(Suite chapitre X) (Inverse de la période)

Documents pareils
Ordonnancement temps réel

Programmation temps-réel Cours 1 et 2 Introduction et ordonnancement

Partie 7 : Gestion de la mémoire

Informatique industrielle A Systèmes temps-réel J.F.Peyre. Partie I : Introduction

Analyse du temps de réponse des systèmes temps réel

REALISATION d'un. ORDONNANCEUR à ECHEANCES

Programmation Objet - Cours II

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

LE PROBLEME DU PLUS COURT CHEMIN

1.6- Génération de nombres aléatoires

Calculateur quantique: factorisation des entiers

Conditions Générales de Vente et d'utilisation

Systèmes et exécutifs temps-réel

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

1 Mesure de la performance d un système temps réel : la gigue

UEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.

Ordonnancement des applications temps réel réparties

Chapitre V : La gestion de la mémoire. Hiérarchie de mémoires Objectifs Méthodes d'allocation Simulation de mémoire virtuelle Le mapping

Algorithmes de recherche

Continuité et dérivabilité d une fonction

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

SESSION 2014 ÉPREUVE À OPTION. (durée : 4 heures coefficient : 6 note éliminatoire 4 sur 20)

Cours 02 : Problème général de la programmation linéaire

Ordonnancement temps réel et minimisation de la consommation d énergie

Introduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, Cachan Cedex. Resume

CONSULTATION PUBLIQUE SUR LA CREATION D UN REGISTRE NATIONAL DES CREDITS AUX PARTICULIERS

Support Agile avec Kanban quelques trucs et astuces par Tomas Björkholm

Fonctions de plusieurs variables

Logiciel Libre Cours 3 Fondements: Génie Logiciel

Chapitre 2 Le problème de l unicité des solutions

1 Recherche en table par balayage

Limites finies en un point

Exclusion Mutuelle. Arnaud Labourel Courriel : arnaud.labourel@lif.univ-mrs.fr. Université de Provence. 9 février 2011

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Présentation du système DNS

ACTUALITÉS LANDPARK. Nouvelle version. Landpark Helpdesk. Landpark Helpdesk. Les avantages de la nouvelle version

TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile

Chp. 4. Minimisation d une fonction d une variable

1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : hivert

Raisonnement par récurrence Suites numériques

C f tracée ci- contre est la représentation graphique d une

Déroulement. Evaluation. Préambule. Définition. Définition. Algorithmes et structures de données 28/09/2009

Assurance téléphone mobile et tablette /

Introduction au temps réel

Épargne Salariale - Professions Libérales (ES-PL)

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

ÉPARGNE RETRAITE : QUELLES SOLUTIONS PRIVILEGIER AUJOURD HUI?

TEST PRATIQUE DU TEST DE LOGIQUE MATHEMATIQUE ET VERBAL

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

MEAD : temps réel et tolérance aux pannes pour CORBA

choisir H 1 quand H 0 est vraie - fausse alarme

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/ Présentation. 1.2 Ressources

Sommaire. Introduction. I. Notions de routage a) Technologies actuelles b) Avantages et désavantages

Licence Sciences et Technologies Examen janvier 2010

ITIL V2. La gestion des changements

Pour l'application du présent arrêté, il faut entendre par la loi : la loi du 12 juin 1991 relative au crédit à la consommation.

INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz

ORDONNANCEMENT CONJOINT DE TÂCHES ET DE MESSAGES DANS LES RÉSEAUX TEMPS RÉELS 4. QUELQUES EXEMPLES DU DYNAMISME ACTUEL DU TEMPS RÉEL

Applicable sur le site à compter du 1 Février 2015

TAUX FIXE, TAUX INDEXE

Exécution des instructions machine

D.E.S.C.F - UV 1 - Module 8 Consolidation dans les groupes de sociétés. Corrigé - Cas IG/IP/MEE

Ordonnancement temps réel

Programmation linéaire

Programmation C. Apprendre à développer des programmes simples dans le langage C

Cryptographie RSA. Introduction Opérations Attaques. Cryptographie RSA NGUYEN Tuong Lan - LIU Yi 1

Systemes d'exploitation des ordinateurs

PAIEMENT D INTÉRÊTS CONDITIONS GÉNÉRALES EN DATE DU 1 er SEPTEMBRE 2015

La NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.

