Fast yet accurate performance and timing prediction of complex parallel data flow applications on multi-processor systems remains a very difficult discipline. The reason for it comes from the complexity of the data flow applications w.r.t. data dependent execution paths and the hardware platform with shared resources, like buses and memories. This combination may lead to complex timing interferences that are difficult to express in pure analytical or classical simulation-based approaches. In this work, we propose the combination of timing measurement and statistical simulation models for probabilistic timing and performance prediction of Synchronous Data Flow (SDF) applications on MPSoCs with shared memories. We exploit the separation of computation and communication in our SDF model of computation to set-up simulation-based performance prediction models following different abstraction approaches. We especially propose a message-level communication model driven by a data-dependent probabilistic execution phase timing model. We compare our work against measurement on two case-studies from the computer vision domain: a Sobel filter and a JPEG decoder. We show that the accuracy and execution time of our modeling and evaluation framework outperforms existing approaches and is suitable for a fast yet accurate design space exploration.
Modèles de performance précis et rapides pour l’analyse probabiliste des propriétés temporelles de SDFGs sur MPSoCs: L’analyse temporelle est une étape très importante dans la conception d’un système multiprocesseur sur puce (MPSoC) pour garantir que les contraintes de temps sont pleinement respectées avec une durée d’analyse acceptable. Cependant, les interférences sur l’accès aux ressources partagées des MPSoC entraînent la variabilité de l’exécution du programme qui conduit à des difficultés pour l’analyse temporelle. Cette thèse vise à étudier l’adoption de méthodes de modélisation et d’analyse probabilistes pour améliorer l’efficacité du processus d’analyse temporelle des systèmes MPSoC. Nous avons contribué à une approche basée sur la mesure pour caractériser les temps de calcul et de communication des applications SDFG fonctionnant sur une plate-forme MPSoC basée sur des tuiles. Dans cette approache, les effets des ressources partagées sont saisis et représentés comme des fonctions de distribution. Nous proposons un modèle de communication au niveau message d’un bus multiprocesseur pour fournir des résultats de simulation rapides mais précis. Le modèle proposé a montré une accélération significative de la simulation par rapport au modèle au niveau transactionnel (TLM) sans dégrader la précision de l’analyse. Nous évaluons certaines méthodes de modèle checking statistique (SMC) pour démontrer l’efficacité de l’analyse temporelle probabiliste des systèmes MPSoC. Dans cette analyse, différents algorithmes statistiques sont étudiés plus en détail. Enfin, l’efficacité de l’approche proposée est évaluée en exécutant différentes applications de traitement d’images sur différentes configurations d’une architecture matérielle hétérogène. Les résultats de la simulation ont montré un temps de simulation rapide avec des résultats précis par rapport aux résultats mis en oeuvre sur une plate-forme matérielle réelle FPGA.