memoire PFE mostefa 2009

8/7/2019 memoire PFE mostefa 2009

1/87

Promotion 2008/2009www.univ-oran.dz

Option : Systme distribu

Mmoire de Fin dEtudes

Pour lObtention du DiplmedIngnieur dEtat enInformatique

Prsent par :

MOSTEFAMERIEM

Session Juin 2009

THEME

PLACEMENT DES TACHES REPETITIVES SUR UNE

ARCHITECTURE REGULIERE EMBARQUEEEncadr par : Mr A.E.BENYAMINACo-encadr par: Mr P.BOULET

Jury

Prsident : Mme M.BOURENANEExaminateur : Mme F.BELKHEIR Code PFE :87/2009Examinateur : Mme Z.BEDAI


2/87

Au nom de Dieu Allah

Avec toute ma reconnaissance Je ddie ce modeste mmoire :

mes parents

mes surs et mon frre

mes grands parents

tous mes professeurs

Et a tous mes proches pour leur participation

Mostefa meriem...


3/87

REMERCIEMENTS

e travail a t ralis dans le cadre de prparation de mmoire dingnieur pour

lobtention du diplme dingnieur dtat en Informatique option systme

distribu. Il naurait pas pu voir le jour sans le soutien de nombreuses personnes

que je tiens remercier.

E tiens tous dabord remercier mon encadreur Mr.BENYAMINA abou el hassen et

monco-encadreur Mr BOULET pierre qui mont encourag poursuivre mes travaux

de recherche de ce mmoire, qui grce a leur disponibilit et rigoureux conseils, jai pu

entamer, dvelopper et mener terme ce travail .Quil trouve ici lexpression de toute ma

gratitude.

e remercie sincrement touts ceux qui ont bien voulu prendre part ce jury.

A Mme BOURENANE qui nous a fait lhonneur de prsider le jury.

A Mme BELKEIR et Mme BEDAI qui ont accept de juger ce travail.

e les remercie pour leur intrt ce travail et la bonne formation que nous avons eu au

dpartement dinformatique.

Je remercie galement tous mes amies et amis de la promotion pour leur soutien et les

moments agrables que nous avons pass ensemble.

CJ

J

J


4/87

INTRODUCTION GENERALE ........................................................................................... 2

CHAPITRE I : systme embarqu et flot de conception1 - INTRODUCTION : .............................................................................................................. 2

1.1 - SYSTEMES EMBARQUES ......................................................................................... 2

1.2- HISTOIRE ...................................................................................................................... 3

1.3- CONTRAINTES ............................................................................................................. 4

1.4- DOMAINE DAPPLICATION ...................................................................................... 4

1.5 - ARCHITECTURE EMBARQUEES ............................................................................ 4

1.5.1 - LES SYSTEMES MONOPUCES (SoC) ............................................................... 5

1.5.1.1 CRITERES DE QUALITE DE CONCEPTION DUN SoC ................................. 6

1.5.1.2 CHOIX EN FONCTION DES CONTRAINTES .................................................. 7

1.5.2- NETWORK ON CHIP ( NoC ) ............................................................................. 7

2. FLOTS DE CONCEPTION SUR LES SOC ET ENVIRONNEMENT GASPARD ......... 11

2 .1 - SPECIFICATION SUR Y : ..................................................................................... 11

2.3.- GASPARD .............................................................................................................. 12

2.3.1- FLOTS DE CONCEPTION DE GASPARD : ....................................................... 12

2.3.2- LENVIRONNEMENT GASPARD .................................................................... 13

2.3.2.1 - NOTION DE TILER .......................................................................................... 14

2.3.2.2 - NOTION DE RESHAPE ................................................................................... 14

2.3.2.3 - LES NOTIONS DINTERREPETITION ET DE DEFAULT LINK ............... 15

CONCLUSION ............................................................................................................... 15

CHAPITRE II : traitement de signal et applications intensives

INTRODUCTION ............................................................................................................... 17

HISTORIQUE DSP .................................................................................................... 18

APPLICATION INTENSIVE ET DONNEES INTENSIVES .................................... 18

.1 GENERALITES SUR LES DSP ............................................................................. 18

2.2. FORMATS DES DSP ............................................................................... 20

2.3 EXEMPLES DAPPLICATIONS (HAUTEMENT REGULIERES ) ................. 21

2.3.1 RADAR ANTICOLLISIONS .. ................................................................ 21


5/87

2.3.2 TRAITEMENT SONAR ...................................................................... ....... 21

2.3.3 FILTRE DE KALMAN ................................................................................... 22

2.3.4CONVERTISSEUR 16/9-4/3 ..........................................................................22

2.4 EXEMPLE TYPIQUE DAPPLICATION INTENSIVE ..................................... 23

3. SPECIFICATION MULTIDIMENSIONNELLE ET MODELES DE CALCUL POUR

TSI.24

ARRAY -OL ...................................................................................................................... 25

4.1LE MODELE GLOBAL .........................................................................................29

4.2LE MODELE LOCAL ...........................................................................................29

4.3FUSION DE DEUX TACHES REPETIVES .........................................................30

CONCLUSION ........................................................................................................................ 31

CHAPITRE III: contribution au mapping multiobjectifsDes taches rptitives

1.- INTRODUCTION ............................................................................................................ 33

2. ALGORITHME BRANCH AND BOUND ....................................................................... 33

2.1 SPARATION ET VALUATION ........................................................................... 33

2.2 PRINCIPE DE PARCOURS DE LARBRE ........................................................... 34

3.- PLACEMENT ET ORDONNANCEMENT (OU AAS) ................................................... 34

3.1- ALGORITHMES DE PLACEMENT ET DORDONNANCEMENT ....................... 34

3.2- MAXIMISER LES PERFORMANCES DE TEMPS .............................................. 36

3.2.1- LA MINIMISATION DE LA CONSOMMATION DNERGIE ................... 36

3.3- LE PROBLEME DU PLACEMENT ET DORDONNANCEMENT D'UNE

APPLICATION BASE SUR LES KHAN PROCESS NETWORK(KPN) .................. 36

4.- LES PROBLMES DOPTIMISATION MULTI-OBJECTIFS ..................................... 37

4.1- DFINITION .............................................................................................................. 37

4.2- PROBLME MULTI-OBJECTIF ............................................................................... 38

5- MODLE ............................................................................................................................ 39

6.- MAPPING DES TCHES RPTITIVES ........................................................................ 40


6/87

FORMULATION MATHMATIQUE .............................................................................. 41

ALGORITHME DE PLACEMENT DES TCHES RPTITIVES ..................................... 44

GNRATION DU PLUS COURT CHEMIN ................................................................. 45

MAPPING TCHES REPETITIVE AVEC BNB PARALLEL .................................... 45

10.- FRONT PARETO ........................................................................................................... 47

CONCLUSION ........................................................................................................................ 47

CHAPITRE IV: implementation et mise en oeuvre

1.INTRODUCTION ................................................................................................................. 49

2.MTHODOLOGIE DE CONCEPTION UML.....49

3..LENVIRONNEMENT DIMPLEMENTATION...........50

4.LES DIAGRAMME UML. ....51

DIAGRAMME DACTIVIT.....52

DIAGRAMME DE CLASSE 1 ..52

DIAGRAMME DE CLASSE 2 ..53

DIAGRAMME DE SEQUENCE DE LAPPLICATION ..54

5.LALGORITHME EXACT POUR LES APPLICATIONS DSP (LR) .....55

6.DESCRIPTIF DE LAPPLICATION .................................................................................56

PLACEMENTS ET ORDONNANCEMENT DES DIFFRENTS TABLEAUX

DE SIMULATION ..58

PLACEMENT DES COMMUNICATION SUR UNE ARCHITECTURE CIBLE GRILLEBIDIRECTIONNELLE TORIQUE ....................................................................................... 59

APPLICATION DE LALGORITME BNB PARALLLE AVEC 3 MOTIFS.60

RESULTAT (ARCHIVAGE PARETO ET CHOIX DU MOTIF OPTIMAL)...61

APPLICATION DE LALGORITME BNB PARALLLE AVEC 3 MOTIFS.60

MAPPING MULTI -OBJECTIF DUNE APPLICATION REELLE..62

CONCLUSION.....73

CONCLUSION GNRALE: ................................................................................................. 74


7/87

Figure 1 un systme embarqu dans son environnement ................................................. 3Figure 2 Architecture embarqu de troisime gnration ................................................ 5Figure 3 : Architecture logicielle /matrielle dun systme monopuce ........................... 6Figure 4 : Un exemple de systme mono-puce (SOC). .................................................... 6Figure 5 : illustration du choix en fonction des contraintes .............................................. 7Figure 6 : (a) NoC platform . (b) communication ressource management ................... 8Figure 7 : Des formes rgulires de topologies prvisibles. ........................................... 9Figure 8 : D'autres formes irrgulires de topologies . ................................................... 9Figure 9 : Illustrations des diffrentes topologies .......................................................... 10Figure 10 : Spciations avec philosophie de type MDA ................................................. 11Figure 11 : illustration de la notion de Tiler .................................................................. 14Figure 12 : illustration La notion de Reshape ................................................................. 15Figure13 : illustration des liens Inter Rptition, ......................................................... 15

Figure 14 : Interface CAN-DSP-CAN............................................................................20Figure 15 : Reprsentation de lapplication radar anticollision.......................................21Figure 16 : La procdure destimation dun tat dune cible ......................................... 22Figure 17 : Echantillon autour dun sous-marin ............................................................ 23Figure 18 : Exemple dun graphe dune application en SDF ......................................... 24Figure 19 : Un exemple simple dajustage des lments dun tableau ...........................25Figure 20 : Un exemple complexe dajustage ................................................................26Figure 21 : Exemple de pavage ;. .................................................................................... 27Figure 22 : Quelques rptitions du filtre horizontal .....................................................28Figure 23 : Avant fusion..30

Figure 24 : Aprs fusion..................................................................................................30Figure 25: Exemple dun noeud Banch & Bound...........................................................Figure 26: Example distributed process network . .......................................................... 37Figure 27 : Illustration de la disposition des divers composants dune mthodologie .... 38Figure 28 : TG Repetitif ................................................................................................. 39Figure 29 : Grille Torique bidirectionnelle . ................................................................... 40

Figure 30 : Application Encodeur H263 ..........................................................................45


8/87

Figure 31 : Exemple illustrant placement de motif 8tches sur 5 Processeurs.................47

Figure 32 : Diagramme Gantt ........................................................................................ 47

Figure 33 : Diagramme dactivit . ................................................................................. 52

Figure 34 : Diagramme Class1 . ...................................................................................... 52

Figure 35 : Diagramme Class 2 ...................................................................................... 53

Figure 36 : Diagramme Squence de lapplication......................................................... 54

Figure 37 : le lien entre lalgorithme exact et plus court chemin....................................55


9/87

Rsum

Notre projet consiste concevoir et dvelopper dans une plateforme

JAVA Eclipse une application pour rsoudre le problme du Placement de

taches Rptitives sur une Architecture Hardware reprsente par une Grille

Torique Bidirectionnelle Homogne. Pour traiter ce problme on a propos une

approche exacte base sur le branch and bound multi-objectif hybride. Cette

approche nous a permis dexplorer dune manire exhaustive tout le

domaine des solutions et peut retourner une solution exacte rpondant aux

objectifs fixs. De plus dans le cadre de Conception et dveloppement du

logiciel notre contribution pour construire un modle comprenant les valeurs de

temps dexcution de chaque tache sur chaque connexion en fonction du volume

de donnes transports o ces valeurs sont fournies lAlgorithme Branch &

Bound dOptimisation Parallle multicritres o le fait de trouver lAlgorithme

dOptimisation est toute la question du PFE et plus globalement le but du

projet de LEquipe Dart /West en vrifiant le critre des contraintes temporelles

pour le choix du motif Optimal.

Mots cl : Placement, Ordonnancement, BnB, paralllisme , graphe .


10/87


11/87

CHAPITRE I EMBARQUES ET FLOTS DE CONCEPTION

1

CHAPITRE I

SYSTEMES EMBARQUES

ET FLOTS DE CONCEPTION


12/87


2

1 - introduction :

Dans ce chapitre, nous prsentons une tude concernant la modlisation haut niveau et la

conception des systmes sur puce. Cette approche est base sur la mthode dIngnierie

Dirige par les Modles (IDM ou MDE en anglais) qui permet de faciliter ltude et le

dveloppement de ces systmes. LIDM, apparue vers la fin des annes 1990, sest

particulirement dveloppe lors de la parution de linitiative Model Driven Architecture de

lObject management Group. Comme son nom lindique, lIDM est une approche dont

llment cl est la notion de modle. Aprs avoir introduit les principes de base de cette

dmarche, nous allons prsenter lenvironnement de dveloppement GASPARD 2,

principalement conu pour la conception des systmes sur puce dfini autour des applications

de traitement de signal intensif et darchitectures massivement parallles.

1.1 - systmes embarqus

Un systme embarqu peut tre dfini comme un systme lectronique et informatique

autonome ddi une tche bien prcise et rpondent souvent des contraintes temps rel.

Ses ressources disponibles sont gnralement limites, elles sont gnralement d'ordre spatial

(taille limite) et nergtique (consommation restreinte).

La majorit de ces systmes, centraliss ou distribus sont critiques pour la scurit, soit parce

qu'ils sont au cur du comportement du systme, soit parce quils interagissent avec l'tre

humain dans des situations critiques. Assurer leur fiabilit et leur sret de fonctionnement

est un dfi majeur.

La complexit croissante des systmes embarqus ncessite des mthodes de conceptionglobale qui tiennent compte des fonctionnalits et des constituants (capteurs, actionneurs,

contrleurs, rseaux), des perturbations et des fortes contraintes de cot ou environnementale

(retards, incertitudes,...).


13/87


14/87


4

1.3- contraintes

De cot. Taille (ou dimension), De puissance de calcul. De consommation nergtique Temporel, dont les temps d'excution de tches est dtermin De scurit et de sret de fonctionnement. [1]

1.4- domaine dapplication

Transport : Automobile, Aronautique (avionique), etc. Astronautique : fuse, satellite artificiel, sonde spatiale, etc. Militaire : missile Tlcommunication : Set-top box, tlphonie, routeur, pare-feu, serveur detemps, tlphone portable, etc.

lectromnager : tlvision, four micro-ondes Impression : imprimante multifonctions, photocopieur, etc. Informatique : disque dur, Lecteur de disquette, etc. Multimdia : console de jeux vido, assistant personnel [1] Guichet automatique bancaire (GAB) quipement mdical Automate programmable industriel Mtrologie

1.5 - architectures embarques

Les systmes embarqus utilisent gnralement des microprocesseurs basse consommation

d'nergie ou des microcontrleurs, dont la partie logicielle est en partie ou entirement

programme dans le matriel, gnralement en mmoire dans une mmoire morte (ROM),

EPROM, EEPROM, FLASH, (on parle alors de firmware) [4].


15/87


5

Figure 2 Architecture embarqu de troisime gnration

1.5.1 - les systmes mono puces (SoC)

Les progrs raliss par les fondeurs de circuits permettent maintenant denvisager

l'intgration sur une mme puce d'un systme embarqu complet. Ces systmes mono puces

(SoC : System on Chip) apportent des changements importants dans les flots de conception

classiques.

Dans les systmes lectroniques classiques, les grandes dimensions des cartes lectroniques

entranaient des problmes lectriques. Lintgration dun systme complet sur une seule

pice de silicium [4].


16/87


17/87


7

Maintenance : possibilit de modifications du systme par rapport sa premireversion

Fiabilit, sret de fonctionnement, . . .

1.5.1.2 choix en fonction des contraintes

Une grande souplesse de ralisation est possible ,il ny a pas de solution unique pourImplmentation contrainte de cot , implmentation uniquement logicielle de PerformanceCot[4].

Figure 5 : illustration du choix en fonction des contraintes

1.5.2- Network On Chip ( NoC ) [17]

Circuit-intgr spcialis, renfermant les fonctionnalits ncessaires une connexion

rseau, y compris celles lies aux protocoles. Laugmentation de la complexit des systmes

embarqus dans le domaine des tlcommunications et la rduction des temps de mise sur le

march des produits les intgrant sont des facteurs ncessitant ladoption dune mthodologiede conception adquate. Deux approches permettent de grer cette complexit :

laugmentation du niveau dabstraction de la description du systme et la rutilisation de blocs

dj conus (IP). Ces deux approches sont en gnral complmentaires. Une difficult

majeure lors de la conception de tels systmes est la communication entre les diffrents

modules composant le systme. Une solution performante et conomique est de se baser sur

une infrastructure de communication configurable prtablie, savoir un NoC. Le recours

un NoC simpose pour les circuits de grande dimension, aussi bien du point de vue


18/87


8

technologique (asynchronisme entre les parties loignes dune mme puce), que du point de

vue fonctionnel (rutilisation de fonctions IP).

Pour faire face aux nouveaux problmes introduits par la nanotechnologie, lis aux

interconnexions sur puce et pour y accommoder lintgration future de plusieurs centaines de

composants, le concept de rseau sur puce (Network on Chip) a t propos trs rcemment.

Il sagit dadapter les modles, les techniques et les outils du domaine des rseaux

dordinateurs au contexte dintgration sur silicium. Ce nouveau concept intervient pour la

conception des futurs systmes embarqus.

Figure 6 : (a) NoC platform . (b) communication ressource management

Aux cts de processeurs universels, le recours des circuits spcialiss dont larchitecture

est optimis pour la ralisation de certaines fonctions pour gagner en performance. Dans le

cas des systmes embarqus, ce gain de performance permet lintgration dun mme circuit,

des divers composants matriels et logiciels pour former ce quil convient dappeler un Soc

(System On Chip), ces divers composants pouvant par ailleurs tre regroups en rseau au

sein dun mme circuit (Network On Chip).[2]

(a)b


19/87


9

1.5.3 - topologies [17]:

1.5.3.1 - Topologies rgulires et irrgulires

Figure 7 : Des formes rgulires de topologies prvisibles.

Les exemples sont (A) Mech 4 array de 2 cubes, (B) Torique 4 array de 2 cubes et (C)

Arbre binaire (2-array)

Figure 8 : formes irrgulires de topologies

D'autres formes irrgulires de topologies sont drives en changeant la connectivit d'une

structure rgulire qui sont indique dans (D) o certains liens du Mech ont t enlevs et

pour (E) les diffrentes topologies hybrides o un anneau coexiste avec Mech .


