CE25 - Sciences et génie du logiciel - Réseaux de communication multi-usages, infrastructures de hautes performances

Ordonnancement Temps Réel de Plateforme Multiprocesseur Hétérogène – SHRIMP

Résumé de soumission

Les systèmes sur puce multiprocesseur (MPSoCs) embarqués dans les systèmes temps réel sont de plus en plus hétérogènes (dotés de CPUs, GPUs ou NPU par ex.). Cette hétérogénéité permet des gains de performances (calcul, consommation énergétique) mais complexifie leur analyse. Les systèmes temps réel doivent assurer des garanties logiques mais aussi temporelles.

La partie applicative des ces systèmes est représentée sous la forme de tâches ayant des contraintes temporelles, telle qu'une échéance, date avant laquelle l'exécution d'une tâche doit être terminée. Pour la partie matérielle, ces systèmes hétérogènes sont souvent décrits dans la littérature comme des plateformes "unrelated". Dans cette classification, il est possible d'assigner une vitesse d'exécution différente à chaque couple tâche/processeur. Cela généralise notamment la catégorie dite "homogène", où les processeurs peuvent avoir des vitesses différentes, mais constantes pour toutes les tâches.

Le projet SHRIMP vise à proposer un ordonnanceur temps réel global (qui autorise la migration des tâches entre processeurs) et dynamique pour des plateformes "unrelated". Cet ordonnanceur doit être capable de gérer des tâches sans date d'arrivée prédéfinie (tâches sporadiques) et de réagir en ligne aux événements, tout en assurant le respect des échéances des tâches. Les solutions existantes sont statiques. Elles ne permettent pas une utilisation satisfaisante des ressources. Par exemple, elle peuvent pas tirer profit de la fin d'exécution précoce (avant la fin de son temps d'exécution pire-cas) d'une tâche. De plus, les modèles de tâches considérés dans ces travaux ne sont pas adaptés aux caractéristiques des applications modernes (dépendances) et réalistes (temps d'exécution pire-cas monolithique pour une tâche s'exécutant sur possiblement sur différents processeurs).
Le projet a pour objectif de considérer tout d'abord un cas particulier des plateformes "unrelated" nommées "consistent" pour lesquelles il existe un ordre de comparaison entre les processeurs mais où les vitesses des processeurs ne sont pas nécessairement constantes (comme pour les plateformes homogènes). Cette catégorie permet notamment de représenter des architectures de type ARM big.LITTLE ayant des processeurs lents et rapides, d'architectures différentes mais dotées du même jeu d'instruction.
Ensuite, il s'agira d'être critique vis à vis du modèle de tâches classiquement utilisé et de proposer un algorithme d'ordonnancement capable d'ordonnancer des tâches dépendantes. Ce dernier modèle permettrait de représenter plus fidèlement des tâches ayant des sections de code dont le temps d'exécution pourrait varier en fonction du processeur utilisé.

Les solutions développées devront être validées formellement à travers des preuves et les outils théoriques de comparaisons des ordonnanceurs. Par des simulations, l'attention sera portée sur les performances de l'ordonnanceur, par exemple sur la charge d'utilisation supportée ou sur le nombre de changements de contexte (préemptions, migrations) qui ont un impact fort sur l'applicabilité des résultats. A ce sujet, le projet met également l'accent sur l'évaluation pratique de la solution. Les algorithmes d'ordonnancement devront être implémentés sur un banc d'essai réaliste.

Coordination du projet

Antoine Bertout (LABORATOIRE D'INFORMATIQUE ET D'AUTOMATIQUE POUR LES SYSTÈMES)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

LIAS LABORATOIRE D'INFORMATIQUE ET D'AUTOMATIQUE POUR LES SYSTÈMES

Aide de l'ANR 158 480 euros
Début et durée du projet scientifique : août 2022 - 42 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter