Echtzeitsysteme. Zeitliche Analyse von Echtzeitanwendungen. Peter Ulbrich. 28. Oktober Lehrstuhl Informatik 4

Transkript

1 Echtzeitsysteme Zeitliche Analyse von Echtzeitanwendungen Peter Ulbrich Lehrstuhl Informatik Oktober 2014 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 1 / 31

2 Gliederung 1 Übersicht 1 Übersicht 2 Problemstellung 3 Dynamische WCET-Analyse (Messbasiert) 4 Statische WCET-Analyse 5 Hardware-Analyse Die Maschinenprogrammebene 6 Zusammenfassung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 2 / 31

3 Fragestellungen 1 Übersicht T 1 ET T 2 T 3 t Häufigkeit BCET WCET Ausführungszeit Alle sprechen von der maximalen Ausführungszeit Worst Case Execution Time (WCET) e i (vgl. Folie III-2/28) Unabdingbares Maß für zulässigen Ablaufplan (vgl. Folie III-2/33) Tatsächliche Ausführungszeit bewegt sich zwischen: 1 bestmöglicher Ausführungszeit (Best Case Execution Time, BCET) 2 schlechtest möglicher Ausführungszeit (besagter WCET) c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 3 / 31

4 III-3 WCET Gliederung 2 Problemstellung 1 Übersicht 2 Problemstellung 3 Dynamische WCET-Analyse (Messbasiert) 4 Statische WCET-Analyse 5 Hardware-Analyse Die Maschinenprogrammebene 6 Zusammenfassung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 4 / 31

5 III-3 WCET 2 Problemstellung Warum ist es so schwierig, e zu bestimmen? Anders: Wovon hängt die maximale Ausführungszeit eigentlich ab? Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for (i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j +1]) { swap (&a[j],&a[j +1]); return ; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 5 / 31

6 III-3 WCET 2 Problemstellung Warum ist es so schwierig, e zu bestimmen? Anders: Wovon hängt die maximale Ausführungszeit eigentlich ab? Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for (i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j +1]) { swap (&a[j],&a[j +1]); return ; Programmiersprachenebene: Anzahl der Schleifendurchläufe hängt von der Größe des Feldes a[] ab Anzahl der Vertauschungen (swap) hängt vom Inhalt des Feldes ab exakte Vorhersage ist kaum möglich sowohl die Größe als auch der Inhalt des Felds kann zur Laufzeit variieren c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 5 / 31

7 III-3 WCET 2 Problemstellung Warum ist es so schwierig, e zu bestimmen? Anders: Wovon hängt die maximale Ausführungszeit eigentlich ab? Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for (i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j +1]) { swap (&a[j],&a[j +1]); return ; Programmiersprachenebene: Anzahl der Schleifendurchläufe hängt von der Größe des Feldes a[] ab Anzahl der Vertauschungen (swap) hängt vom Inhalt des Feldes ab exakte Vorhersage ist kaum möglich sowohl die Größe als auch der Inhalt des Felds kann zur Laufzeit variieren Die Maschinenprogrammebene liefert Dauer der Elementaroperationen: wie lange dauert ein ADD, ein LOAD,... ist prozessorabhängig und für moderne Prozessoren sehr schwierig Cache Liegt die Instruktion/das Datum im schnellen Cache? Pipeline Wie ist der Zustand der Pipeline an einer Instruktion? Out-of-Order-Execution, Branch-Prediction, Hyper-Threading,... c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 5 / 31

8 III-3 WCET Gliederung 3 Dynamische WCET-Analyse (Messbasiert) 1 Übersicht 2 Problemstellung 3 Dynamische WCET-Analyse (Messbasiert) 4 Statische WCET-Analyse 5 Hardware-Analyse Die Maschinenprogrammebene 6 Zusammenfassung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 6 / 31

9 III-3 WCET 3 Dynamische WCET-Analyse (Messbasiert) Messbasierte WCET-Analyse [2] Idee: der Prozessor selbst ist das präziseste Hardware-Modell Führe das Programm aus und beobachte die Ausführungszeit! c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 7 / 31

