Online Adaptive Fault Tolerant based Feedback Control Scheduling Algorithm for Multiprocessor Embedded Systems

Resumo Técnico: Algoritmo de Escalonamento de Controle de Feedback Adaptativo Online com Tolerância a Falhas para Sistemas Embarcados Multiprocessados

Definição do Problema
O artigo aborda os desafios inerentes ao co-design de controle e escalonamento de sistemas embarcados multiprocessados operando em ambientes abertos e imprevisíveis. Algoritmos de escalonamento tradicionais, como o Rate Monotonic (RM) e o Early Deadline First (EDF), baseiam-se em suposições de malha aberta onde o mapeamento de tarefas e o Tempo de Execução de Pior Caso (WCET) são predefinidos. No entanto, em cenários do mundo real, os tempos de execução tanto para tarefas de Segurança Crítica (SC) quanto para não-SC variam devido à incerteza ambiental, levando a potenciais perdas de prazos (deadlines) e sub ou sobreutilização de recursos. Além disso, os algoritmos existentes de Escalonamento de Controle de Feedback (FCSA) frequentemente falham em fornecer soluções ótimas sob flutuações dinâmicas de carga, e os designs atuais de Tolerância a Falhas (FT) frequentemente separam as preocupações, assumindo mapeamentos fixos que não consideram falhas do sistema. Os autores identificam uma lacuna na literatura em relação a uma abordagem unificada que integre adaptação online, tolerância a falhas e controle de feedback para sistemas multiprocessados para garantir a Qualidade de Serviço (QoS) e o cumprimento de prazos.

Metodologia
A metodologia proposta introduz um Algoritmo de Escalonamento de Controle de Feedback Adaptativo Online com Tolerância a Falhas projetado para uma plataforma de hardware compartilhada e distribuída. A arquitetura do sistema consiste em nós multiprocessados onde cada nó contém dois núcleos: um dedicado a tarefas SC e outro a tarefas não-SC. O algoritmo de escalonamento opera sobre um Sistema Operacional de Tempo Real (RTOS) usando preempção de prioridade fixa.

O núcleo da metodologia envolve um sistema de controle de malha fechada com os seguintes componentes:

1. Modelo de Sistema: O sistema multiprocessado é modelado como um sistema não linear de múltiplas entradas e múltiplas saídas (MIMO). As entradas de controle são os períodos das tarefas (taxas de amostragem) e a variável de saída é a utilização de CPU medida.
2. Design do Controlador: Os autores utilizam um Controlador Adaptativo Online composto por dois elementos principais:
   • Estimador de Modelo de Mínimos Quadrados Recursivos (RLS): Este componente utiliza um fator de esquecimento exponencial para identificar parâmetros variantes no tempo do modelo do sistema online. Ele atualiza os coeficientes do modelo para se adaptar às mudanças nas condições de execução e desvios de tempo de execução.
   • Controlador Ótimo Linear Quadrático (LQ): Este controlador minimiza uma função de custo quadrática para rastrear um comando de referência (utilização de CPU desejada) enquanto penaliza grandes mudanças nos controles de entrada. A função de custo equilibra a precisão de rastreamento contra a magnitude dos ajustes de controle.
3. Integração de Tolerância a Falhas: O design incorpora mecanismos de tolerância a falhas (como conceitos de replicação ativa, reexecução ou checkpointing mencionados no background) para garantir que as tarefas SC cumpram seus prazos mesmo na presença de falhas transitórias ou permanentes. O controlador visa manter a utilização da CPU dentro de um limite escalonável, apesar dessas falhas.

Principais Contribuições

• Integração Inovadora: O artigo apresenta uma metodologia que integra adaptação online, tolerância a falhas e escalonamento de controle de feedback especificamente para sistemas embarcados multiprocessados, alegando ser o primeiro trabalho a abordar esses três elementos conjuntamente neste contexto.
• Mecanismo Adaptativo: Diferente dos designs FCSA estáticos ou não adaptativos, o algoritmo proposto utiliza um estimador baseado em RLS para atualizar dinamicamente o modelo do sistema, permitindo lidar com flutuações dinâmicas de carga e variações de tempo de execução sem conhecimento prévio dos tempos de execução reais das tarefas.
• Estratégia de Controle Robusta: O uso de um controlador LQ permite a otimização do desempenho da CPU e da utilização de recursos ao manter o sistema em um ponto de ajuste de utilização desejado, evitando assim a sobrecarga e minimizando as taxas de perda de prazos.

Resultados Experimentais
Os autores validaram a metodologia através de três experimentos focados no controle de utilização de CPU:

1. Cenário de Subutilização: Começando com tempos de execução reais em 30% dos valores estimados (subutilizado), o controlador aumentou com sucesso as taxas das tarefas, convergindo a utilização da CPU de ambos os processadores para o ponto de ajuste de 0,8123.
2. Cenário de Sobreutilização: Com os tempos de execução reais definidos como sete vezes os valores estimados (sobreutilização severa), o controlador diminuiu as taxas das tarefas. Apesar das oscilações iniciais causadas por imprecisões na estimativa do modelo, o sistema convergiu rapidamente para o ponto de ajuste de 0,8123.
3. Robustez a Cargas Dinâmicas: O sistema foi submetido a mudanças dinâmicas de carga em intervalos específicos (passos de amostra 300, 400 e 800). O controlador adaptativo online manteve a utilização no ponto de ajuste com oscilação mínima, demonstrando robustez contra flutuações repentinas de carga.

Os resultados indicam que o sistema permanece estável mesmo quando os tempos de execução reais são significativamente maiores do que os estimados (até um fator de 7), desde que as tarefas cumpram seus prazos. No entanto, os autores observam que, se os tempos de execução excederem este limiar, o sistema torna-se instável, levando a oscilações e perdas de prazos.

Significância e Alegações
O artigo alega que a metodologia proposta oferece uma abordagem superior para o co-design de controle-escalonamento em sistemas embarcados multiprocessados, fornecendo QoS em termos de desempenho de CPU e utilização de recursos. A significância reside na capacidade de manter a estabilidade do sistema e cumprir os prazos para tarefas de Segurança Crítica na presença de falhas e mudanças de carga dinâmica, o que métodos de feedback não adaptativos ou de malha aberta tradicionais têm dificuldade em alcançar.

Os autores concluem que, embora o sistema demonstre melhoria na estabilidade e no uso de recursos, a implementação prática de tais sistemas de controle baseados em escalonamento de feedback permanece uma questão "quase completamente em aberto". Eles sugerem que trabalhos futuros poderiam focar no desenvolvimento de modelos de utilização de CPU mais avançados e controladores online híbridos para aumentar ainda mais o desempenho geral do sistema. O artigo não pretende resolver todos os problemas de escalonamento de tempo real, mas posiciona sua abordagem adaptativa e tolerante a falhas como um passo significativo no tratamento das incertezas dos ambientes embarcados modernos.