20/87


10

Maille compltement connect

Figure 9 : Illustrations des diffrentes topologies

Liaison des Nuds desCommutateurs

Anneau Simple

Interconnexions totalesBus+Etoile.

Crossbar complet

Topologie Hybride Etoile Anneau dcoupl

Memory

p

keypadDSP

RF p

Memory

RF

keypadDSP

Memory

p RF

keypad DSP

a)Bus b)point-to-point c)NetworkBus centralis Point to point Rseau


21/87


11

2. Flots de conception sur les SOC et environnement GASPARD

2 .1 - Spcification en y [16] :

Cette mthodologie de spcification en Y autorise par construction la rutilisation

aussi bien de lapplication que de larchitecture dans un formalisme UML , notre souci de

respect des standards nous a orient vers une construction Y dans un formalisme UML et

suivant une philosophie de type MDA (Model Driven Architecture) [19].

Figure 10 :Spciations avec philosophie de type MDA


22/87


12

2.2 - LIngnierie Dirige par les Modles (IDM)

2.2.1- Principes de lIDM

Gnralement, lIDM peut tre dfini autour de trois concepts de base :

modles les mta- modles transformations

Les Modles sont des abstractions de la ralit et un mta-modle est la dfinition des

concepts et relations utiliser pour exprimer des modles.

Un autre point cl de lIDM est la transformation de modles, elle permet de passer dun

modle source dcrit un certain niveau dabstraction un modle destination dcrit

ventuellement un autre niveau dabstraction. Ces modles source et destination sont

conformes leur mta-modle respectif (mta-modles source et destination) et le passage de

lun lautre (i.e. la transformation) est dcrit par des rgles de transformation.

Avantages

Rduire la complexit (Abstraction supplmentaire) Rduire le temps de dveloppement Rutilisation des modles Sparation des concepts mtiers des concepts technologiques

2.3.- GASPARD

2.3.1- Le flot de conception de Gaspard :

Gaspard [3] est un environnement de dveloppement permettant la co-conception de systme

sur puce dans un cadre dingnierie dirige par les modles (IDM). Il est dvelopp au sein de

lquipe DaRT et est orient vers les applications de traitement de signal intensif. Ces

applications sont rencontres souvent dans les SOC et sont caractrises par leur gourmandise

en termes de puissance de calcul ce qui ncessite la paralllisation des traitements.


23/87


13

Gaspard se situe la frontire de deux domaines de recherche : la conception des systmes sur

puce, et lingnierie dirige par les modles.

Il est important de noter que le Y de Gaspard correspond un flot tel quon le dfinit

gnralement dans le domaine de la conception de systmes sur puce (ou plus gnralement

dans le domaine de la conception de systmes embarqus incluant des parties logicielles et

matrielles) et parmi les spcifications on trouve :

Application : Spcification de la fonctionnalit attendue dun systme, Architecture matrielle : Spcification de larchitecture matrielle qui sera utilise

pour supporter lexcution dune application et raliser ses fonctionnalits attendues

Association : Spcification du placement dune application sur une architectureMatrielle donne.

2.3.2- L'environnement GASPARD

L'environnement de spcification visuel GASPARD est construit partir des

caractristiques hrites du modle ARRAY-OL. Le modle global est reprsent par une

description visuelle d'un composant logiciel. La mtaphore que nous utilisons repose sur le

design d'un composant lectronique de type circuit imprim. Les tableaux sont des

informations circulant sur des fils qui sont connects diffrents slots sur lesquels sont

branchs d'autres composants logiciels. Cette phase de branchement permet de spcifier les

informations d'ajustage et de pavage qui indiquent comment le composant ainsi connect

rfrencera les tableaux lis au slot. Les motifs obtenus par ce pavage et ajustage deviennent

les tableaux en entre/sortie du composant ainsi branch.

De cette faon chaque composant peut tre spcifi indpendamment des composants qu'il

utilise et vice versa. En consquence, les composants sont tous rutilisables.

Les composants de GASPARD sont assimils des classes telles que dfinies dans des

langages objets. Seules les instances de ces classes seront dites excutables. Des

bibliothques de composants prdfinis, ventuellement gnriques, peuvent tre cres pour

des types d'applications particulires.

Les dpendances entre diffrents composants connects dans le mme composant Logiciel

(niveau global) sont exprimes par les fils entre les slots.


24/87


14

2.3.2.1 - Notion de Tiler

Le nombre de lignes de la matrice correspond au nombre de dimensions du tableau et le

nombre de colonnes correspond au nombre de dimensions du motif que lon veut rcuprer.

Chaque lment ei de la tuile est dtermin par la somme des coordonnes du point de

rfrence et de la multiplication de la matrice dajustage par les coordonnes i de llment du

motif, comme exprim dans la formule suivante : i 0i< Spattern, ei=ref+F.i modSarray, Spattern

reprsentant la forme du motif, Sarray reprsentant la forme du tableau et F tant la matrice

dajustage.

Dans la figure 11 , on prsente un exemple de Tiler dans une application. Le connecteur situ

entre les ports m1 et A, par exemple, le port m1 a une dimension 128x128 et le port A a une

dimension de 8x8, le Tiler permet de dcomposer le tableau situ sur m1 par bloc de 8x8

lments contigus.

Figure 11 : Illustration de la notion de Tiler

2.3.2.2 - La notion de Reshape

La figure 12 illustre un exemple de Reshape. Dans cet exemple, il y a deux tches t1 et t2,

chaque ligne du tableau de sortie t1 est range dans une colonne du tableau dentre t2. On

passe donc dun tableau de dimension 3x2 un tableau de dimension 2x3.


25/87


15

Figure 12 : Illustration La notion de Reshape

2.3.2.3 - les notions dinter rptition et de default link

Le concept Default Link permet dexprimer les connexions irrgulires pouvant se situer sur

les bords dun tableau dlments. [20]

Figure13 : Illustration des liens Inter Rptition, gauche le composant

Gaspard reprsentant une grille droite son quivalent en UML.

CONCLUSION :

Pour la modlisation dun systme embarqu cest le flot gaspard qui sy prte le mieux. Le

systme et son application doivent permettre de prendre en considration les taches

rptitives et les donnes intensives rgulires pour cela dans le chapitre suivant nous

verrons les applications de traitement de signal intensif.


26/87

CHAPITRE II TRAITEMENT DE SIGNAL ET APPLICATIONS INTENSIVES

16

CHAPITRE II

TRAITEMENT DE SIGNALET APPLICATIONS INTENSIVES


27/87


17

Introduction

Les applications temps rel sont depuis longtemps une proccupation primordiale dans

plusieurs domaines. Elles occupent une place de plus en plus importante dans le monde

actuel, elles taient rserves aux quipements industriels lourds et actuellement ,on les trouve

dans des diffrents produits grand public et particulirement dans les systmes de

tlcommunication. La qualit de ces systmes est juge par leur temps dexcution ce qui

conditionne leurs situations au march.

Les applications temps rel reposent principalement sur des algorithmes de traitement de

signal qui ncessitent une quantit importante de calculs. Pour cela, il a fallu utiliser des

calculateurs de fortes puissances dont le but dacclrer les calculs spcifiques au domaine du

traitement de signal. Pour cette raison, un type spcial de processeur a t cr, il sagit des

processeurs de traitement numrique du signal (DSP - Digital Signal Processing).

Une application temps rel est compose de deux parties :

La premire correspond un systme informatique compos dun calculateurexcutant un ensemble de programmes qui forment son logiciel, et qui renferment les

algorithmes de lapplication.

La seconde partie correspond son environnement physique, dont les changementsdtat, sont perus par le calculateur au moyen de capteurs. Le calculateur ragit ces

stimulis pour maintenir lenvironnement dans un tat dtermin au moyen

dactionneurs.

Ces applications doivent ragir dans un temps trs court afin dassurer quelenvironnement est bien contrl, sinon on risque davoir des mauvaises

consquences.

Afin de pouvoir prsenter le placement dans sa globalit (le graphe TG), nous devons

commencer par prsenter une de ses parties importantes qui est le traitement intensif. Dans ce

chapitre on introduira le principe gnral des applications de traitement de signal intensif, les

domaines faisant appel ce type de traitement et les principaux modles de calcul existants

pour leur spcification. Par la suite, nous tudierons le principe du modle Array-Ol,

principalement conu pour lexpression du paralllisme de donnes et des dpendances de

tches pour ce type dapplications.


28/87


18

1. Historique DSP :

Au niveau historique, vers les annes 70, lesDSP ont t initialement dvelopps pour

des applications de radars militaires et de tlcommunications cryptes, et C'est Texas

Instruments pour la premire fois qui en 1978 a introduit un DSP pour la synthse de la voix

pour des applications trs grand public.

Quinze ans plus tard, lesDSP deviennent des composants incontournables dans le domaine de

llectronique grand public. Les domaines d'application du traitement numrique du signal

sont nombreux et varis (Tableau 1).

UnDSP est un type particulier de micro processeur. Il se caractrise par le fait quil intgre

un ensemble de fonctions spciales. Ces fonctions sont destines le rendre particulirementperformant dans le domaine du traitement numrique du signal. Comme un microprocesseur

classique, un DSP est mis en uvre en lui associant des mmoires (RAM, ROM) et des

priphriques. Un DSP typique a plutt vocation servir dans des systmes de traitements

autonomes. Il se prsente donc gnralement sous la forme dun microcontrleur intgrant,

selon les marques et les gammes des constructeurs, de la mmoire, des timers, des ports sries

synchrones rapides, des contrleurs DMA, et des ports dE/S divers [26 ].