10 III-3 WCET 3 Dynamische WCET-Analyse (Messbasiert) Messbasierte WCET-Analyse [2] Idee: der Prozessor selbst ist das präziseste Hardware-Modell Führe das Programm aus und beobachte die Ausführungszeit! Es besteht Bedarf für messbasierte Methoden: gängige Praxis in der Industrie nicht alle Echtzeitsysteme benötigen eine sichere WCET z. B. Echtzeitsystem mit weichen Zeitschranken lassen sich leicht an neue Hardwareplattformen anpassen häufig ist kein geeignetes statisches Analysewerkzeug verfügbar geringer Aufwand für Annotationen verschafft leicht Orientierung über die tatsächliche Laufzeit sinnvolle Ergänzung zur statischen WCET-Analyse Validierung statisch bestimmter Werte Ausgangspunkt für die Verbesserung der statischen Analyse Allerdings sollte man nicht einfach drauf los messen z. B. immer Pfade vermessen (d. h. Ablauf und Zeit) auf einen definierten Startzustand achten c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 7 / 31

11 III-3 WCET 3 Dynamische WCET-Analyse (Messbasiert) Messbasierte WCET-Analyse [2] Häufigkeit BCET BOET WOET WCET Ausführungszeit Dynamische WCET-Analyse liefert Messwerte: 3 Bestmögliche beobachtete Ausführungszeit (Best Observed Execution Time, BOET) 4 Schlechtest mögliche beobachtete Ausführungszeit (Worst Observed Execution Time, WOET) c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 8 / 31

12 III-3 WCET 3 Dynamische WCET-Analyse (Messbasiert) Messbasierte WCET-Analyse [2] Häufigkeit BCET BOET WOET WCET Ausführungszeit Probleme messbasierter Ansätze - in der Praxis ist es unmöglich alle relevanten Pfade zu betrachten - gewählte Testdaten führen nicht unbedingt zum längsten Pfad - seltene Ausführungsszenarien werden nicht abgedeckt - abschnittsweise WCET-Messung globalen WCET - Wiederherstellung des Hardwarezustandes schwierig/unmöglich c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 9 / 31

13 III-3 WCET 3 Dynamische WCET-Analyse (Messbasiert) Messbasierte WCET-Analyse [2] Häufigkeit BCET BOET WOET WCET Ausführungszeit Probleme messbasierter Ansätze - in der Praxis ist es unmöglich alle relevanten Pfade zu betrachten - gewählte Testdaten führen nicht unbedingt zum längsten Pfad - seltene Ausführungsszenarien werden nicht abgedeckt - abschnittsweise WCET-Messung globalen WCET - Wiederherstellung des Hardwarezustandes schwierig/unmöglich messbasierte Ansätze unterschätzen die WCET meistens systematischere, messbasierte Analysetechniken sind vonnöten c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 9 / 31

14 III-3 WCET Gliederung 4 Statische WCET-Analyse 1 Übersicht 2 Problemstellung 3 Dynamische WCET-Analyse (Messbasiert) 4 Statische WCET-Analyse 5 Hardware-Analyse Die Maschinenprogrammebene 6 Zusammenfassung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 10 / 31

15 III-3 WCET 4 Statische WCET-Analyse Überblick: Statische WCET-Analyse Häufigkeit Lower Bound BCET BOET WOET WCET Upper Bound Ausführungszeit Bester Fall Schlechtester Fall Statische WCET-Analyse liefert Schranken: 5 Geschätzte untere Schranke (Lower Bound) 6 Geschätzte obere Schranke (Upper Bound) Die Analyse ist sicher (sound) falls Upper Bound WCET c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 11 / 31

16 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Problem: Den längsten Weg durch ein Programm finden Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for (i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j +1]) { swap (&a[j],&a[j +1]); return ; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 12 / 31

17 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Problem: Den längsten Weg durch ein Programm finden Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for (i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j +1]) { swap (&a[j],&a[j +1]); return ; betrachte Aufrufe: bubblesort(a, size) Anzahl von Durchläufen, Vergleichen und Vertauschungen (engl. Swap) a = {1, 2, size = 2 D = 1, V = 1, S = 0; a = {1, 3, 2, size = 3 D = 3, V = 3, S = 1; a = {3, 2, 1, size = 3 D = 3, V = 3, S = 3; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 12 / 31

