Les systèmes embarqués servent à piloter des véhicules, des robots et des usines. Les fonctions de ses systèmes exigent des performances de réactivité. Pour garantir ces performances, les méthodes d’analyses de ce systèmes sont très efficaces. Cependant l’exécution de ce systèmes est dépendante de nombreux paramètres configurables, et tant qu’ils ne sont pas choisis l’analyse est impossible.
Des méthodes de configuration s’appuient sur les outils d’analyse développés pour avancer « à tâtons » vers une configuration qui respecte les exigences de performances de ces systèmes. Une autre possibilité est de planifier l’exécution du système avant de choisir les paramètres en fonction de cette planification. Cependant cette voie est peu explorée avec Time-Sensitive Networking (TSN), l’ensemble de protocoles Ethernet le plus polyvalent. En effet, les nombreux protocoles qui le composent combinent différentes politiques d’ordonnancement, permettent de garantir une redondance des transmissions sans avoir à doubler le réseau physique, permettent de mélanger des trafics de différentes criticités, sans compter la possibilité de synchroniser les communications et l’exécution des tâches.
L’intégration de toutes ces possibilités dans la planification des systèmes embarqués nécessite de s’appuyer sur un modèle basé sur le temps qui englobe les aspects calculs et communication. De plus pour planifier le système en validant sa réactivité, ce modèle doit être capable d’exprimer la latence fonctionnelle. Pour simplifier cette expression les aspects calculs et communications doivent être modélisés de la même manière.
Dans cette thèse, nous avons proposé un modèle qui réponde à ces exigences et intègre l’organisation de multiples politiques d’ordonnancement. Ce modèle est ensuite adapté pour planifier l’exécution du système à l’aide d’un solveur de satisfaction de contraintes. Pour cela les mécanismes du système doivent être traduits en contraintes, des travaux pré-existant ayant déjà rassemblé une partie des contraintes nécessaires. La contribution la plus importante de cette partie de nos travaux est l’intégration de la latence fonctionnelle aux contraintes de ce problème.
L’observation de la latence fonctionnelle accroît aussi l’horizon de planification, c’est-à-dire la durée sur laquelle il faut planifier l’exécution du système. Cependant l’ajout des contraintes de latence fonctionnelle ne semble pas accroître significativement le temps de résolution d’une planification. Cela est notamment dû à la répétition d’un même motif d’exécution sur plusieurs hyperpériodes du système. La résolution de ce problème est difficile, un problème évident de passage à l’échelle a été soulevé par les travaux pré-existants. Les principaux facteurs participant à la longueur de la résolution sont le nombre de tâches et de messages à planifier et la diversité de leurs périodes d’activation.
Une fois le système planifié, il faut trouver les bons paramètres de configuration pour exécuter la planification. Cette partie des travaux est abordée de manière lacunaire dans la plupart des travaux existants. Une partie de ce problème repose sur le choix des priorités des tâches et des messages. Le problème des priorités des tâches peut être résolu facilement grâce à un grand nombre de priorités disponibles. Cependant ce n’est pas le cas des messages, puisque TSN n’emploie que 8 classes de trafic. Ce nouveau problème peut être résolu en rectifiant la planification initiale. On peut alors cibler les messages qu’il faut replanifier pour modifier la planification aussi peu que possible. Cet enjeu est important car chaque variable à reconsidérer augmente le temps de résolution du nouveau problème. Pour cela, nous adaptons un problème de K-partitions en le pondérant par le nombre de trames à re-planifier. |
Embedded systems are employed in the control of vehicles, robots and factories. The features of these systems need real-time performances.
There are very performant analysis methods which are able to ensure a configured system respects these needs. Though to configure a system means to set thousands of customizable parameters which are needed to analyze the execution of the system.
One way to decide these parameters is to propose a set of parameters, evaluate the execution and if the configuration does not meet the needs, modify it accordingly and retry. An other way is to plan the system’s execution in time and then choose the parameters able to realize this planning. However, the second way is not explored in the case of systems working with Time-Sensitive networking, the most polyvalent set of Ethernet protocols for Embedded Systems. In these protocols, there are features for seemless redundancy, combination of scheduling policies, handling multiple criticity of traffic, or even synchronize communication with task execution.
Integrating all these features in the planification of embedded systems needs a model based on time which support communication as well as task execution. Moreover, to plan a system and verify its reactivity, the model should be able to express the functional delay. To simplify this expression computing and communication side should be modeled in the same fashion.
In this thesis, we proposed a model answering these needs which also considers the combination of multiple scheduling policies. Then this model is adapted to plan the execution of the system with a satisfayability solver. To do so, the behaviour of the system has to be translated into constraints. Most of this work already exist in previous articles, in which the issue of scalability is raised. Our most important contribution in this stage of the work is the integration of functional delay in the problem’s constraints.
Observing functional delay also increases the planification hrizon, which is the length of time interval where the system has to be planed. This increase does not significantly increases the resolution time of the planification problem. This is mainly a consequence of repeating the same execution planning over different hyperperiods of the system. The main parameters increasing the resolution time are the number of tasks implied and the diversity of their periods and messages.
Once the system is planned, the night configuration has to be found in order to realize the planning. A part of this problem lies in the priority choice for tasks and messages. The priority problem is easily solved for tasks which can be dispatched into numerous priorities. Though, the same problem for messages is harder to solve as TSN only uses 8 traffic classes. This new problem can be solved by correcting the first planning. Then we have to choose wisely the messages to plan again in order to minimize the changes in the planning. This is important because every modification of the planning increases the solving time of the new problem. To do so we adapted a K-partition problem by setting weights according to the number of messages to plan again. |