Partie II Contributions
5.6 Expérimentations : le as distribué non-préemptif
5.6.3 Minimiser les temps de réponse : le as des messageries véhiules
L'algorithmedissimilarosetetlesheuristiquessonttrèsperformantslorsquelespériodesdesuxsont
aléatoires[41℄.Néanmoins,unréelproblèmeseposelorsquelespériodesdiérentessontpeunombreuses
etquelepgcddesouplessontsimilaires 2
.Eneet,danseas,ilyademultiplesouplesavelemême
pgcdetdesosetsidentiquessontattribuésàde nombreuxux.Lesalgorithmesn'onttout simplement pasétéonçusettestéssurdesasoùilpouvaityavoirplusieursouplesdeuxavedespgcdidentiques. LasetionC.2del'annexeCprésenteunexempleillustranteproblèmeavel'algorithmedissimilaroset.
Dansle adreduprojet industriel,nousavonsproposédesheuristiques amélioréesan depallieràe
problème (heuristiquesondentielles). Dans lasuite, nous présentonstout de même l'eaité de es
algorithmes ave des messageries représentatives d'un réseau habitale atuel générées aléatoirement.
Dansesexpérimentations,nousévaluonslesperformanesdesalgorithmesaméliorés dissimilaroset,
del'heuristique1présentéeau5.4.
5.6.3.1 Conditionsd'expérimentation
And'obtenir unevisionstatistiquementplusexatedesperformanesrelativesdehaundes
algo-rithmes,nousavonsgénéré100messageriesaléatoiresreprésentativesd'unréseauhabitaleetolletéles temps de réponse obtenus ave haun des algorithmesde déphasage. Pourla génération aléatoiredes
messageries,lelogiielNETCARBENCH (enregistréàl'APPsouslenuméroIDDNFR001260007000
SP200700010000)aétéutilisé;lesparamètressuivantsontétéutilisés:
8stationsonnetéessurunréseauà125kbit/s,
hargeréseautotale(trapériodique)entre30et 35%, donnéesutilesentre 1et 8otetspartrame,
périodeshoisiesaléatoirementdans l'ensemble{100ms,200ms,500ms,1000ms},
enmoyenne50tramesdeprioritésdiérentes surl'ensembleduréseau,haquetrameestallouéeà une stationhoisieauhasard.
5.6.3.2 Performanesrelatives des heuristiques
Lesgures5.14(a)et5.14(b)présententlamoyennedutempsderéponsepourles10trameslesmoins
prioritairessurl'ensembledesmessageriesartiielles avelesdeuxalgorithmesdedéphasageetavele
assynhrone(f.gure5.14(a)).Onpeutonstatersurlagure5.14quel'utilisationd'osetpermetde
diminuerenmoyenned'unfateur2.5lestempsderéponse.Parexemple,letempsderéponsedelatrame depriorité5 letempsderéponse dansleas synhroneest 38.2msalorsqu'ilest,pourlaplusmauvaise heuristique de 16.4ms. On observe sur la gure 5.14(b) qu'en moyenne l'heuristique 1 est toujours la meilleure. En moyenne, l'heuristique 1est sensiblement meilleure aveune amélioration d'environ10% parrapportàl'alloationdissimilaroset.Ilfautbienavoiràl'espritqu'ils'agitiidevaleursmoyennes
surdesmessageriessimulées,sur unemessagerieréellepartiulièrelesrésultatsrespetifsdehaundes
algorithmespourrontêtrediérents.Enpratique,saufonnaissaneimparfaitedestaillesdestramesqui
2
Parexemple,danslesmessageriesréellesétudiéesdansleadreduprojetindustrielavePSA,iln'yavaitque5valeurs diérentesdepériodesetdepgcd.