18 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Problem: Den längsten Weg durch ein Programm finden Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for (i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j +1]) { swap (&a[j],&a[j +1]); return ; betrachte Aufrufe: bubblesort(a, size) Anzahl von Durchläufen, Vergleichen und Vertauschungen (engl. Swap) a = {1, 2, size = 2 D = 1, V = 1, S = 0; a = {1, 3, 2, size = 3 D = 3, V = 3, S = 1; a = {3, 2, 1, size = 3 D = 3, V = 3, S = 3; ist für den allgemeinen Fall nicht berechenbar Halteproblem Wieviele Schleifendurchläufe werden benötigt? in Echtzeitsystemen ist dieses Problem aber häufig lösbar kanonische Schleifenkonstrukte: for(int i = 0;i < X;++i) X ist oft eine Konstante oder zumindest beschränkt ggf. muss die obere Schranke manuell annotiert werden die maximale, nicht die exakte Pfadlänge ist von Belang c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 12 / 31

19 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

20 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

21 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return; swap(&a[j],&a[j + 1]); c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

22 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return; a[j] < a[j + 1] t f swap(&a[j],&a[j + 1]); c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

23 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return; f j <= i t a[j] < a[j + 1] t f swap(&a[j],&a[j + 1]); ++j c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

24 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return; i > 0 t j = 0; j <= i f --i t a[j] < a[j + 1] t f swap(&a[j],&a[j + 1]); ++j c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

25 III-3 WCET 4 Statische WCET-Analyse 4.1 Problemstellung Den längsten Weg durch ein Programm finden (2) Die möglichen Wege lassen sich durch Kontrollflussgraphen beschreiben Ein Kontrollflussgraphen (engl. control flow graph) ist ein gerichteter Graph und setzt sich aus Grundblöcken (engl. basic blocks) zusammen Grundblöcke sind sequentielle Code-Schnipsel hier wird gearbeitet Grundblöcke verbrauchen Rechenzeit Kanten im Kontrollflussgraphen Sprünge zwischen Grundblöcken void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return; i = size - 1; i > 0 return; f t j = 0; j <= i f --i t a[j] < a[j + 1] t f swap(&a[j],&a[j + 1]); ++j c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 13 / 31

26 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Lösungsweg 1 : Timing Schema Abstraker Syntaxbaum Ableitung des maximalen Pfads anhand der Programmstruktur Sequenzen Hintereinanderausführung S1 (); S2 (); S1; S2; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 14 / 31

27 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Lösungsweg 1 : Timing Schema Abstraker Syntaxbaum Ableitung des maximalen Pfads anhand der Programmstruktur Sequenzen Hintereinanderausführung S1 (); S2 (); Summation der WCETs: e seq = e S1 + e S2 S1; S2; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 14 / 31

28 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Lösungsweg 1 : Timing Schema Abstraker Syntaxbaum Ableitung des maximalen Pfads anhand der Programmstruktur Sequenzen Hintereinanderausführung S1 (); S2 (); Summation der WCETs: e seq = e S1 + e S2 S1; S2; Verzweigung bedingte Ausführung if(p1 ()) S1 (); else S2 (); P1; f t S1; S2; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 14 / 31

29 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Lösungsweg 1 : Timing Schema Abstraker Syntaxbaum Ableitung des maximalen Pfads anhand der Programmstruktur Sequenzen Hintereinanderausführung S1 (); S2 (); Summation der WCETs: e seq = e S1 + e S2 S1; S2; Verzweigung bedingte Ausführung if(p1 ()) S1 (); else S2 (); Abschätzung der Gesamtausführungszeit: e cond = e P1 + max (e S1, e S2 ) P1; f t S1; S2; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 14 / 31

30 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Lösungsweg 1 : Timing Schema Abstraker Syntaxbaum Ableitung des maximalen Pfads anhand der Programmstruktur Sequenzen Hintereinanderausführung S1 (); S2 (); Summation der WCETs: e seq = e S1 + e S2 S1; S2; Verzweigung bedingte Ausführung if(p1 ()) S1 (); else S2 (); Abschätzung der Gesamtausführungszeit: e cond = e P1 + max (e S1, e S2 ) P1; f t S1; S2; Schleifen wiederholte Ausführung while (P1 ()) S1 (); P1; S1; t f c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 14 / 31

