Energy-aware strategies for reliability-oriented real-time task allocation on heterogeneous platforms - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Rapport (Rapport De Recherche) Année : 2020

Energy-aware strategies for reliability-oriented real-time task allocation on heterogeneous platforms

Stratégies écoénergétiques pour l’allocation de tâches en temps réel axée sur la fiabilité sur des plateformes hétérogènes

Résumé

Low energy consumption and high reliability are widely identified as increasingly relevant issues in real-time systems on heterogeneous platforms. In this paper, we propose a multi-criteria optimization strategy to minimize the expected energy consumption while enforcing the reliability threshold and meeting all task deadlines. The tasks are replicated to ensure a prescribed reliability threshold. The platforms are composed of processors with different (and possibly unrelated) characteristics, including speed profile, energy cost and failure rate. We provide several mapping and scheduling heuristics towards this challenging optimization problem. Specifically, a novel approach is designed to control (i) how many replicas to use for each task, (ii) on which processor to map each replica and (iii) when to schedule each replica on its assigned processor. Different mappings achieve different levels of reliability and consume different amounts of energy. Scheduling matters because once a task replica is successful, the other replicas of that task are cancelled, which calls for minimizing the amount of temporal overlap between any replica pair. The experiments are conducted for a comprehensive set of execution scenarios, with a wide range of processor speed profiles and failure rates. The comparison results reveal that our strategies perform better than the random baseline, with a gain of 40% in energy consumption, for nearly all cases. The absolute performance of the heuristics is assessed by a comparison with a lower bound; the best heuristics achieve an excellent performance, with an average value only 4% higher than the lower bound.
La faible consommation d’énergie et la haute fiabilité sont identifiées comme des problèmes de plus en plus pertinents dans les systèmes en temps réel sur des plateformes hétérogènes. Dans cet article, nous proposons une stratégie d’optimisation multicritères pour minimiser la consommation d’énergie attendue tout en respectant le seuil de fiabilité et en respectant toutes les échéances des tâches. Les tâches sont répliquées pour garantir un seuil de fiabilité prescrit. Les plateformes sont composées de processeurs avec des caractéristiques différentes (et éventuellement sans corrélation), y compris la vitesse, le coût énergétique et le taux d’échec. Nous fournissons plusieurs heuristiques de mapping et de planification pour ce problème d’optimisation difficile. Plus précisément, une nouvelle architecture est conçue pour contrôler (i) le nombre de répliques à utiliser pour chaque tâche, (ii) sur quel processeur doit-on mapper chaque réplique et (iii) comment planifier chaque réplique sur le processeur qui lui est affecté. Différents mappings atteignent différents niveaux de fiabilité et consomment différentes quantités d’énergie. La planification est importante car une fois qu’une réplique de tâche réussit, les autres répliques de cette tâche sont annulées, ce qui nécessite de minimiser le chevauchement en temps entre toute paire de répliques. Les expériences sont exécutées pour un grand ensemble de scénarios, avec une large gamme de vitesse et de taux d’échec pour les processeurs. Les résultats révèlent que nos stratégies fonctionnent mieux que la référence aléatoire, avec un gain de 40 % en consommation d’énergie, dans presque tous les cas. La performance absolue de l’heuristique est évaluée en comparant avec une borne inférieure. La meilleure heuristique atteint une excellente performance, avec une valeur moyenne de seulement 4 % supérieure à la borne inférieure.
Fichier principal
Vignette du fichier
rr92324.pdf (31.52 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02500381 , version 1 (05-03-2020)

Identifiants

  • HAL Id : hal-02500381 , version 1

Citer

Li Han, Yiqin Gao, Jing Liu, Yves Robert, Frédéric Vivien. Energy-aware strategies for reliability-oriented real-time task allocation on heterogeneous platforms. [Research Report] RR-9324, Univ Lyon, EnsL, UCBL, CNRS, Inria, LIP. 2020. ⟨hal-02500381⟩
69 Consultations
16 Téléchargements

Partager

Gmail Facebook X LinkedIn More