Scheduling of Dependent Tasks with Probabilistic Execution Times on Multi-core Processors

L'intégration de nouvelles fonctionnalités augmente la complexité des systèmes temps réel , alors que chaque fonctionnalité peut imposer des contraintes de précédences entre les tâches. De plus, la prévalence des multicœurs peut créer l'illusion d'une capacité de calcul élevée. Cependant, cette capacité n'est pas exploitable dans les systèmes critiques en raison de la variabilité des temps d'exécution causé par les nouvelles architecture matérielle qui améliorent le comportement moyen mais pas le pire cas. Cette difficulté s'ajoute à l'existence d'anomalies d'ordonnancement pour les systèmes multicœurs. Dans cette thèse, nous considérons l'ordonnancement partitionné des graphes de précédence. La variabilité des temps d'exécution est décrite par des distributions de probabilité. Nous proposons une Analyse des Temps de Réponse (ATR) basée sur des équations itératives et des opérateurs probabilistes pour des distributions indépendantes. Pour les distributions dépendantes, nous les modélisons par des réseau bayésien. Nous utilisons également la représentation de C-espace et la classification SVM pour estimer la probabilité d'ordonnancabilité. De plus, nous fournissons des techniques de partitionnement et définition des priorités de manière à augmenter le parallélisme. Nous réduisons aussi la complexité de l'analyse en réduisant la taille du graphe sans modifier sa structure.The continuous integration of new functionality increases the complexity of embedded systems, while each functionality might impose precedence constraints between the programs fulfilling it. In addition, the prevalence of several processors may create the illusion of higher computation capacity easing the associated scheduling problem. However, this capacity is not exploitable in critical real time systems because of the increased variability of the execution times due to processor features designed to provide excellent average time behavior and not necessarily ensuring small worst case bounds. This difficulty is added to the existence of scheduling anomalies when the systems are built a top of multi-core processors. In this thesis, we consider partitioned scheduling of DAG tasks defining precedence constraints. The variability of execution times is described by probability distributions. We propose a Response Time Analysis (RTA) based on iterative equations and probabilistic operators for independent distributions. For dependent distributions, we model them using Bayesian network. We also use C-space representation combined with SVM classification to estimate the schedulability probability. Moreover, we provide techniques to define priority and sub-task partitioning in a way to increase parallelism. We also decrease analysis complexity by reducing size of graph without altering the precedence structures