31 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Lösungsweg 1 : Timing Schema Abstraker Syntaxbaum Ableitung des maximalen Pfads anhand der Programmstruktur Sequenzen Hintereinanderausführung S1 (); S2 (); Summation der WCETs: e seq = e S1 + e S2 S1; S2; Verzweigung bedingte Ausführung if(p1 ()) S1 (); else S2 (); Abschätzung der Gesamtausführungszeit: e cond = e P1 + max (e S1, e S2 ) P1; f t S1; S2; Schleifen wiederholte Ausführung while (P1 ()) S1 (); Schleifendurchläufe berücksichtigen: e loop = e P1 + n (e P1 + e S1 ) P1; S1; t f c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 14 / 31

32 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return ; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 15 / 31

33 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); Schleife L 1 : P 1 = i > 0 Rumpf: L 2 ; --i; Durchläufe: size - 1 e L1 = e P1 +(size 1)(e P1 +e L2 +e i ) return ; c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 15 / 31

34 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return ; Schleife L 1 : P 1 = i > 0 Rumpf: L 2 ; --i; Durchläufe: size - 1 e L1 = e P1 +(size 1)(e P1 +e L2 +e i ) Schleife L 2 : P 2 = j < i Rumpf: C 1 ; ++j; Durchläufe: size - 1 e L2 = e P2 +(size 1)(e P2 +e C1 +e ++j ) c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 15 / 31

35 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return ; Schleife L 1 : P 1 = i > 0 Rumpf: L 2 ; --i; Durchläufe: size - 1 e L1 = e P1 +(size 1)(e P1 +e L2 +e i ) Schleife L 2 : P 2 = j < i Rumpf: C 1 ; ++j; Durchläufe: size - 1 e L2 = e P2 +(size 1)(e P2 +e C1 +e ++j ) Verzweigung C 1 : P 3 = a[j] > a[j + 1] S 1 = swap(&a[j],&a[j + 1]) e C1 = e P3 + e S1 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 15 / 31

36 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Beispiel: Bubblesort void bubblesort (int a[], int size ) { int i,j; for(i = size - 1; i > 0; --i) { for (j = 0; j < i; ++j) { if(a[j] > a[j+1]) { swap(&a[j],&a[j+1]); return ; Schleife L 1 : P 1 = i > 0 Rumpf: L 2 ; --i; Durchläufe: size - 1 e L1 = e P1 +(size 1)(e P1 +e L2 +e i ) Schleife L 2 : P 2 = j < i Rumpf: C 1 ; ++j; Durchläufe: size - 1 e L2 = e P2 +(size 1)(e P2 +e C1 +e ++j ) Verzweigung C 1 : P 3 = a[j] > a[j + 1] S 1 = swap(&a[j],&a[j + 1]) e C1 = e P3 + e S1 Funktionsaufruf S 1 = swap(&a[j],&a[j + 1]) analog zum hier vorgestellten Verfahren c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 15 / 31

37 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Timing Schema: Eigenschaften, Vor- und Nachteile Eigenschaften Traversierung des abstrakten Syntaxbaums bottom-up d. h. an den Blättern beginnend, bis man zur Wurzel gelangt Aggregation der maximale Ausführungszeit nach festen Regeln für Sequenzen, Verzweigungen und Schleifen c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 16 / 31

38 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Timing Schema: Eigenschaften, Vor- und Nachteile Eigenschaften Traversierung des abstrakten Syntaxbaums bottom-up d. h. an den Blättern beginnend, bis man zur Wurzel gelangt Aggregation der maximale Ausführungszeit nach festen Regeln für Sequenzen, Verzweigungen und Schleifen Vorteile + einfaches Verfahren mit geringem Berechnungsaufwand + skaliert gut mit der Programmgröße c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 16 / 31

39 III-3 WCET 4 Statische WCET-Analyse 4.2 Timing Schema Timing Schema: Eigenschaften, Vor- und Nachteile Eigenschaften Traversierung des abstrakten Syntaxbaums bottom-up d. h. an den Blättern beginnend, bis man zur Wurzel gelangt Aggregation der maximale Ausführungszeit nach festen Regeln für Sequenzen, Verzweigungen und Schleifen Vorteile + einfaches Verfahren mit geringem Berechnungsaufwand + skaliert gut mit der Programmgröße Nachteile - Informationsverlust durch Aggregation Korrelationen (z. B. sich ausschließende Zweige) nicht-lokaler Codeteile lassen sich nicht berücksichtigen Schwierige Integration mit einer separaten Hardware-Analyse - Nichtrealisierbare Pfade (infeasible paths) nicht ausschließbar unnötige Überapproximation c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 16 / 31

