Normalement, les systèmes temps réel à contraintes strictes sont conçus et di mensionnés en considérant la situation qui conduit à la charge de travail maximale ce qui implique des exigences considérables en termes de ressources matérielles. Cepen dant, ce pire cas ne se produit que rarement et donc les ressources ne sont que rare ment utilisées. Une solution est de concevoir le système en considérant un cas moyen. Cette solution peut convenir à une sous classe des systèmes temps réel mous (SRT) qui exigent seulement une garantie statistique sur les échéances. Cependant, pour d'autres systèmes temps réel qui se trouvent dans le domaine du multimédia et du contrôle commande, la seule garantie statistique des échéances peut être inacceptable. Nous avons donc besoin de spécifications sur la distribution des échéances ratés
34
[Bernat01] ; c’est pour cette raison que le modèle (m, k) firm est employé [Ham daoui95]. Typiquement, pour un même taux d’échéances ratées, une application temps réel peut tolérer des échéances ratées non consécutives bien mieux que des échéances ratées consécutivement. On dit qu’un système est sous la contrainte (m, k) firm temps réel s'il exige la garantie que au moins m échéances soient respectées pour n'importe quelkinstances consécutives d'une tâche.
Beaucoup de travaux ont proposés de nouveaux algorithmes d’ordonnancement pour garantir la contrainte (m, k) firm [ZWang02]. Deux classes d’ordonnancement peuvent être distingué : l’ordonnancement dynamique et l’ordonnancement statique. DBP (Distance Based Priority) [Ramanathan99] et DWCS (Dynamique Window constraint Scheduling) [West00] sont des ordonnance ments dynamiques. L’affectation des priorités en ligne est effectuée selon l'état actuel du système. ERM (Enhanced Rate Monotonic) [Ramanathan99] et EFP (Enhanced Fixed Priority) [Quan00] sont statiques puisqu’ils ordonnancent les instances hors ligne en utilisant un pattern statique pour classer les échéances obligatoires et faculta tives. Il faut noter que, comme pour le temps réel dur, une condition suffisante d’ordonnançabilité est naturellement nécessaire pour assurer une garantie détermi niste de type (m, k) firm. Il y a des conditions suffisantes pour ERM, EFP et DWCS [West00] [West04], mais il n’y a aucune condition similaire proposée pour DBP jus qu'à maintenant.
Dans ce chapitre, nous considérons seulement l’algorithme d’ordonnancement dynamique DBP pour un ensemble de tâche sous contraintes (m, k) firm. Le système devrait pouvoir s'adapter à la variation de quantité de travail (par exemple dans les réseaux gérant la QdS par le contrôle d’admission) en profitant de la possibilité de jeter jusqu'à k1m instances consécutives pendant une période de surcharge du sys tème. Par conséquent, dans ce contexte, l'ordonnancement hors ligne n'est tout sim plement pas approprié. En outre, une politique d’ordonnancement dynamique peut permettre une meilleure utilisation des ressources disponibles en général. Finalement, nous insistons sur l'importance de jeter instances des tâches qui dans tous les cas ne pourront pas être accomplies avant leur échéance par le système. En fait, la situation de surcharge cause certains non respect d’échéances, et supprimer une partie des ins
35
tances de tâche (de préférence celles avec des échéance ratées) peut permettre une performance meilleure du système. Dans notre travail, nous rejetons dynamiquement des instances et c’est ce qui diffère par rapport aux travaux classiques sans rejets (par exemple [Ramanathan95], [Bernat01], [Bernat03]).
Nous avons fait le choix d’une politique dynamique et étudierons DBP car c’est une technique efficace [Poggi03] mais pour laquelle il n’existe pas de condition suffisante d’ordonnançabilité ce qui est indispensable pour les applications visées. Pour DWCS, une telle condition a été proposée dans [West04]; mais son domaine d'application est très limité puisque les tâches doivent avoir le même temps d’exécution et le même taille des périodes. Nous le verrons dans la suite, nous pour rons trouver une condition plus générale en utilisant DBP. Comme nous voulons ob tenir un résultat applicable à l’ordonnancement des tâches et à l’ordonnancement des paquets sur un réseau, nous nous limitons à l'ordonnancement non préemptif. Nous nous plaçons dans le cadre des études antérieures [Hamdaoui95], [West04], et consi dérons un ordonnancement à priorité avec un arbitrage EDF en cas de priorités égales.
Dans ce chapitre nous nous concentrons sur NP DBP EDF (Non preemptive – Distance Based Priority – Earliest Deadline First) et proposons une condition suffi sante hors ligne pour évaluer l’ordonnançabilité d’un ensemble de tâche sous l'algo rithme DBP pour la contrainte (m, k) firm. En outre, l’ordonnançabilité peut égale ment être déterminée en ligne dans un intervalle limité de temps si toutes les dates d’activation sont indiquées. Les simulations prouvent l’efficacité de la condition suf fisante hors ligne en termes de taux d’utilisation des ressources, pour une utilisation dans des système de contrôle commande.
Bien que nous soyons principalement intéressés à prévoir l’ordonnançabilité a priori (ie. avant l’exécution du système) d’un ensemble de tâches, nous constatons que la condition suffisante en ligne pour déterminer l’ordonnançabilité de NP DBP EDF est beaucoup plus efficace que la condition hors ligne pour ce qui est de l’utilisation des ressources. En particulier, l’ordonnancement DBP avec garantie hors ligne peut dans certains cas exiger la même quantité de ressource que l’ordonnancement sous contrainte HRT (la raison théorique est montrée dans l'annexe
36
B). Par ailleurs, nous avons prouvé dans notre rapport [Li03] que le politique DBP peut se trouver dans un état d'échec (i.e. contrainte (m,k) non respectée) même avec un taux utilisation de la ressource arbitrairement bas. Par conséquent, nous concluons qu’un faible taux d’utilisation des ressource est inévitable pour la contrainte (m, k) firm dans le cas général. Ceci nous conduit à la recherche de la raison théorique de ce faible taux d’utilisation, afin de trouver une solution efficace.
37