10 15 20 25 30 35 40 45 1 2 3 4 5 6 7 8 9 10
Temps de réponse (en millisecondes)
Priorité Cas synchrone
(dissimilar offset) pgcd(Tk,Ti) (heuristique 1) (Ck/Tk+Ci/Ti)*pgcd(Tk,Ti)
(a) Pireasetasynhrones
13.5 14 14.5 15 15.5 16 16.5 17 17.5 1 2 3 4 5 6 7 8 9 10
Temps de réponse (en millisecondes)
Priorité (dissimilar offset) pgcd(Tk,Ti)
(heuristique 1) (Ck/Tk+Ci/Ti)*pgcd(Tk,Ti)
(b)Zoomsursituationsaynhrones
Fig.5.14Moyennedestempsderéponsepireasdes10trameslesmoinsprioritairesde100messageries représentativesd'unréseauhabitale généréesaléatoirement(30à35%de harge-réseauà125kbit/s). Lagure(a) présente lesrésultats duas synhrone et des diérentes situations asynhrones,lagure (b)faitunzoomsurlessituationsasynhrones.
nenouspermet pasd'appliquerl'heuristique 1,onpourrautiliserles 2algorithmesdiérents(et même
lesautresheuristiques présentéesau 5.4)et hoisir lasolutionlameilleure qui seragénéralementelle
obtenueàl'aidedel'heuristique1.
Intuitivementlaraisonquipermetd'expliquerlesperformanesdel'heuristique1estqueladisparité
de la taille des trames et don de la harge générée par haun des ux, est très importante sur les
messageriesgénérées.Orl'heuristique1aétédèsledébutonçueommeuneaméliorationdel'alloation
dissimilarosetdans leasde tramesdontla taillevarie et pourlesquelles, outrelapériode, ildevient
donnéessaire deonsidérer lataille.Sur des messageries pour lesquelles lavariabilité de lataille des
trames est moindre, les performanes de l'heuristique 1 et de l'alloation dissimilar oset seront plus
prohes.
5.7 Conlusion
Dans e hapitre,nous avons étudié le problèmede l'ordonnanement préemptifà priorité xe des
systèmesosetfreedanslessituationsmono-proesseurpréemptifetdistribuésurunréseaupriorisé.Pour
leaspréemptif,nousavonsmontréquelaomplexité,i.e., lenombred'alloationsd'osetsdiérentesà
onsidérerpouvaitêtreréduitd'aumoins50%aveuneutilisationappropriéedel'algorithmed'Audsley. Ensuite,nousavonsproposédenouvellesheuristiquesd'alloationd'osetpouraméliorerelle du
dissi-milarosetintroduitedans[66℄.Cesheuristiquesfournissentdessituationsasynhronesalternatives,qui
permettentd'améliorerdemanièresigniativelenombredesystèmes ordonnançablesenregardduas
pessimistesynhrone.En eet,l'usage ombiné desheuristiques permet d'ordonnaner aumoins 40.5% etjusqu'à97%desensembles detâhes selonnosexpérimentations,réaliséesave desensemblesde5 à
11tâhesaveunehargemoyennede0.8 .
A notre onnaissane,auune analyse d'ordonnanement existe pour le as des systèmes osetfree
essytèmes.Deplus,nosexpérimentationsmontrentquel'usagedenosheuristiquespermetderéduireen
moyenned'unfateur2.5lestempsderéponseomparéauassynhronedanslesmessageriesautomobiles surunréseauCAN (i.e.,asdistribué non-préemptif).
Dans de prohains travaux, nous envisageronsl'utilisation d'algorithme d'optimisation loale (e.g.,
hill-limbing, algorithme génétique, reuit simulé) pour réaliser l'alloation d'oset. Une méthode
hill-limbing a déjà été implémentée dans NetCar-Analyzer. Le prinipal problème serait de trouver les
fontionsdeoût appropriéespourévaluerlesbonnessolutions.De plus,desmétaheuristiques ontdéjà
étéutiliséespourréduirelagigue(pourplusde détailsvoirhapitre2).Lespréliminaires àtoute étude
serait don d'étudier l'impat des métaheuristiques existantes (visant à réduire la gigue) sur le temps
deréponse.Uneautreapproheseraitd'essayerd'utiliserd'autresméthodesd'optimisationtellesquela
Conguration d'ordonnanement sous
Posix 1003.1b
6.1 Introdution
Contexte. Cehapitretraitedel'ordonnanementdessystèmestemps-réelimplémentéssurunsystème
d'exploitationonformeaustandardPosix1003.1b.Posix1003.1b[37℄,aniennementPosix4,dénitdes
extensionstempsréelaustandardPosixonernantprinipalementlessignaux,lesommuniations
inter-proessus,les entrées sorties synhrones et asynhrones, les timers et les politiques d'ordonnanement
(un rappel des prinipales aratéristiquesde Posixrelativesàl'ordonnanementest donné en6.2.1).
