Les systèmes cyber physiques (CPS) et de l’Internet des objets (IoT) génèrent un volume et une variété des données sans précédent. Ces données doivent être collectées, traitées et stockées. Le temps que ces données parcourent le réseau dans son chemin vers le cloud pour l’analyse et le stockage, la possibilité de réagir à un évènement critique pourrait être tardive. Pour résoudre ce problème, les traitements de données critiques et qui nécessitent une réponse rapide sont fait à proximité d’où les données sont collectées. Ainsi, seuls les résultats du pré-traitement sont envoyés au cloud et la réaction est déclenchée assez rapidement et l’intégrité du système est préservée. Ce modèle de calcul est connu comme Fog Computing ou Edge-computing. Comme la correction des résultats ne dépend pas seulement de la correction logique des résultats mais aussi du moment auquel ces derniers sont délivrées, un large spectre d’applications de CPS ont des contraintes temporelle et sont considérées comme des applications temps-réel. D’autre part, un grand nombre d’applications qu’on retrouve dans les CPS peuvent être parallélisées en distribuant les calculs sur différents sous-ensembles de données en même temps afin de prendre profit des architectures multi-coeurs. Ceci peut permettre d’obtenir un temps de réponse plus court et un temps de creux plus large (idle time). Grâce à la DVFS et DPM, on peut réduire la fréquence du processeur et/ou éteindre des parties du processeur afin de réduire la consommation d’énergie et tiré profit du temps creux engendré par la parallélisation. Dans cette thèse, nous nous concentrons sur le problème d’ordonnancement d’un ensemble de tâches temps-réels parallèles sur des architectures multi-coeurs homogènes, uniformes et hétérogènes, avec l’objectif de réduire la consommation d’énergie tout en respectant toutes les contraintes temporelles. Ainsi, nous proposons plusieurs modèles réalistes de tâches. Nous proposons plusieurs tests d’ordonnançabilité exactes et suffisants pour l’allocation des threads aux processeurs. Nous proposons aussi des méthodes qui permettent de sélectionner les fréquences et les états des processeurs, et assurer d’ordonnançabilité. Les modèles de tâches proposées sont nommés Free-to-Cut Model (FTC), Cut-point model (CP) and parallel di-graph model. Ces modèles peuvent être implantés comme des directives à la logique des OpenMP.
Directeurs de thèse : Richard OLEJNIK, Abou El-Hassen BENYAMINA Rapporteurs : Joel GOOSSENS, Mohamed BENYETTOU Examinateurs : Giuseppe LIPARI, Sophie QUINTON, Yahia LEBBAH, Samira CHOURAQUI
français
English