40 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Pfadbasierte Bestimmung der WCET Mit der Anzahl f i der Ausführungen einer Kante E i bestimmt man die WCET e durch Summation der Ausführungszeiten des längsten Pfades: e = max f i e i P E i P c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 17 / 31

41 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Pfadbasierte Bestimmung der WCET Mit der Anzahl f i der Ausführungen einer Kante E i bestimmt man die WCET e durch Summation der Ausführungszeiten des längsten Pfades: e = max f i e i P E i P Problem: erfordert die explizite Aufzählung aller Pfade das ist algorithmisch nicht handhabbar c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 17 / 31

42 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Pfadbasierte Bestimmung der WCET Mit der Anzahl f i der Ausführungen einer Kante E i bestimmt man die WCET e durch Summation der Ausführungszeiten des längsten Pfades: e = max f i e i P E i P Problem: erfordert die explizite Aufzählung aller Pfade das ist algorithmisch nicht handhabbar Lösung: fasse die Bestimmung der WCET als Flussproblem auf der maximale Fluss durch das durch den Graphen gegebene Netzwerk führt zur gesuchten WCET Flussprobleme sind mathematisch gut untersucht und lassen sich durch lineare Ganzzahlprogrammierung lösen c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 17 / 31

43 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Lösungsansatz 2 : Implicit Path Enumeration Technique Lösungsansatz: Fasse die Bestimmung der WCET als Flussproblem auf [1] (Implicit Path Enumeration Technique, IPET) 1 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 18 / 31

44 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Lösungsansatz 2 : Implicit Path Enumeration Technique Lösungsansatz: Fasse die Bestimmung der WCET als Flussproblem auf [1] (Implicit Path Enumeration Technique, IPET) Vorgehen: Transformiere den Kontrollflussgraphen in ein ganzzahliges, lineares Optimierungsproblem (ILP) und löse es 1 bestimme einen Zeitanalysegraph aus dem Kontrollflussgraphen 2 formuliere das lineare Optimierungsproblem 3 bestimme die Flussrestriktionen des Zeitanalysegraphen dies sind die Nebenbedingungen im Optimierungsproblem 4 löse des Optimierungsproblem (z.b. mit lpsolve 1 ) 1 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 18 / 31

45 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Der Zeitanalysegraph (engl. timing analysis graph) Ein Zeitanalysegraph (oder kurz T-Graph) ist ein gerichteter Graph mit einer Menge von Knoten V = {V i und Kanten E = {E i. mit genau einer Quelle und einer Senke Knoten, aus denen/in die nur Kanten entspringen/münden jede Kante ist Bestandteile eines Pfads P von der Senke zur Kante solche ein Pfad P entspricht einer möglichen Abarbeitung jeder Kante wird ihre WCET e i zugeordnet c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 19 / 31

46 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Der Zeitanalysegraph (engl. timing analysis graph) Ein Zeitanalysegraph (oder kurz T-Graph) ist ein gerichteter Graph mit einer Menge von Knoten V = {V i und Kanten E = {E i. mit genau einer Quelle und einer Senke Knoten, aus denen/in die nur Kanten entspringen/münden jede Kante ist Bestandteile eines Pfads P von der Senke zur Kante solche ein Pfad P entspricht einer möglichen Abarbeitung jeder Kante wird ihre WCET e i zugeordnet Grundblöcke des Kontrollflussgraphen werden auf Kanten abgebildet Sequenz 1 2 1:e 1 2:e 2 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 19 / 31

47 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Der Zeitanalysegraph (engl. timing analysis graph) Ein Zeitanalysegraph (oder kurz T-Graph) ist ein gerichteter Graph mit einer Menge von Knoten V = {V i und Kanten E = {E i. mit genau einer Quelle und einer Senke Knoten, aus denen/in die nur Kanten entspringen/münden jede Kante ist Bestandteile eines Pfads P von der Senke zur Kante solche ein Pfad P entspricht einer möglichen Abarbeitung jeder Kante wird ihre WCET e i zugeordnet Grundblöcke des Kontrollflussgraphen werden auf Kanten abgebildet für Verzweigungen benötigt man Dummy-Kanten d i Sequenz Verzweigung Schleife 1 2 1:e 1 2:e :e 1 d 1 d 2 2:e 2 3:e 3 4:e :e 1 3:e 3 2:e 2 d 1 4:e 4 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 19 / 31