Cestandardestdevenutrèspopulaireetlaplupartdessystèmesd'exploitations'yonformentaumoins
partiellement.
Les systèmes d'exploitation onformesaustandardPosix 1003.1bfournissent en standarddeux
po-litiques d'ordonnanement qui s'appliquent aux proessus, appelées shed_fo et shed_rr. Ces deux
politiques sont respetivement équivalentes, sous ertaines hypothèsesdétaillées au 6.2.1, à une
poli-tiqueàalloationde priorité xe (FixedPreemptive Priority - FPP)et àune politiqueà alloationde
prioritéditeàtourniquet(Round-Robin-RR).SousPosix1003.1b,unepriorité,unepolitique
d'ordon-nanementetdansleasdeRound-Robin,unquantumsontallouésàhaqueproessus.Ahaqueinstant,
leproessusenexéution appartientàl'ensemble desproessusde plushautepriorité et estséletionné
parmietensembleselonlapolitiqued'ordonnanement.
Dénitondu problème. Habituellement,lapolitiqueRRestappliquéeprinipalementauxproessus
defaibleprioritéréalisantdesaluls seondairesquandriend'autred'importantnes'exéute.Danse
hapitre,nous montrons ommentmaximiser lafaisabilité parl'utilisation ombinéede RR et FPP en
ordonnançantave sués unnombre importantde systèmes non-ordonnançables ave seulement FPP.
Leproblèmetraitéestenfaitd'allouerlapriorité,lapolitiqued'ordonnanementetlequantumàhaque
Étatdel'art. Audsleydans[14,67℄proposeunalgorithmed'ordonnanement,optimalpourFPPseule,
quiestmaintenantonnudanslalittératuresousladénominationd'algorithmed'Audsley;etalgorithme
aétéprésenté dansle5.3.2duhapitre5.Nousrappelonsquel'algorithmed'Audsleyest optimaldans
lalassedespolitiquespréemptivesàprioritéxepourdessystèmesdetâhesonrètesetnon-onrètes
ayant des éhéanes arbitraires. Plus tard dans [10℄, et algorithme a été montré optimal pour le as
non-préemptif à priorité xe. Le problème étudié ii est diérent duas FPP seul, ar l'utilisation de
RRmèneàl'ourrened'anomaliesd'ordonnanement,souventontre-intuitives.Parexemple,omme
il seramontré dansle 6.2.5,augmenter lavaleurduquantum d'unetâhepeutquelquefois augmenter
le temps de réponse de ette tâhe. Ce problème de l'alloation des priorités et des politiques a été
traité pour lapremièrefois par Navet et Migge[26℄, oùles auteurs proposent unalgorithmegénétique
herhantdesalloationsfaisablesoptimisantdesritèresdépendantsdel'appliation(ex.:minimiserla
giguesurland'exéution,maximiserlafraîheurd'unedonnée);lasolutionreposesurdesheuristiques
etn'estdonpasoptimaledansleasgénéral.Trouverunesolutionoptimaledansleasgénéralrevientà
faireunereherheexhaustivedansl'espaedessolutionsoùhaquesolutionestl'alloationdepriorités,
de politiqueset dequanta àhaqueproessus(i.e., tâhe). Commenous leverronsdans le6.3.2et le
6.4.2,laomplexitédeeproblèmeestexponentielleetunereherheexhaustiven'estpaspossiblemême
ave desproblèmes de petite taille. Par exemple,un ensemble de 10 tâhes pourlequel le quantum de haquetâhepeutêtrehoisiparmi5valeursdiérentesrequiertd'analyserlafaisabilitédeplusde1011
ongurationsdiérentes.
