Variability-intensive applications over highly-configurable platforms : Early feasibility and optimality analysis
Applications variables sur plateformes configurables : Analyse anticipée de faisabilité et d'optimalité
Résumé
Software-intensive embedded systems, such as automotive systems, are increasingly built from highly- variable applications targeting evermore configurable hardware platforms. Moreover, besides variability present at specification level, there are often various ways to implement a given application on a specific platform. This threefold variability leads to an immense number of system design alternatives. The notorious problem is establishing, at the early stages of development, which designs fulfill and optimize functional and non-functional requirements. Traditional system design frameworks capture system requirements and specifications to derive and evaluate every design automatically. They evaluate every facet of the problem, but they use enumeration et iterative based techniques. Consequently, they may offer poor scalability at both modelling and analysis stages. On the other hand, variability modelling approaches exploit commonalities between different but related products to efficiently evaluate the whole product line. However, given system specifications, they lack to automatically derive the design space while only specific facets of the problem are evaluated in isolation. We propose a model-driven framework that combines and extends both approaches. It captures requirements and specifications in the form of variable data-flows and configurable hardware platforms, with non-functional constraints and a cost function. An original mapping algorithm then derives and automatically generates the design space in the form of a variability-aware model of computation. This formal model encodes every system designs efficiently. We then propose a novel verification algorithm to pinpoint suitable designs efficiently with respect to functional and non-functional requirements. The benefits of our approach are evaluated through a real-world case study from the automotive industry.
Les systèmes embarqués sont implémentés à partir d'applications hautement variables ciblant des plateformes matérielles configurables. Outre cela, une application peut être implémentée de plusieurs façons sur une plateforme. Cette triple variabilité engendre un nombre astronomique de conceptions système alternatives. Le problème crucial est alors d'établir au plus tôt et précisément quelles sont les conceptions système qui satisfont et optimisent les exigences fonctionnelles et non-fonctionnelles. Généralement, les approches de conception de systèmes capturent les exigences et spécifications pour automatiquement dériver et évaluer toutes les alternatives. Cependant, ces approches ne gèrent pas cette variabilité et sont donc itératives. Par conséquent, chaque conception de systèmes issus des implémentations possibles des variantes d’application et des configurations de plateforme doivent être modélisées et évaluées séparément. Cet inconvénient majeur peut rendre ces approches inapplicables à grande échelle. D'un autre côté, les approches de modélisation de la variabilité exploitent les points communs entre les différents produits pour évaluer efficacement toute la ligne de produits. Pourtant, elles ne vérifient que certaines parties du problème et ne fournissent aucun moyen de dériver l'espace de conception automatiquement. Nous proposons une approche qui combine et étend ces deux méthodes. Après avoir capturé les exigences et spécifications sous la forme d'un flot de donnés variables, d'une plateforme matérielle configurable, d'une fonction de cout et de contraintes non- fonctionnelles, nous dérivons un espace de conception encodé par une ligne de produit comportementale. Finalement, un algorithme de vérification permet de vérifier toutes les facettes du problème pour identifier efficacement les conceptions de système les plus adaptées. Les avantages de notre approche sont évalués à travers un cas d'étude industriel automobile.
Origine : Version validée par le jury (STAR)