2- Application intensive et donnes intensives :

2.1 Gnralits sur les DSP

2.1.1 Caractristiques des DSP :

Tous les systmes bases de DSP bnficient des avantages suivants [26] :

Souplesse de programmation : Un DSP est avant tout un processeur excutant unprogramme de traitement du signal. Ceci signifie que le systme bnficie donc dune

grande souplesse de dveloppement. De plus, les fonctions de traitements numriques

peuvent voluer en fonction des mises jour des programmes, et cela pendant toute la

dure de vie du produit incluant le systme. Ainsi, modifier par exemple tel ou tel

paramtre dun filtre numrique ne ncessite pas un changement matriel.

Une autre qualit issue de la souplesse des programmes. Il est possible dadapter une fonction

de traitement numrique en temps rel suivant certains critres dvolutions du signal (par

exemple les filtres adaptatifs).


29/87


19

Implmentation dalgorithmes adaptatifs : des possibilits propres au systme detraitement numrique du signal. Certaines fonctions de traitement du signal sont

difficiles implanter en analogique, voir irralisables (exemple : un filtre rponse phase linaire).

Stabilit : En analogique, les composants sont toujours plus ou moins soumis desvariations de leurs caractristiques en fonction de la temprature, de la tension

dalimentation, du vieillissement. Une tude srieuse doit tenir compte de ces

phnomnes, ce qui complique et augmente le temps de dveloppement. Ces

inconvnients nexistent pas en numrique.

Rptitivit, reproductibilit : Les valeurs des composants analogiques sont dfiniesavec une marge de prcision plus ou moins grande. Dans ces conditions, aucun

montage analogique nest strictement reproductible lidentique, il existe toujours des

diffrences quil convient de maintenir dans des limites acceptables. Un programme

ralisant un traitement numrique est par contre parfaitement reproductible,

linfini .

Tableau 1 : Diffrents domaines et diffrentes applicationsdutilisation des processeurs DSP.


30/87


20

2.1.2 Domaines et applications des DSP

Les DSP sont gnralement utiliss dans les systmes qui comportent une quantit importante

de calculs et ncessitant une rapidit dans lexcution de ces algorithmes. Le tableau 1

reprsente en dtail dans les diffrents domaines ainsi que les diffrentes applications des

DSP.

2.2 Formats des DSP [26]

Dans les systmes de traitement de signal, la numrisation des signaux intervient dans les

dispositifs de conversion analogique/numrique ainsi que dans les processeurs DSP.

Lorsque le convertisseur et le processeur utilisent des reprsentations diffrentes, le type de

quantification est impos par le systme de traitement.

2 .2.1 Numrisation dun signal

Les signaux physiques sont gnralement analogiques. Pour les traiter avec un DSP, il faut les

chantillonner et convertir chaque chantillon en une donne numrique. Cette conversion est

ralise par un convertisseur analogique/numrique (CAN). La conversion se dcompose en

une quantification et une numrisation (codage) de la valeur quantifie. Rciproquement, les

rsultats numriques fournis par un DSP pourront tre convertis en signaux analogiques

laide dun convertisseur numrique /analogique (CNA).

Figure 14 : Interface CAN-DSP-CAN.

La figure 14 reprsente linterface entre un DSP et ces convertisseurs.

Les convertisseurs CAN fournissent une reprsentation numrique de chaque chantillon.

Cette reprsentation peut tre ensuite transforme par le DSP selon le type darithmtique

utilise.


31/87


21

2.3 Exemples dapplications (hautement rgulires) [16] :

De nombreuses applications permettent la dcomposition du TSI en TSS et TDI

2.3.1 Radar anticollisions :

La prvention des collisions dans un systme ncessite lutilisation dune antenne qui renvoie

le signal sous la forme dun flux de donnes contenant des informations relatives la prsence

dobstacles, un cho. Ces informations sont masques pare du bruit (des parasites) et sont

tales sur le flux de donnes temporel. Une phase de prtraitement qui relve du traitement

du signal systmatique, filtre ce signal de manire en faire ressortir les caractristiques

intressantes (la prsence dobstacles). La rgularit se trouve dans ltape suivante quiconsiste analyser ce nouveau flux de donnes de manire valider la prsence dun

obstacle, dclencher un freinage durgence o le poursuivre si ncessaire . Cette

application est illustre par la figure 15

.

Figure 15 : Reprsentation de lapplication radar anticollision.

La phase de traitement du signal systmatique prcde celle du traitement de donnes intensif.

2.3.2 Traitement sonar [16]:

Une vision plus large de la scne est ncessaire dans lanalyse dun environnement maritime

(qui est similaire celui dun routier). Dans le cas dun sous-marin, ce nest pas une antenne

qui est utilise mais plusieurs hydrophones rpartis autour de ce sous-marin. La premire

phase de traitement est systmatique et est compose dune FFT (Transformations de

fourrier).

Le traitement est ddi la dtection dobjets et leur poursuite au cours du temps.


32/87


22

2.3.3 filtre de KALMAN :[25]

Le filtre de Kalman Bucy conu en 1961 est une solution des problmes destimation qui

ont t dvelopps lorigine par R.Kalman en 1960.

En utilisant la notion dtat, ce filtre est reprsent sous forme dun ensemble dquations

linaires diffrentielles ou rcurrentes. Ces quations prsentent un caractre squentiel plus

facile rsoudre sur des calculateurs numriques. Ce filtre est bien adapt au traitement

numrique en ligne, par consquent, il fournit une estime optimale dans le sens de la

minimisation de lerreur quadratique moyenne destimation. Il est trs utilis dans plusieurs

domaines en particulier le domaine arospatial o il a t particulirement appliqu avec

succs.

Le filtre de Kalman gnralise le filtrage optimal aux systmes non stationnaires en prsence

des conditions initiales et des entres dterministes. Il est stable sous certaines conditions de

contrlabilit et dobservabilit.

2.3.4 Convertisseur 16/9-4/3 :

Souvent devant notre tlvision et en utilisant une tlcommande on peut passer dun format

un autre avec une certaine facilit. En pratique ce processus se dcompose en deux phases.

La premire consiste crer des pixels partir du signal vido au format 16/9 via une

interpolation, il en rsulte un nouveau signal vido. La seconde phase supprime certains pixels

de ce signal de manire ne conserver quune partie de linformation, cela permet le passage

Figure 16 : La procdure destimation dun tat dune cible

Etat estim

Erreur

destimation

Source

derreurdu systme

Source

DerreurDe mesure

Le systmedynamique

Le systmede mesure(Observation)

Estimation

Le systme

dtatLa mesure

Informations

priori


33/87

CH

au form

traitem

la vid

JPEG 2

rgulie

dcisio

dimensi

frquen

Gaspar

respect

2.4 Ex

Figure

Le gr

donne

1 Graphi

PITRE II

at 4/3. Cett

nt de sign

dcompre

000, rcept

s sur les d

s. Nous p

ions des ta

tiel) et leur

1 n'exprim

r les calcul

mple typi

17 : Echant

phe de l

:

Echantillon

rptition d

fentre glis

al Array Spe

T

e applicati

l. Dautres

s dans un

ur de radi

nnes, cer

uvons par

bleaux de

nombre.

que des d

s pour calc

ue dApp

illon part

applicatio

s de Forma

e FFTs po

sante de 12

ification for

AITEME

n ne consi

exemples

tlvision

numriqu

aines expl

ailleurs re

donnes m

pendance

uler le rsu

ication int

ir de 512 h

factoris

t des don

r chaque h

8 chanti

Parallel And

T DE SIG

23

re aucu

ncore illus

HD.

, Chacune

itent le r

arquer la

anipules

de donne

tat attendu.

ensive [20]

ydrophone

et met

es en ent

ydrophone.

lons chaqu

egular Distri

AL ET A

n moment l

rent lutili

de ces appl

ultat de ce

diversit d

ar ces ap

s, c'est--di

linfini

en valeu

es = 512

e 32 fractio

buted compu

PPLICATI

a valeur de

ation du T

ications r

s traitemen

la sman

lications (

re l'ordre

autour d

r tche

infinie..

ns de temp

ting

NS INTE

s pixels, il

I : le trait

lise des tra

ts pour pre

ique port

emporel, s

inimal que

n sous-mar

t paralllis

.

SIVES

sagit de

ment de

itements

ndre des

par les

patial et

doivent

in.

me des


34/87


24

On reprsente ici lensemble des valeurs possibles et les dpendances de donnes qui les

relient. Une implmentation de lapplication sur une plate-forme matrielle devra

projeter les tableaux infinis sur une architecture finie [20] .

3- Spcification Multidimensionnelle et Modles de Calcul Pour Le TSI :

3.1 MDSDF : Multidimensional Synchronous Dataflow

Il existe plusieurs mthodes de modlisations on peut citer :

SDF (Synchronous Data Flow) [8], MDSDF (MultiDimensional Synchronous Data Flow) [5], GMDSDF ( Generalized MultiDimensional Synchronous Data Flow) [6].

