 % 5 % 6 % 7 % 8 %

FIG. 3.19 – Consommation d’énergie to-

tale pour le broadcast dans SOLIST.

La topologie se réfère à celle présentée en figure 3.13 avec 2 × 4 cellules.

20 % 30 % 40 %

FIG. 3.20 – Consommation d’énergie to-

tale pour le broadcast par inondation.

La topologie se réfère à celle présentée en figure 3.13.

par inondation est alors plus intéressante qu’un broadcast de chaque type du réseau (d’autant qu’il implique de connaître la liste exhaustive des types présents dans la système).

La figure 3.14 dénote quant à elle la consommation d’énergie finale instantanée nécessaire pour le mécanisme de k-cast dans SOLIST. À l’inverse de la consommation du broadcast, celle

du k-cast dépend fortement du nœud de contact retourné par la primitive d’anycast. De fait, étant donné que le mécanisme de k-cast ne concerne qu’un sous-ensemble de nœuds d’un type spécifique et que le nœud de contact est situé à proximité du point d’entrée interrogé, des zones de forte consommation se dégagent autour des points d’entrées, mais plus vastes que celles apparaissant en figure 3.17.

Enfin, la consommation d’énergie moyenne dédiée à la maintenance de la cohésion de la structure est présentée en figure 3.12 en fonction du nombre de cellules dans SOLIST. Sachant

que les primitives d’arrivée et de réorganisation en cas de départ ou de défaillance sont gé- rées localement, l’énergie nécessaire reste logiquement réduite quelle que soit la configuration (moins de 0,25 % de l’énergie totale disponible sur un nœud). En contrepartie, la primitive de départ demande une part de plus en plus importante d’énergie à mesure que le nombre de cel- lules augmente. Ceci est une conséquence de l’accroissement linéaire du nombre de messages de départ envoyés aux points d’entrées, pour la mise à jour sur ces derniers de l’information concernant les nœuds de contact. Par exemple, avec une configuration à 10×10 cellules, durant la simulation, chaque nœud devra quitter le réseau ou subir une défaillance. 100 000 messages de départ sont alors générés à travers le réseau uniquement pour la maintenance de la structure. Ces résultats montrent que SOLIST permet de devancer les approches classiques utilisées

ici, en terme de consommation d’énergie. Pour la topologie de réseau utilisée dans ces évalua- tions (1 000 nœuds répartis en 10 types), la configuration à 8 cellules est idéale pour obtenir le meilleur compromis entre efficacité et consommation d’énergie. Trouver la meilleure division pour une topologie de réseau donnée reste un problème ouvert.