OPTIMISATION À UNE VARIABLE

Application 1- VBA : Test de comportements d'investissements

Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.

Objectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)

CORRECTION EXERCICES ALGORITHME 1

Présentation des CMS au CIFOM-EAA

Importer un fichier CSV

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Méthodologies SCRUM Présentation et mise en oeuvre

CHAPITRE 5. Stratégies Mixtes

Centre CPGE TSI - Safi 2010/2011. Algorithmique et programmation :

Algorithmes pour la planification de mouvements en robotique non-holonome

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

Copropriété: 31, rue des Abondances Boulogne-Billancourt

Contrat didactique Mathématiques financières

Baccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé

Conférence de Presse

Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes

Réalisabilité et extraction de programmes

Eléments de spécification des systèmes temps réel Pierre-Yves Duval (cppm)

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Algorithmes d'apprentissage

Cours d analyse numérique SMI-S4

Équations non linéaires

GUIDE PRATIQUE. Du provisionnement des emprunts à risques

1 Résolution de nom Introduction à la résolution de noms Le système DNS Les types de requêtes DNS...

Communauté de communes du Pays d Alésia et de la Seine

Les puissances La notion de puissance La puissance c est l énergie pendant une seconde CHAPITRE

Le compte épargne-temps (CET)

Transcription:

(Suite chapitre X) 10.6 Ordonnancement RM (Rate-Monotonic : Ordonnancement à taux monotone) 10.6.1 Caractéristiques du RM Le Rate monotonic a été introduit par Liu & Layland en 1973. - Basé sur les priorités - Priorités fixes - Les tâches sont périodiques : o pas de communication, o temps de commutation négligeable - L'échéance correspond à la période (Di = Pei) - Complexité faible et implémentation facile dans un OS - Algorithme optimal dans la classe des algorithmes à priorité fixe Si la(les) condition(s) d'ordonnançabilité sont satisfaites: - On calcule la priorité de chaque tâche comme suit: (Inverse de la période) - Puis l'ordonnanceur sélectionne le processus avec la plus haute priorité. 10.6.2 Conditions d'ordonnançabilité - Pour qu'un ensemble de tâches soit ordonnançable pour le Rate-Monotonic, il suffit que: Le tableau suivant donne les valeurs de U pour un nombre de tâches de 1 à 10 : Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 9

Cette équation exprime que lorsque n, l'utilisation du processeur doit rester inférieur à 69.3% C'est une condition suffisante (mais non nécessaire) 10.6.3 Exemple (1) d ordonnancement RM (D après Daniel Rossier, heig-vd) Condition d'ordonnançabilité RM satisfaite 10.6.4 Exemple (2) d ordonnancement RM (D après Daniel Rossier, heig-vd) Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 10

Condition d'ordonnançabilité non satisfaite Ordonnançable néanmoins 10.6.5 Temps de réponse dans l ordonnancement RM Calcul du temps de réponse d'une tâche : - Dans le meilleur des cas, le temps de réponse correspond au temps d'exécution de la tâche. - Le temps de réponse peut varier en fonction de la durée réelle. o Temps de réponse correspondant au pire cas; On considère le temps d'exécution Ci. - Le temps de réponse dépend des tâches plus prioritaires. - Le temps de réponse d'une tâche dépend des tâches plus prioritaires Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 11

- Soit hp(i) l'ensemble des tâches de plus forte priorité que i. - Plafond n : entier qui suit n, exemple 4/3 =2 - Le temps de réponse est définit comme suit: - C'est une équation récurrente difficile à résoudre. - Pour le calcul, on utilise une technique itérative : On évalue Ri de façon itérative avec ω n i 0 - On démarre avecω i = Ci n+1 n - On s'arrête lorsque ω = ω i i Exemple : Ci o La convergence est assurée tant que : 1 Pe i Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 12