Malgr la diversit de ces modles, leur occupation principale consistant mieux modliser

les grandes quantits de donnes multidimensionnelles dont le but est de faciliter la

description et ltude des applications de traitement intensif paralllisme de donnes

massive.

Le modle SDF reprsente un cas spcial des modles flot de donnes qui sont gnralement

utiliss pour dcrire des applications de traitement du signal par des graphes, en reprsentant

les fonctions par des nuds et les donnes par les arrtes du graphe.

Une application dans SDF, est dcrite par un graphe orient acyclique o chaque nud

consomme des donnes en entre et produit des rsultats en sortie. Donc les calculs sont

reprsents par des noeuds [Actor] et les donnes [Tokens] par des arcs.

MDSDF a t propos par Edward Lee en 2002 [5]. Il tend le concept du modle SDF

(Synchronous DataFlow) [8] pour lappliquer dans un contexte multidimensionnel. Lobjectif

est de permettre la spcification des applications de traitement du signal manipulant des

donnes multidimensionnelles tels que le traitement dimage et de la vido.

Figure 18 : Exemple dun graphe dune application en SDF


35/87


25

3.2 MATLAB/SIMULINK :

MATLAB [26] est un puissant logiciel de calcul et peut tre vu comme un systme interactif

et convivial de calcul numrique et de visualisation graphique o beaucoup de ses fonctions

sont bases sur un calcul matriciel simplifi. Il permet de distinguer plusieurs types de

matrices : Monodimensionnelles (vecteurs), bidimensionnelles (matrices), tridimensionnelles .

Le Logiciel de l'extension graphique de matlab est Simulink .

4. ARRAY-OL (ARRAY ORIENTED LANGUAGE) [22] :

Pour Array-Ol , cest une sorte de formalisme de description des applications de traitement

de Signal mis en place par lEntreprise Thales.

Ce type dapplication est caractris par une manipulation de grande quantit de donnes qui

sont traites par un ensemble de tches de faon rgulire. Cest un langage assignation

unique o seules les dpendances de donnes sont exprimes et o les dimensions spatiales et

temporelles des tableaux sont banalises.

Donc le modle Array-Ol est multidimensionnel et permet dexprimer un paralllisme

potentiel complet sur des applications, que ce soit un paralllisme de donnes ou un

paralllisme de tches. Avant de comprendre lapport de ce langage, on doit comprendre lecontexte dans lequel est utilis le Array-Ol, en commenant par ces applications qui

prsentent plusieurs difficults [22].

Figure 19 : Un exemple simple dajustage des lments dun tableau par leurs indexes dans le

motif (i), illustrant la formule i tel que 0 i


36/87


26

Du fait que dans Array-Ol toutes les dimensions de tableaux sont torodales, et toutes les

coordonnes des lments du motif soient calcules modulo la taille des dimensions du

tableau. La figure 16 fournit des exemples de motifs obtenus partir dlments rfrencefixe (O comme origine dans la figure) dans des tableaux taille fixe.

Figure 20: Un exemple complexe dajustage illustrant la relation i , 0 i


37/87


27

O Sarray est le profil du tableau, Spattern le profil du motif, Srepetition est le profil de

lespace de rptition, o est les coordonnes de llment rfrence du motif rfrence.

Figure 21 : Exemple de pavage illustrant la formule ;

r tel que 0 r


38/87


28

tre consomm ou produit par une rptition. Le lien entre les entres et sorties est donn par

lindex de rptition r.

Pour une rptition donne, les motifs de sortie (pour un index r) sont produits par la tcherptitive partir des motifs en entre (pour lindex r). Ainsi lensemble des Tilers, des profils

des motifs et lespace de rptition dtermine les dpendances entre les lments des tableaux

en sorties et les lments des tableaux en entres dune rptition.

Figure 22: Quelques rptitions du filtre horizontal pour illustrer les dpendances entre les

entres/sorties dune rptition .

A partir dun lment rfrence (ref) dans le tableau on peut extraire un motif par

lnumration de ses lments par rapport llment rfrence. En utilisant la matrice

dajustage, les coordonnes des lments dun motif (ei) sont obtenues en faisant la somme


39/87


29

des coordonnes de llment rfrence avec une combinaison linaire du vecteur dajustage

comme suit : i , 0 i


40/87


30

d'itrations, o chaque itration est indpendante et applique sur un sous-ensemble fini de

points des diffrents tableaux en entre et en sortie. Ces sous-ensembles, ou motifs, doivent

tre rguliers (ajustage du tableau) et se rpartir rgulirement sur les tableaux (pavage detableaux).

La cohrence globale d'une tche est assure par le fait que les motifs des tableaux qui sont

attachs une mme tche sont en nombre identique et relis un pour un entre chacun des

tableaux. Ainsi le rle d'une tche consiste, pour chaque itration de pavage, extraire les

motifs d'entre, leur appliquer une fonction donne qui produit les valeurs associes aux

motifs en sortie, et finalement ranger ces derniers dans les tableaux rsultats [22].

4.3-Fusion de deux tches rptitives

La fusion vise rduire deux tches simples. Cette nouvelle tche est hirarchique et appelle

les deux tches originales en tant que tches secondaires.

Figure 23 : avant fusion.

Figure 24 : aprs fusion


41/87


31

Dans un schma d'excution bas sur les KPN3

on possde une FIFO qui permet de stocker

plusieurs lments.

La fusion permet de proposer un modle dexcution. Si on prend une application Array-OLclassique, sa description permet seulement de dfinir les donnes en entre et en sortie et

comment se fait la correspondance entre elles.

Une application Array-OL est paralllisable car les donnes calcules sont indpendantes

entre elles.

Ds qu'un macro motif est utilis en entier, il peut tre supprim. C'est le principe des Kahn

Process Networks, et c'est aussi ce que la fusion permet de faire dans le cas d'applications

Array-OL. [9].

Conclusion

Dans ce chapitre nous avons vu les domaines ou on utilise du calcul intensif, nous avons

dfini les applications temps rel qui reposent sur les algorithmes de traitement de signal, une

telle application sera plus efficace, si elle est implmente sur des processeurs spcialiss.

Les processeurs de traitement numrique de signal (Digital Signal Processing, DSP) ont t

prsents dans ce chapitre et plus spcialement la famille C6000 de Texas Instruments (TI)

et qui est un DSP virgule fixe.

Plusieurs langages de spcification existent qui nous permettent de mettre en vidence le

paralllisme des taches lis ces applications.

Le langage ARRAY-OL, nous a permis de faire la dmonstration du paralllisme des taches

rptitives sur des architectures rgulires embarques. Le chapitre suivant va nous permettre

dtudier les diffrentes approches pour solutionner la problmatique gnrale du placement

sur les NOC (Network On Chip) .

3 Khan Process Network


42/87

CHAPITRE III CONTRIBUTION AU MAPPING MULTI OBJECTIFS DES TACHES REPETITIVES

32

CHAPITRE III

CONTRIBUTION

AU MAPPING MULTI OBJECTIFS

DES TACHES REPETITIVES.


43/87


33

1.- Introduction :

Dans le chapitre prsent nous allons prsenter le flot de Gaspard ainsi que diffrents

Algorithmes qui peuvent tre implments ce dernier.

Comme lalgorithme de Branch and Bound est lalgorithme que lon doit utiliser pour

llaboration de notre projet, nous avons rpartis ce chapitre en deux parties :

Partie 1: nous parlerons de lun des algorithmes dimplmentation, qui est le Branch and

Bound dune faon trs dtaille et du problme de placement et ordonnancement ou AAS

dans un premier terme.

Partie 2 : nous parlerons du Mapping des Tches Rptitives dans un deuxime terme.

Notre projet consiste trouver le meilleur placement de taches rptitives sur une architecture

rgulire cible. Ceci revient trouver le nombre de ressources adquates pour excuter un

sous ensemble de taches. Ce qui justifie notre choix pour lalgorithme Branch & Bound .

2. lalgorithme Branch and Bound :

Pour plusieurs problmes, en particulier les problmes doptimisation, lensemble de leurs

solutions est fini (c.--d dnombrable). En utilisant lalgourithme de Branch and Bound, on a

la possibilit dnumrer toutes ces solutions puis de prendre celle qui nous arrange.

Linconvnient majeur de cette approche est le nombre excessif du nombre de solutions : il

nest pas du tout vident deffectuer cette numration.

La mthode de branch and bound (procdure par valuation et sparation progressive)

consiste numrer ces solutions, en utilisant certaines proprits du problme en question,

cette technique arrive liminer des solutions partielles qui sont domines selon les critres

Energie Totale et Dure Totale et aussi les contraintes temporelles suivant la solution que

lon recherche dun placement ou de plusieurs placements du problme.

Pour ce faire, cette mthode se dote dune fonction qui permet de mettre une borne sur

certaines solutions qui reprsentent les solutions du Pareto soit les exclure par la suite si

ces dernires ne vrifient les contraintes temporelles comme troisime critre de

minimisation du totale Slack , soit les maintenir comme des solutions potentielles.

2.1 Sparation et valuation :

Un algorithme par sparation et valuation est une mthode d'numration implicite: toutes

les solutions possibles du problme peuvent tre numres mais l'analyse des critres du

problme permet d'viter l'numration de larges classes de solutions domines.


44/87


34

2.2 Principe de parcours de larbre :

Le principe utilis pour la lagorithme Branch and Bound est celui de la profondeur d'abord.

