Analyse d'ordonnancement des systèmes probabilistes en temps réel

Schedulability Analysis of Probabilistic Real-Time Systems

• Auteur / Autrice : Jasdeep Singh
• Direction : Luca Santinelli, Jean-Loup Farges
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Télécommunications
• Date : Soutenance le 06/03/2020
• Etablissement(s) : Toulouse, ISAE
• Ecole(s) doctorale(s) : École doctorale Mathématiques, informatique et télécommunications (Toulouse)
• Partenaire(s) de recherche : Equipe de recherche : Équipe d'accueil doctoral Modélisation et ingénierie des systèmes (Toulouse, Haute-Garonne)
• Partenaire(s) de recherche : Laboratoire : Office national d'études et recherches aérospatiales. Département Traitement de l’Information et Systèmes (DTIS)
• Jury : Président / Présidente : Christine Rochange
• Jury : Examinateurs / Examinatrices : Luca Santinelli, Christine Rochange, Didier Lime, Enrico Vicario, Laura Carnevali, Laurent George, Zhishan Guo, Pierre Siron
• Jury : Rapporteur / Rapporteuse : Didier Lime, Enrico Vicario

Mots clés

Mots clés contrôlés

Systèmes embarqués (informatique)

Temps réel (informatique)

Markov, Processus de

Mots clés libres

Chaine de Markov

Ordonnançabilité

Méthodes Formelles

Mathématiques Probabilistes

Systèmes Embarqués

Systèmes temps-Réels

Probability mathematics

Markov Chain

Real-Time systems

Scheduling

Embedded Systems

Formal Methods

Résumé

La thèse est une étude d'approches probabilistes pour la modélisation et l'analyse de systèmes temps réel. L'objectif est de comprendre et d'améliorer le pessimisme qui existe dans l'analyse du système. Les systèmes temps réel doivent produire des résultats avec des contraintes de temps réelles. L'exécution des tâches dans le système est basée sur leur pire temps d'exécution. En pratique, il peut y avoir de nombreux temps d'exécution possibles inférieurs au pire des cas. Nous utilisons le temps d’exécution probabiliste dans le pire cas, qui est une distribution de probabilité dans le pire des cas, qui limite tous les temps d’exécution possibles. Nous nous approchons avec le modèle de chaîne de Markov à temps continu pour obtenir des probabilités de manquer une contrainte de synchronisation dans le monde réel. Nous étudions également les systèmes de criticité mixte (MC) car ceux-ci ont également tendance à faire face au pessimisme dans un souci de sécurité. Les systèmes MC consistent en des tâches d’importance ou de criticité ged différentes. Le système fonctionne sous différents modes de criticité dans lesquels l'exécution des tâches de criticité identique ou supérieure est assurée. Nous abordons d’abord les systèmes MC en utilisant la chaîne de Markov en temps discret pour obtenir la probabilité que le système entre dans des niveaux de criticité plus élevés. Nous observons certaines limites de nos approches et nous procédons à la modélisation des systèmes probabilistes MC à l'aide de modèles Graph. Nous remettons en question les approches existantes dans la littérature et fournissons les nôtres. Nous obtenons des calendriers pour les systèmes MC optimisés pour l'utilisation des ressources. Nous faisons également le premier pas vers la dépendance entre les tâches en raison de leur scheduling.

The thesis is a study of probabilistic approaches for modelling and analyzing real-time systems. The objective is to understand and improve of the pessimism that exists in the system analysis. Real-time systems must produce results with real world timing constraints. The execution of the tasks within the system is based on their worst case execution time. In practice, there can be many possible execution times below the worst case. We use probabilistic Worst Case Execution Time which is a worst case probability distribution which upper bounds all those possible execution times. We approach with Continuous Time Markov Chain model to obtain probabilities of missing real- world timing constraint. We also study Mixed Criticality (MC) systems because MC systems also tend to cope with pessimism with safety in mind. MC systems consist of tasks with different importance or criticalities. The system operates under different criticality modes in which the execution of the tasks of the same or higher criticality is ensured. We first approach MC systems using Discrete Time Markov Chain to obtain the probability of system entering higher criticalities. We observe certain limitations of our approaches and we proceed to model the MC probabilistic systems using Graph models. We question the existing approaches in the literature and provide our own. We obtain schedules for MC systems which is optimized for resource usage. We also make the first step towards dependence among the tasks due their scheduling.