10.7 Ordonnancement DM (Deadline Monotonic) 10.7.1 Caractéristiques - RM pénalise les tâches rares mais urgentes (grande périodicité = petite priorité). - DM sera meilleur pour les tâches dont l'échéance est très inférieure à la période. 10.7.2 Hypothèses du DM Identiques à celles du Rate-Monotonic, mais avec la possibilité d'avoir des échéances inférieures à la période (Di < Pei). 10.7.3 Condition d'ordonnançabilité de DM - La condition (suffisante) d'ordonnançabilité devient: - La tâche DOIT se terminer avant l'échéance Di - La condition générale nécessaire d'ordonnançabilité est toujours valable Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 13

10.7.4 Algorithme DM - Si la(les) condition(s) d'ordonnançabilité sont satisfaites: o On affecte la priorité aux tâches selon l'ordre inverse de leurs échéances. o Puis l'ordonnanceur sélectionne le processus p avec la plus haute priorité. 10.7.5 Exemple d ordonnancement DM (D après Daniel Rossier, heig-vd) Condition d'ordonnançabilité DM non satisfaite 10.8 Ordonnancement EDF (Earliest Deadline First: Échéance la plus proche d abord 10.8.1 Caractéristiques - Priorités dynamiques - Supporte des tâches apériodiques 10.8.2 Algorithme de l ordonnancement EDF - Algorithme optimal dans la classe des algorithmes à priorité dynamique. - Échéances quelconque (Di Pei), mais connues au réveil. - L'algorithme consiste à sélectionner la tâche qui a l'échéance la plus proche dans le temps. - Les priorités sont dynamiquement attribuées en fonction des échéances, au fil du temps. 10.8.3 Condition d ordonnançabilité EDF - Afin qu'un ensemble de tâches soit ordonnançable pour EDF, il suffit que: Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 14

- La condition devient "nécessaire et suffisante" si: i, D i = Pe i - Le processeur peut être occupé à 100% - A la différence de RM, on peut garantir que les tâches seront ordonnançable si U 1 10.8.4 Optimisation de EDF - EDF est optimal (i.e : tout ensemble de tâches faisable pourra être ordonnancé). - Algorithme d optimisation : o on part d un ordonnancement par itération on déplace des unités de traitements pour tendre vers un ordonnancement EDF Exemple : Départ Itération 1 : On avance dans le temps en faisant s exécuter la tâche qui à l échéance la plus proche en échangeant des parties du traitement. Itération 2 : Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 15

Itération 3 : Itération 4 : Itération 5 : Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 16

10.8.5 Avantages et désavantages du EDF - Avantages : o Ordonnancement optimal en ce qui concerne l'utilisation du processeur (utilisation à 100%) o Peut traiter des tâches apériodiques - Désavantages : o Implémentation difficile, il faut réajuster les priorités au fil du temps en testant les différentes échéances. o Le temps de réponse ne se calcule pas facilement. 10.9 Ordonnancement LLF (Least Laxity First : Marge la plus courte d abord) 10.9.1 Caractéristiques - L'algorithme LLF est assez similaire à l'algorithme EDF. - Il se base sur la laxité des tâches. - La laxité L A est l'écart maximal entre la date d'activation de la tâche A et sa date de démarrage de sorte que l'échéance D A soit respectée. - L'algorithme consiste à sélectionner la tâche qui a la plus petite laxité dans le temps. - Les priorités sont dynamiquement attribuées en fonction des laxités, au fil du temps. - Par conséquent : o la laxité diminue lorsque la tâche n'a pas encore commencé. o la laxité reste constante lorsque la tâche a démarré. o Par conséquent, il peut y avoir de fréquents changements de contexte. 10.9.2 Exemple (D après Daniel Rossier, heig-vd) Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 17

Note concernant le EDF et LLF : - Si on prend des conditions identiques à monotone à taux la condition de faisabilité est à 100% du temps CPU. - Néanmoins les algorithmes ne sont pas stables : en cas de surcharge du processeur des tâches peuvent ne pas respecter leurs échéances. En résumé : RM EDF LLF Statique Dynamique Dynamique Test = Charge < 70% Test = Charge < 100% Test = Charge < 100% Théorème de la zone critique Moins de changements de => Précision contexte Optimal Optimal +/ quand les taches arrivent en désordre et Ci inconnu +/ quand les taches arrivent en désordre et Ci inconnu Chapitre X - CEG4566/CSI4541 RNM SIGE UOttawa Hiver 2013 18