Les rgles de slection des nuds explorer sont fixes priori et ne dpendent pas des

valuations obtenues pour les diffrents nuds. De mme, il n'y a pas de liste des nuds

explorer car ceux-ci le sont selon l'ordre dans lequel ils sont obtenus.

3.- Placement et Ordonnancement (ou AAS) :

Le placement dans GASPARD

on entend par association , cest le fait dassocier des taches logicielles (Application)

Aux diffrents composants de l'architecture Hardware, et dans l'association aussi on affecte

les donnes aux mmoires et les chemins de donne aux fils du rseau.

3.1- Algorithmes de placement et dordonnancement :

Le placement et ordonnancement sont des problmes NP-hard, de ce fait les problmes de

taille importante peuvent tre rsolu quavec des heuristiques qui sont des mthodes de

recherche pseudo alatoires et des techniques doptimisation multi-objective . Par contre les

problmes taille limite peuvent tre solutionn par des mthodes dterministes en

explorant dune manire exhaustive tout le domaine des solutions et peuvent retourner un

placement qui reprsente loptimum thorique exact ou plusieurs placements [27] . Lors

Figure 25 : Exemple dun nud Banch & Bound


45/87


35

de lexploration de larborescence BnB a pour but de chercher chaque niveau i de

larborescence le placement de la tache Ti sur lensemble des processeurs en deux modes

dexcution du mme niveau et suivant le principe AAS ,on va essayer de voir la

dominance entre nuds fils (ou chaque nud reprsente Ti sur Pj en mode m ) et ceci ne

pourra se faire quune fois avoir fais Assignation et Affectation en prenant aussi en compte

le facteur de cout de communication et la saturation des liens de la grille Torique homogne

et aprs la phase de dominance, on passe la phase dlimination des nuds qui taient

domines et une fois de plus on relance le processus dElimination aussi au sous fils qui

rsulte du nud en question o chaque sous Fils devient le nud en question en allant en

Profondeur de larborescence BnB et pour chaque niveau i de larborescence ,on place Ti en

prenant en considration le placement de Ti-1 en Profondeur dabord jusquau i=n (niveau

plus bas qui contient des nuds feuilles ) aprs puisement de tout le nombre de nuds ,on

aura plusieurs placements non domins et pour notre Solution BnB on a opter pour la

distribution sur une Grille Torique bidirectionnel de SIMD Unit avec des Processeurs

Elmentaires ou chaque composant de la Grille Torique est reprsent comme un lment

extrait du composant matriel GASPARD et avec Inter-rptitions .

Avec des heuristiques constructives qui permettent de construire graduellement des solutions

partielles valides jusqu atteindre loptimum par exemple LS (List Scheduling) . Les

heuristiques de transformation alternent des solutions existantes en cherchant largirlespace dexploration de lespace des solutions tout comme le cas GA (Genetic Algorithms)

sans oublier dautres approches rarement utilises dans notre domaine comme la

programmation mathmatique.

Tant dit que pour lordonnancement ,on est amener construire un modle comprenant les

valeurs de temps d'excution de chaque tche sur chaque processeur en fonction du voltage

ainsi que les performances des rseaux d'interconnexion en fonction du volume de donnes

transportes. Ces valeurs sont fournies lalgorithme d'optimisation Branch and Bound avec

Multi Critres qui propose gnralement dans notre application un ou des placements

intressants par rapport ces performances en vrifiant aussi les contraintes temporelles.


46/87


36

3.2- Maximiser les performances de temps :

La vrification suivant les contraintes temporelles des deadlines hard et le Total Slack

pendant lordonnancement ce n'est pas les contraintes mmoires mais c'est le temps global

pour chaque Sckeduling tout en minimisant le Total Slack de lapplication .

3.2.1- La minimisation de la consommation dnergie :

Vu quon peut connatre la consommation dEnergie dun processeur quand il excute une

instruction (en mode excution donc le cas du placement dynamique) et quand il est en

repos (Cas du placement statique ) par consquent ,on peut essayer de minimiser

lnergie totale consomme en jouant sur ces deux aspects et aussi les communications

durant le placement de tches et la slection de voltage. Do on distingue placement de tche

selon lnergie et le DVS ou SVS des tches.

3.3- Le Probleme du Placement et dordonnancement d'une Application base sur

les Khan Process Network (KPN) :

- Pour reprsenter le paralllisme et la distribution de l'application, ils ont choisi d'utiliser

le modle des rseaux de processus propos par Kahn [14,15]. Le problme du placement

d'une application base sur les KPN doit prendre en compte deux paramtres essentiels qui

sont le paralllisme intrinsque et Les communications entre processus doivent tre

optimises.

- Par ailleurs pour faire face la question de lordonnancement des KPN qui estcruciale, le modle thorique suppose que les FIFO ont une taille infinie . Or dans la

ralit la mmoire est borne. Donc la question de l'ordonnancement (statique ou

dynamique) et des tailles maximales des FIFOs sont deux autres paramtres prendre

en compte.


47/87


37

Figure 26 : Example distributed process network

Example distributed process network qui illustre la projection du langage de specification

ARRAY-OL avec principe de fusion entre 2 taches voques au paragraphe du Chapitre II

distribu sur Khan Process Network .

-La fusion qui tait prsente au paragraphe du chapitre II, nous a permis de proposer un

modle d'excution qui casse les limites infinies de certaines donnes (gnralement le

temps).

Cette application sera dploye sur deux stations de travail sur le mme rseau Ethernet. La

premire machine tait un quadri-processeurs, la nature mme de l'application fait qu'il y a

une dpendance de donnes entre les tches [9].

4.- Les Problmes Doptimisation Multi-Objectifs :

4.1- Dfinition :

La principale difficult que l'on rencontre en Optimisation Multi- Objectif vient du fait que

modliser un problme sous la forme d'une quation unique peut tre une tche difficile.

L'optimisation multi-objectif autorise ces degrs de libert qui manquaient en

optimisation mono-objectif. Cette souplesse n'est pas sans consquences sur la dmarche

suivre pour chercher un optimum notre problme enfin modlis. La recherche ne nous

donnera plus une solution unique mais une multitude de solutions. Ces solutions sont appeles

solutions de Pareto et l'ensemble de solutions que l'on obtient la fin de la recherche est la

surface de compromis.

C'est aprs avoir trouv les solutions du problme multi-objectif que d'autres difficults

surviennent : il faut slectionner une solution dans cet ensemble. La solution qui sera choisie

par l'utilisateur va reflter les compromis oprs par le dcideur vis--vis des diffrentes

fonctions objectif [23].


48/87


38

Le dcideur tant "humain", il va faire des choix et l'un des buts de l'optimisation multi-

objectif est de modliser les choix du dcideur ou plutt ses prfrences. Pour modliser ces

choix on pourra s'appuyer sur deux grandes thories :

-la thorie de l'utilit multicritres

- la thorie de l'aide la dcision .

Ces deux thories ont des approches diffrentes [23].

Figure 27 - Illustration de la disposition des divers composants dune mthodologie

4.2- Problme multi-objectif :

Un problme multi-objectif ou multicritre peut tre dfini comme un problme dont on

recherche laction qui satisfait un ensemble de contraintes et optimise un vecteur de fonctions

objectives. Les problmes doptimisation ont en gnral plusieurs solutions car la dfinition

dun optimum ne peut pas tre tablie.

Par dfinition mathmatique :

Une action (ou un vecteur de dcisions) est note par :

x = (x1, x2,.,xn) . 1)

avec xi les variables du problme et n le nombre de variables.Les contraintes sont exprimes:

gi(x) avec i = 1,.,m ... 2)

avec m le nombre de contraintes ;

Le vecteur de fonction objectif est not f :

f(x)=(f1(x),.,fk(x)) . 3)

avec fi les objectifs ou critres de dcisions et k le nombre dobjectifs.

Les objectifs sont des fonctions de minimisation (dans le cas de fonction f de maximisation, il

suffit de minimiser f).


49/87


50/87


40

5.3 Nud rptitif :

Ces nuds permettent de reprsenter les rptitions de donnes parallles des sous nuds.

Ces rptitions prennent comme entres/sorties des parties de tableaux en entre et en sortie

du nud rptitif. Ces parties de tableaux ont toutes la mme forme et sont appels Motifs

(patterns). Les Motifs en sortie sont produits en appliquant le sous-nud sur le Motif du

tableau en entre. Toutes les rptitions des sous-nuds sont indpendantes et dfinies dans

un espace de rptition Q. Pour chaque entre/sortie du nud rpt, on a les informations

ncessaires. Dans le chapitre 2, on a dcrit comment on obtient ces informations grce

Array-Ol.

6.- Mapping des Tches Rptitives :

Le mapping ou laffectation des communications au rseau consiste placer une

communication entre deux tches ti et tj reprsente par larc eijE sur le rseau de

communication. Ce placement consiste trouver le chemin qui souvent est constitu de

plusieurs liens physiques contigus utiliss pour envoyer les donnes de ti tj.

Figure 29 :Grille Torique bidirectionnelle


51/87


41

Mais avant de considrer le mapping dans sa globalit ,on doit tout dabord proposer une

solution pour un mapping multi-objectif dun seul graphe TG sur un seul graphe NT dans un

mme niveau.