48 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Zirkulationen Eine Abbildung f : E R heißt Zirkulation, falls sie den Fluss erhält jeder Kante wird die Zahl der Ausführungen f i als Fluss zugeordnet Flusserhaltung: jeder Knoten wird gleich oft betreten und verlassen erfordert die Einführung einer Rückkehrkante E e mit f e = 1 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 20 / 31

49 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Zirkulationen Eine Abbildung f : E R heißt Zirkulation, falls sie den Fluss erhält jeder Kante wird die Zahl der Ausführungen f i als Fluss zugeordnet Flusserhaltung: jeder Knoten wird gleich oft betreten und verlassen erfordert die Einführung einer Rückkehrkante E e mit f e = 1 Flussrestriktionen schließen Zirkulationen ungültiger Abarbeitungen aus Formulierung als Nebenbedingungen des Optimierungsproblems Beschränkung der maximalen Anzahl von Schleifendurchläufen c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 20 / 31

50 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Zirkulationen Eine Abbildung f : E R heißt Zirkulation, falls sie den Fluss erhält jeder Kante wird die Zahl der Ausführungen f i als Fluss zugeordnet Flusserhaltung: jeder Knoten wird gleich oft betreten und verlassen erfordert die Einführung einer Rückkehrkante E e mit f e = 1 Flussrestriktionen schließen Zirkulationen ungültiger Abarbeitungen aus Formulierung als Nebenbedingungen des Optimierungsproblems Beschränkung der maximalen Anzahl von Schleifendurchläufen 1:e 1 f 1 = f 2 + f 4 wird durch die Zirkulation garantiert 2:e 2 4:e 4 d 1 3:e 3 d 2 d 3 5:e 5 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 20 / 31

51 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Zirkulationen Eine Abbildung f : E R heißt Zirkulation, falls sie den Fluss erhält jeder Kante wird die Zahl der Ausführungen f i als Fluss zugeordnet Flusserhaltung: jeder Knoten wird gleich oft betreten und verlassen erfordert die Einführung einer Rückkehrkante E e mit f e = 1 Flussrestriktionen schließen Zirkulationen ungültiger Abarbeitungen aus Formulierung als Nebenbedingungen des Optimierungsproblems Beschränkung der maximalen Anzahl von Schleifendurchläufen 4:e 4 1:e 1 2:e 2 f 1 = f 2 + f 4 wird durch die Zirkulation garantiert gültige Zirkulation: {E 1, E 4, d 2, E 5, E e {E 3, d 1 aber keine gültige Abarbeitung d 1 3:e 3 d 2 d 3 5:e 5 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 20 / 31

52 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Zirkulationen Eine Abbildung f : E R heißt Zirkulation, falls sie den Fluss erhält jeder Kante wird die Zahl der Ausführungen f i als Fluss zugeordnet Flusserhaltung: jeder Knoten wird gleich oft betreten und verlassen erfordert die Einführung einer Rückkehrkante E e mit f e = 1 Flussrestriktionen schließen Zirkulationen ungültiger Abarbeitungen aus Formulierung als Nebenbedingungen des Optimierungsproblems Beschränkung der maximalen Anzahl von Schleifendurchläufen 1:e 1 2:e 2 4:e 4 d 1 3:e 3 d 2 d 3 5:e 5 f 1 = f 2 + f 4 wird durch die Zirkulation garantiert gültige Zirkulation: {E 1, E 4, d 2, E 5, E e {E 3, d 1 aber keine gültige Abarbeitung Flussrestriktion f 3 5f 2 löst dieses Problem wird E 2 nicht abgearbeitet, so gilt f = 0 hier: Beschränkung auf 5 Schleifendurchläufe Nebenbedingung des Optimierungsproblems c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 20 / 31

53 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 5:e 5 d 3 d 4 6:e 6 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

54 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort j <= i 4:e 4 t a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 7:e 7 ++j d 5 4:e 4 d 2 5:e 5 d 4 d 3 6:e 6 7:e 7 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