Contributions. Pourréduirelaomplexitéduproblèmenousproposonsdesextensionsdel'algorithme
d'Audsleydanslesassuivants:(1)lavaleurduquantumestunevariableonstanteglobaleausystème
et (2) le quantum de haque proessus peut être hoisi. La première extension [40℄, appelée
Audsley-RR-FPP,traiteduas(1)etladeuxième[42℄,appeléeAudsley-RR-FPP
∗
,étendAudsley-RR-FPP pour
prendreenompteleas(2).
L'existene d'anomalies d'ordonnanementsousRRnousempêhede testerlafaisabilitéde
l'allo-ationdepriorité,depolitiquesetdequantaparsimulation.Deplus,danslalittérature,ànotre
onnais-sane, il n'existe pas d'analyse d'ordonnançabilitéqui repose sur une onditionnéessaire et susante
danseas.
Dansetteétude,noussupposonsquel'onsaitexhiberunefontiondealuldebornesupérieuresur
lepire tempsde réponse(qui peutnepasêtre atteinte), telle quelaborne supérieuresur lepiretemps
réponsed'unetâheτineroîtpasquandl'ensembledetâhesdeprioritésupérieureouégaleàelledeτi
est réduit.Alors,nousdironsqu'uneongurationd'ordonnanementestfaisablesi, pourhaquetâhe,
la borne supérieure sur le pire temps de réponse, alulée ave ette fontion de alul,est inférieure
ouégaleàsonéhéane. Onappellepuissanedel'analysed'ordonnançabilité laapaitéde l'analyseà
distinguer lesongurations faisablesdes ongurationsnon-faisablesàl'aide du test defaisabilité qui
reposesurunetelle fontion.
Nosnouveauxalgorithmesd'alloation(Audsley-RR-FPP etAudsley-RR-FPP
∗
)serontmontrés
opti-mauxrelativementàlafontiondealuldebornesurletempsderéponse,danslesensoùlesalgorithmes
trouventunesolutionfaisable(ausensdénipréédemment)s'il enexiste aumoins une.En eet,nous
spéiques,détailléesdansle6.2.5,anqu'unalgorithmesimilaireàeluid'Audsleynerejette pasdes
alloationsordonnançablesàausedesanomalies del'ordonnanementRRetnesoitdonpasoptimal.
Dans la suite, nous utilisons l'analyse de borne supérieure sur lespires temps de réponse proposée
parMiggeet al.[1℄pourdistinguerlessolutionsfaisablesetnon-faisables.Pourhaundesalgorithmes
proposés,laomplexitépireasestétudiéeetunensembled'optimisationsestfournipourréduirel'espae
dereherhe.
Malgrélarédutionsigniativedelaomplexité,lesalgorithmessontlimitésauxproblèmesdepetites
etmoyennestailles.C'estpourquoinousspéions,dansleas(1)oùlequantumest unevaleurglobale
ausystème, uneheuristique,appelée Load-RR-FPP,pourlesproblèmesdeplusgrandetaille.
Latroisième ontributionde e hapitreest demettre enévidene l'eaitédel'usage ombiné de
FPP et RR pour trouver des ensembles ordonnançables même quand la harge du système est élevée
(eaitéenoremeilleurequandlequantumindividuel dehaquetâhepeutêtrehoisi).
Organisation. Lasetion6.2résumelesprinipalesaratéristiquesdel'ordonnanementPosix1003.1b,
introduit lemodèleet les notations. Dans lessetions 6.3 et 6.4, nous présentonslesdeux algorithmes
optimauxd'alloationdepriorité,depolitiqueetdequantum:Audsley-RR-FPP (i.e.,quantumonstant
globalausystème)etAudsley-RR-FPP
∗
(i.e.,quantumspéiqueàhaquetâhe).Ensuite,une
heuris-tique,appeléeLoad-RR-FPP, dontle but est de traiterdeplus grandensemble de tâhes est proposée
ensetion6.5. L'eaitédenospropositionsest évaluéedansla6.6.