Le mapping du graphe dapplication G(T,E) sur le graphe darchitecture P(U,F) est dfini par

la fonction mapping map: map(Ti)=uj/ Ti T et uj U (Le mapping est dfini quand

|T||U|).

7.Formulation Mathmatique :

Pour un TG chaque nud ou sommet reprsente une tche avec ses caractristiques ou

proprits. Soit T={t1,t2,..........tn} lensemble des tches reprsentes par lensemble des

sommets V dans TG. P= {p1,p2,..........ps} lensemble des processeurs reprsents par

lensemble des nuds U dans NT. On considre que chaque processeur p peut sexcuter

des modes diffrents m1, m2 or m3.

Comme variable de dcision on prend des variables binaires Xm

ij tels que [07].

Xmij= 1 si la tche i est place sur le processeur j et sexcute au mode m, o sinon.

dm

ij = la dure dexcution de la tche i place sur pj sexcutant au mode m (sans prendre en

compte les communications) .

dm

ij=WCNm

ij/fm

j o WCNm

ij est le nombre de cycles ncessaires la tche i pour sexcuter

sur le processeur j au mode m.

fm

j est la frquence dhorloge du processeur j au mode m.

dli est le deadline de la tche i. Cest le temps auquel la tche i doit tre termine. Ainsi

dlfinal=dln est le deadline de la dernire tche n et aussi celui de lapplication.

Qij est le volume de donnes changes entre les tches i et j.

dQm

ijpq est la dure des communications entre les tches i et j si elles sont places

respectivement sur les processeurs p et q au mode m.

qm

pq est la dure de communication unitaire (bit, octet ou paquet) entre p et q au mode m.

empq est lnergie consomme par une unit de donne (bit, octet ou paquet ) durant son

transfert de p q au mode m.

Sil nexiste pas un lien direct entre p et q soit (p,q)= {(pi,pj)} le chemin (succession de

liens) reliant p q [24].

Alors la dure dutilisation des liens est dQm

ijpq = Qij*qm

plpk o (pl,pk)(p,q)


52/87


53/87


43

N S mn N N S S mn

E= Xmip * ETm

ip + Xm

ip Xm

jqEm

ijpq ji (*)

i=1 p=i+1 m=m1 i=1 j=i+1 p=1 q=p+1 m=m1

ETm

ip est la consommation de la tche i affecte au processeur p au mode m.

Xm

ij= 1 si la tche i est place sur le processeur j et sexcute au mode m, o sinon.

dm

ij=WCNm

ij/fm

j o WCNm

ij est le nombre de cycles ncessaires la tche i pour sexcuter

sur le processeur j au mode m. l aussi WCNm

ij varie uniquement selon le mode dexcution

des processeurs.

fm

j est la frquence dhorloge du processeur j au mode m. Elle est aussi la mme pour tous les

processeurs un mme mode.

Ainsi si dans un motif, aprs ordonnancement, la tche k est la dernire dans lexcution et

dlkest son deadline alors dlfinalmotif= dlk. Il est le temps avant lequel se termine le motif et qui

correspond au temps de fin de la dernire tche du motif.

En essayant de minimiser la consommation dnergie tout en exploitant au maximum les

ressources. Le critre quon a adopt ici, en premier, pour lexploitation maximal des

ressources est totalslack O totalslack correspond au temps de repos ou relchement des

ressources. Cest ce temps quon doit minimiser pour augmenter lexploitation des ressources.

On voit bien que ce critre est conflictuel avec le deuxime objectif qui correspond la

minimisation de la consommation dnergie. En effet exploiter plus les ressources nous

amne consommer plus dnergie. La minimisation de la consommation dnergie revient

optimiser lobjectif donn par la formule (*) .Donc si on a S ressources dexcution et N

tches constituant le motif. Notant par DSn la dure dexcution dun motif constitu de N

tches et sexcutant sur S processeurs.

Alors Tdis= DS

n * S donne le temps de disponibilit des ressources.

Le temps doccupation Toc des S processeurs par les N tches du motif peut tre obtenu par :

i=N

Toc= Dii=1


54/87


44

Alors le temps total de relchement (ou des slack) des S processeurs utiliss pour lexcution

dun motif de N tches est obtenu par :

totalslack = Tdis Toc

Cest ce temps quon doit minimiser en jouant sur le nombre de tches constituant le motif.

Pour gnraliser lexpression notant par totaln,s

slack le temps total de relchement d au

placement de n tche sur S processeurs du NoC.

Etant donne que le nombre de processeurs est donne dans une architecture rgulire et qui

est souvent raisonnable, alors le nombre de tches constituant le motif est lui aussi

raisonnable par rapport au nombre total des tches rptitives. Pour ce placement on a

propos une approche base une mthode exacte pour atteindre les objectifs [24].

Algorithme de placement des tches rptitives [24]

1. Dbut ;

2. Introduire le nombre de PE, S et la matrice de topologie ;

3. Introduire les caractristiques de larchitecture et des tches rptitives ;

4. Motiftaches = 0 ; totalslack = ;

5. Pour N=S N=S*S faire

6. utiliser la mthode exacte pour trouver le placement au mode max des processeurs

7. Utiliser lalgorithme doptimisation des communications

8. calculer totalN

slack

9. Si totalN

slack< totalslack alors totalslack= totalN

slacket Motiftaches = N sinon rien fsi

10.fin pour

11. faire changer le mode des processeurs

12.Calculer pour chaque placement la dure dexcution et lnergie

13.Retenir le front Pareto ou les solutions non domines

14.Fin

8- Gnration du plus court Chemin :

Le problme de gnration de chemin consiste trouver un chemin entre deux sommets tels

que la somme des arcs le constituant soit minimale. La mthode NORD-WEST propos

dans le cadre de notre projet est base sur la distance ha miltonienne avec la seule diffrence

lors du parcours cest la prise en compte que certains liens peuvent tre dj occups.


55/87


56/87


46

complexit du placement. Dans les applications DSP, on a gnralement un flot de donnes

infini qui sont traites par des tches rptitives. Considrer cette infinit de tches rptitives

lors de la recherche du placement optimal va accrotre la complexit de traitement du

processus AAS. Cest pour cette raison quon gnre des motifs et pour gnrer le placement

total (AAS) de toutes les tches (Total taches) ,on a qu rpter le placement du motif X fois

Ainsi un placement de motif est gnr sans prendre en considration le nombre total de

tches .

De plus le choix du motif idal est dterminer aprs n itrations en sinspirant du BnB

Parallle dans le cadre de notre Projet qui nous fournit un motif optimal qui prsente un bon

compromis Taches/Processeurs tout en Prenant en compte Architecture HW cible de SIMD

Unit Grille bidirectionnelle torique.

Cet Algorithme dOptimisation BnB Parallel verifient les Performances et les contraintes

temporelles.

Comme rsultat de son placement ,on obtient le nombre de tches qui le constituent

(Motiftaches) et X peut tre calcul selon la formule suivante : X = Totaltaches/ Motiftaches .

10- FRONT PARETO [28] :

Figure 31: Exemple illustrant placement de motif 8 Tches sur 5 Processeurs.

T1

T2T3 T4 T5

T6 T7 T8


57/87


47

DIAGRAMME DE GANTT :

Figure 32 : Diagramme Gantt qui illustre la figure 31

La figure 32 montre le placement et lordonnancement des diffrentes tches de la figure 31.

Conclusion

Le placement sur les NOC dsign par Assignation, affectation et ordonnancement (AAS)

consiste atteindre certains objectifs comme le temps rel, consommation dnergie, la

mmoire, qui sont souvent recherchs ensembles parce quon ne peut minimiser le temps de

calcul global sans minimiser le cot de communication global, ou augmenter les

performances du NOC sans penser minimiser la perte de lnergie, ce qui nous permet de

conclure que ce problme ne peut tre solutionn en cherchant des objectifs sparment mais

dessayer dau moins datteindre quelques objectifs pertinents ensembles cest ce quon

appelle loptimisation multi-objectifs.


58/87

CHAPITRE IV Implmentation et Mise en uvre

48

CHAPITRE IV

IMPLEMENTATION

ET MISE EN UVRE


59/87


49

1. Introduction :

Dans notre contribution nous avons constat quil faut construire un modle comprenant

les valeurs de temps d'excution de chaque tche sur chaque processeur en fonction du

voltage ainsi que les performances des rseaux d'interconnexion en fonction du volume de

donnes transportes. Ces valeurs sont fournies l'algorithme Branch & Bound d'optimisation

Parallle multicritres qui propose un placement qui reprsente loptimum thorique

exact ou plusieurs placements intressants par rapport ces performances et aussi en

vrifiant le critre des contraintes temporelles pour le choix du motif Optimal . Dans ce

chapitre, on passe aux diffrentes tapes de conception et dveloppement du logiciel.

2.Mthodologie de conception UML.

UML (Unified Modeling Language, que l'on peut traduire par "langage de modlisation

unifi) est une notation permettant de modliser un problme de faon standard. Ce langage

est n de la fusion de plusieurs mthodes existant auparavant, et devenu dsormais la

rfrence en terme de modlisation objet.

2.1. La notion d'objet

La programmation oriente objet consiste modliser informatiquement un ensemble

d'lments d'une partie du monde rel (que l'on appelle domaine) en un ensemble d'entits

informatiques. Ces entits informatiques sont appeles objets. Il s'agit de donnes

informatiques regroupant les principales caractristiques des lments du monde rel (taille, la

couleur,) .

