HDRs 2021

Les travaux présentés dans ce document s’articulent selon deux axes de recherche principaux : (i) la synchronisation d’applications temps réel multicœur, et (ii) l’autonomie énergétique des systèmes temps réel embarqués. Ces problématiques sont abordées du point de vue de l’ordonnancement en prenant en compte plusieurs types de contraintes : des contraintes temporelles, des contraintes de partage de ressources, des contraintes de qualité de service (QoS), et des contraintes d’énergie. Gérer efficacement les accès concurrents à la mémoire dans un contexte temps réel multicœur se révèle complexe. Le verrouillage systématique peut réduire le parallélisme de la plate-forme d’exécution et engendrer par là-même une baisse significative des performances. Forts de ce constat, nous avons donc étudié l’adaptation des mémoires transactionnelles (mécanismes de synchronisation non-bloquant) aux systèmes temps réel multicœur. Au travers d’une étude expérimentale, nous avons comparé les performances de plusieurs mémoires transactionnelles afin de déterminer les facteurs clés (ex : système d’exploitation, politique d’ordonnancement, allocateur mémoire) influant sur la gigue d’exécution des transactions, gigue pouvant impacter directement le respect des contraintes temporelles des tâches dans un système temps réel. Nous avons ensuite proposé une mémoire transactionnelle logicielle temps réel hard, la STM-HRT, permettant de garantir la progression de toutes les transactions du système. Une analyse fonctionnelle et temporelle de la STM-HRT nous a permis de valider le mécanisme de synchronisation non bloquant proposé. Les systèmes embarqués de nouvelle génération tels que les nœuds de capteurs sans fil se sont multipliés ces dernières années. Pour nombre de ces systèmes, l’autonomie énergétique est une problématique capitale. La technologie du energy harvesting consistant à capter l’énergie dans l’environnement pour alimenter un système, permet en particulier de doter ces systèmes embarqués aux ressources contraintes, d’une capacité d’autosuffisance énergétique. L’informatique “intelligente” embarquée au sein de ces systèmes possède très souvent des exigences temps réel au niveau des traitements logiciels. Il convient alors de garantir le fonctionnement perpétuel du système en gérant conjointement deux types de contraintes : le temps et l’énergie. C’est précisément l’objet de nos contributions sur cette thématique, en considérant le problème du point de vue de l’ordonnancement des tâches applicatives sur le processeur. Nous avons tout d’abord mis en évidence l’inefficacité des ordonnanceurs temps réel “classiques” tels que EDF, incapable à s’accommoder des fluctuations de l’énergie d’alimentation. Nous avons cependant montré qu’il reste le meilleur ordonnanceur non-oisif dans le contexte du energy harvesting et qu’il constitue le meilleur choix d’intégration pour un système ne pouvant disposer d’une estimation prédictive de l’énergie exploitable. Nos travaux ont ensuite consisté en l’identification de quelques-unes propriétés clés d’un ordonnanceur dans le contexte du energy harvesting. Puis, nous avons contribué au problème de la faisabilité d’un ensemble de tâches temps réel à contraintes strictes dans ce même contexte, par la proposition d’un nouveau test, robuste vis-à-vis de la puissance de la source d’énergie. Les contributions présentées par la suite visent à apporter des solutions adaptées aux situations de surcharge temporaire de traitement et/ou de consommation énergétique dont un système peut souffrir. Sur la base d’un nouveau modèle de tâches intégrant des contraintes de QoS, nous avons proposé de nouveaux ordonnanceurs contrôlant notamment le nombre et l’identité des jobs de tâches abandonnés en cas de surcharge. Nous avons enfin proposé un test de faisabilité nécessaire intégrant conjointement les contraintes de QoS et d’énergie.