Efficacité énergétique et ordonnancement des systèmes temps-réel multiprocesseurs. - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2011

Efficacité énergétique et ordonnancement des systèmes temps-réel multiprocesseurs.

Energy-aware Scheduling for Multiprocessor Real-time Systems

Résumé

Modern real-time applications have become more sophisticated and complex in their behavior over the time. Contemporaneously, multiprocessor architectures have emerged. Multiprocessor systems, due to their autonomy and reliability, face critical problem of energy consumption. To address this issue in real-time systems, many software-based approaches have emerged. This thesis proposes new techniques for energy-efficient scheduling of multiprocessor systems. Our first contribution is a hierarchical scheduling algorithm that allows restricted migration of tasks. This algorithm aims at reducing the sub-optimality of global EDF algorithm. The second contribution of this thesis is a dynamic power management technique called Assertive Dynamic Power Management (AsDPM). This technique is an admission control technique for real-time tasks, which decides when exactly a ready task shall execute, thereby reducing the number of active processors. The third contribution of this dissertation is a DVFS technique, referred as Deterministic Stretch-to-Fit (DSF) technique, which falls in the category of inter-task DVFS techniques. Both DPM and DVFS techniques are efficient for specific operating conditions. However, they often outperform each other when these conditions change. Our fourth and final contribution is a generic power/energy management scheme, called Hybrid Power Management (HyPow-Man) scheme. This scheme, instead of designing new power/energy management techniques for specific operating conditions, takes a set of well-known existing policies. At runtime, the best-performing policy for given workload is adapted by HyPowMan scheme through machine-learning approach.
Les applications temps réel modernes deviennent plus exigeantes en termes de ressources et de débit amenant la conception d'architectures multiprocesseurs. Ces systèmes, des équipements embarqués au calculateur haute performance, sont, pour des raisons d'autonomie et de fiabilité, confrontés des problèmes cruciaux de consommation d'énergie. Pour ces raisons, cette thèse propose de nouvelles techniques d'optimisation de la consommation d'énergie dans l'ordonnancement de systèmes multiprocesseur. La premiére contribution est un algorithme d'ordonnancement hiérarchique á deux niveaux qui autorise la migration restreinte des tâches. Cet algorithme vise á réduire la sous-optimalité de l'algorithme global EDF. La deuxiéme contribution de cette thèse est une technique de gestion dynamique de la consommation nommée Assertive Dynamic Power Management (AsDPM). Cette technique, qui régit le contrôle d'admission des tâches, vise á exploiter de manière optimale les modes repos des processeurs dans le but de réduire le nombre de processeurs actifs. La troisiéme contribution propose une nouvelle technique, nommée Deterministic Stretch-to-Fit (DSF), permettant d'exploiter le DVFS des processeurs. Les gains énergétiques observés s'approchent des solutions déjà existantes tout en offrant une complexité plus réduite. Ces techniques ont une efficacité variable selon les applications, amenant á définir une approche plus générique de gestion de la consommation appelée Hybrid Power Management (HyPowMan). Cette approche sélectionne, en cours d'exécution, la technique qui répond le mieux aux exigences énergie/performance.
Fichier principal
Vignette du fichier
Thesis_khurram_bhatti.pdf (12.19 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00599980 , version 1 (12-06-2011)

Identifiants

  • HAL Id : tel-00599980 , version 1

Citer

Muhammad Khurram Bhatti. Efficacité énergétique et ordonnancement des systèmes temps-réel multiprocesseurs. . Embedded Systems. Université Nice Sophia Antipolis, 2011. English. ⟨NNT : ⟩. ⟨tel-00599980⟩
392 Consultations
1705 Téléchargements

Partager

Gmail Facebook X LinkedIn More