2.2. Les mthodes objets

La modlisation objet consiste crer une reprsentation informatique des lments du monde

rel auxquels on s'intresse, sans se proccuper de l'implmentation, ce qui signifie

indpendamment d'un langage de programmation. Il s'agit donc de dterminer les objets

prsents et d'isoler leurs donnes et les fonctions qui les utilisent. Pour cela des mthodes ont

t mises au point. Entre 1970 et 1990, de nombreux analystes ont mis au point des approches

orientes objets, si bien qu'en 1994 il existait plus de 50 mthodes objet. Toutefois seules 3

mthodes ont vritablement merg :

La mthode OMT de Rumbaugh, La mthode BOOCH'93 de Booch, La mthode OOSE de Jacobson (Object Oriented Software Engineering).


60/87


50

3.Lenvironnement dimplmentation

Notre choix est bas sur deux critres fondamentaux :

La programmation sous Windows qui offre beaucoup davantages. La programmation java en utilisant eclipse.

La programmation sous Windows

Windows est bien plus quune interface graphique conviviale, il sagit dune rvolution pour

les programmeurs. Les applications dveloppes sous Windows communiquent entre elles par

des vnements des envois de messages. Elles se partagent les ressources de lordinateur et

offrent lutilisateur une interface iconique intuitive.

La programmation sous Windows fait bnficier dun grand nombre davantages :

Utilisation dune mmoire par lexploitation de la mmoire pagine et lutilisation dudisque comme supports dchange (mmoire virtuelle).

Une interface utilisateur prdfinie, elle permet de concevoir des logiciels performantssans se proccuper des dtails de cration des composants de linterface. Elle permet

aussi dobtenir des programmes faciles manipuler car elle utilise une prsentation

standard connue par la majorit des utilisateurs, ce qui rduit le temps

dapprentissages du logiciel.

Lenvironnement Windows se proccupe de grer les dtails matriels de bas niveaude la machine ainsi que tous les priphriques (la carte graphique, imprimante). Les

programmes dvelopps sous Windows bnficient dune part de lenvironnement

MS-DOS et dautre part dune interface utilisateur graphique cohrente. Cette

interface est oriente souris avec menu droulant, fentres et boite de dialogue.


61/87


51

Le langage de programmation java

Java, langage orient objet, dvelopp par SUN(1991). Le but de Java l'poque tait de

constituer un langage de programmation pouvant s'intgrer dans les appareils lectromnagers

afin de pouvoir les contrler, de les rendre interactifs, et surtout de permettre une

communication entre les appareils. La syntaxe est proche de celle du C, mais Java n'est pas

une surcouche du C et la syntaxe est beaucoup plus claire que celle du C++. Java prsente

beaucoup d'avantages : scuris, robuste, indpendant du matriel, portable ... Le byte-code,

assurant une portabilit complte vers de trs nombreux systmes. L'importance de l'API qui

offre tous les services de base, notamment pour la construction des interfaces graphiques.Son

adaptabilit dans de nombreux domainesparmis eux les systmes embarqus.

Lenvironnement eclipse

Le projet Eclipse trouve son origine au sein de la socit IBM, qui a dcid en 2001 de mettre

disposition de la communaut Open Source l'bauche d'une plate-forme de dveloppement

ouverte, entirement crite en Java, capable d'intgrer des extensions adaptes diverses

activits (dbogage, modlisation, interfaces graphiques...). L'objectif tant de crer un

environnement de dveloppement intgr polyvalent, extensible, capable de travailler avecn'importe quel langage de programmation. Et ce grce une architecture base sur la notion

de plug-in, module fonctionnel qui se rattache la plate-forme via un mcanisme appel point

d'extension. La base de cet environnement est constitue par l'Eclipse platform, qui

comprend : la Platform runtime, charge du dmarrage de l'environnement et de la gestion des

plug-in ; SWT, la librairie graphique de base de l'environnement ; JFace, une librairie

graphique de plus haut niveau ; et enfin le Workbench, couche graphique qui permet de

manipuler des composants (sous la forme de vues, d'diteurs, de perspectives, etc.).

L'ensemble des outils de dveloppement (Java, C/C++...),

4.Les diagrammes UML :

Parmis les diagrammes UML quon a utilis lors de la conception de notre application sont :

-diagramme de classe

-diagramme dactivit

-diagramme de squence


62/87


52

Figure 34 :Diagramme Classe 1 .

Figure 33 :Diagramme dActivit.

Placement BNB cot

dure :

Calcul_dure()

Eliminatin intra_proc()

Placement BNB cot

energie :

Calcul_energie()

Plus court chemin :

Nbr_lien()

Autre_chemin()

Placement avec contrainte :

Elimination_noeud_i ()

Prparation

Archivage PARETO

et motif optimal

FORK

JOIN

Placement avec calcul slack

total :

Calcul general ()


63/87


53

Cot dure

Calcul dure()

Elimination inter

proc (

Figure 35 : diagramme de classe 2


64/87


54

ArchivagePARETO

Figure 36 :Diagramme de Sequence de lapplication .

1 : affecter calcul dure nud fils()

2 : affecter calcul dure noeud pre ()

3 : affecter calcul nergie nud fils()

4 : affecter calcul nergie nud pre()

5 : envoyer dominance du nud fils ()

Saisie matricielle Saisie graphique Nud pre Nud fils BNB parallle Plus court chemin

ALT

Itrative

Placement BNB cot

dure :

Calcul_dure()

Eliminatin intra_proc()

Placement BNB cot

energie :

Calcul_energie()

Plus court chemin :

Nbr_lien()

Autre_chemin()

Placement avec contrainte :

Elimination_noeud_i ()

Appel plus

Court chemin()

Retourne nbr_lien

du chemin()

Archiver solutions pareto()

Archiver solutions avec

contrainte temps ()

1

2

3

4

5

Calcul son nergie

interne()

Sommer avec

lnergie du

nud pre()

Envoyer_energie()

Envoyer_dure

Placement avec calcule

slack total:

Calcul general ()

Choisir meilleur motif ()

Archiver solutions selon

3iemes critres min slack ()


65/87


66/87


56

6.DESCRIPTION DE LAPPLICATION :

6.1/ Saisie Matricielle :

Dans le mode graphique de notre application, on trouve dans la premire fentre quatre

champs textuel ou on peut introduire la taille de la grille torique , le nombre de processeurs ,le

nombre des taches et le nombre Totale de taches rptitives de lapplication, et afin daccder

aux Caractristiques du graphe dapplication et aussi caractristiques de lArchitecture

Hardware cible qui est Grille Torique bidirectionnelles Homogne on doit appuyer sur le

bouton Suivant.

IllustrationdeLa fentre Main (introduction).

Champ permettant dintroduire la

taille de La grille

Champ permettant

dintroduire le nombre de

processeurs .

Champ permettant

dintroduire le nombre de

Taches .

Champ permettant dintroduire Le

Nombre de Taches Rptitives


67/87


68/87


58

6.3 Placements et Ordonnancement des diffrents Tableaux de Simulation :

Notre but est de rechercher le meilleur Motif Optimal en appliquant l'algorithme Branch &

Bound d'optimisation Parallle multicritres qui propose un ou des placements intressants

par rapport ces performances et en vrifiant le critre des contraintes temporelles .

6.3.1 Les Placements BnB Cout avec contraintes :

Les placements en bas de cette fentre illustre les solutions ralisables du Pareto avec

Optimisation de la fonction cot Energie et cot dure en tenant aussi compte des

contraintes temporelles du Dead line de lapplication et du minimum Total Slack :

chaque placement est reprsenter par un

triplet (T3 / T2 / T1) .

Solutions du Pareto suivant les citeres de

lEnergie et Dure et verification Dead Line .

Les Valeurs du Total Slack pour chaque

placement selon le 3eme

critere Min Slack T.


69/87


59

6.3.2 Placement des Communications sur une Architecture cible Grille

Bidirectionnelle torique 5*5 homogne Avec la mthode Nord West illustre

comme suit :

Le chemin le plus court retourn avec des liens non saturs

dans une grille torique bidirectionnelle.


70/87


71/87


61

RESULTAT (ARCHIVAGE PARETO et Choix du Motif Optimal ) :

le Nbre de rptitions =

( X est le nombres Totales des Taches rptitives).

- Le choix du bon compromis entre Nbre Ti / Nbre Pj est dtermin par lalgorithme

dOptimisation multicritres BnB Parallle partir dArchivage Pareto.

6.4 La Reprsentation Graphique du diagramme de GANTT :

La Figure ci-dessous montre la reprsentation du Diagramme Gantt dun placement

(T3/T2/T1) qui vrifie le minimum du total Slack comme suit :

PROCESSEUR TACHE Min Slack S_T

M1 Nbre P1 Nbre T2 Val Min S_T1

M2 Nbre P2 Nbre T2 Val Min S_T2

Val Min S_T3

Mn Nbre Pn Nbre Tn Val Min S_Tn

X

Taille Motif


72/87


62

7. Mapping multi-objectif dune application rel:

Nous avons repris lexemple dune application relle dun dcodeur vido avec

communication (figure 7.13) [24] .

8/7/2019 memoi

memoire PFE mostefa 2009

Documents

Transcript of memoire PFE mostefa 2009