55 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort 2:e 2 d 7 i > 0 2:e 2 t j = 0; 3:e 3 d 1 3:e 3 8:e 8 8:e 8 --i j <= i 4:e 4 t f a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 7:e 7 ++j d 5 4:e 4 d 6 d 2 5:e 5 d 4 d 3 6:e 6 7:e 7 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

56 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort i = size - 1; 1:e 1 1:e 1 2:e 2 d 7 i > 0 2:e 2 t j = 0; 3:e 3 d 1 3:e 3 8:e 8 8:e 8 --i j <= i 4:e 4 t f a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 7:e 7 ++j d 5 4:e 4 d 6 d 2 5:e 5 d 4 d 3 6:e 6 7:e 7 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

57 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort i = size - 1; 1:e 1 1:e 1 2:e 2 d 7 i > 0 2:e 2 t f 9:e 9 return; j = 0; 3:e 3 d 8 d 1 3:e 3 8:e 8 8:e 8 --i j <= i 4:e 4 t f a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 7:e 7 ++j 9:e d 5 9 4:e 4 d 6 d 2 5:e 5 d 4 d 3 6:e 6 7:e 7 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

58 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort i = size - 1; 1:e 1 1:e 1 2:e 2 d 7 i > 0 2:e 2 t f 9:e 9 return; j = 0; 3:e 3 d 8 d 1 3:e 3 8:e 8 8:e 8 --i j <= i 4:e 4 t f a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 7:e 7 ++j 9:e d 5 9 4:e 4 d 6 d 2 5:e 5 d 4 d 3 6:e 6 7:e 7 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

59 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET Beispiel: Bubblesort i = size - 1; 1:e 1 1:e 1 2:e 2 d 7 i > 0 2:e 2 t f 9:e 9 return; j = 0; 3:e 3 d 8 d 1 3:e 3 8:e 8 8:e 8 --i j <= i 4:e 4 t f a[j] < a[j + 1] 5:e 5 t f swap(&a[j],&a[j + 1]); 6:e 6 7:e 7 ++j 9:e d 5 9 4:e 4 d 6 d 2 5:e 5 d 4 d 3 6:e 6 7:e 7 Flussrestriktionen, die sich aus Schleifen ergeben: äußere Schleife : f 2 (size 1)f 1 innere Schleife : f 4 (size 1)f 3 Flussrestriktionen, die sich aus Verzweigungen ergeben: bedingte Vertauschung: f d3 + f 6 = f 7 c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 21 / 31

60 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET IPET: Eigenschaften, Vor- und Nachteile betrachte mögliche Abarbeitungen des Kontrollflussgraphen dabei werden alle Pfade implizit in Betracht gezogen zunächst wird aus dem Kontrollflussgraph ein T-Graph erzeugt dieser wird in ganzzahliges lineares Optimierungsproblem überführt c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 22 / 31

61 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET IPET: Eigenschaften, Vor- und Nachteile betrachte mögliche Abarbeitungen des Kontrollflussgraphen dabei werden alle Pfade implizit in Betracht gezogen zunächst wird aus dem Kontrollflussgraph ein T-Graph erzeugt dieser wird in ganzzahliges lineares Optimierungsproblem überführt Vorteile + Möglichkeit komplexer Flussrestriktionen z. B. sich ausschließende Äste aufeinanderfolgender Verzweigungen + Nebenbedingungen für das ILP sind leicht aufzustellen + viele Werkzeuge zur Lösung von ILPs verfügbar c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 22 / 31

62 III-3 WCET 4 Statische WCET-Analyse 4.3 IPET IPET: Eigenschaften, Vor- und Nachteile betrachte mögliche Abarbeitungen des Kontrollflussgraphen dabei werden alle Pfade implizit in Betracht gezogen zunächst wird aus dem Kontrollflussgraph ein T-Graph erzeugt dieser wird in ganzzahliges lineares Optimierungsproblem überführt Vorteile + Möglichkeit komplexer Flussrestriktionen z. B. sich ausschließende Äste aufeinanderfolgender Verzweigungen + Nebenbedingungen für das ILP sind leicht aufzustellen + viele Werkzeuge zur Lösung von ILPs verfügbar Nachteile - das Lösen eines ILP ist im Allgemeinen NP-hart - auch Flussrestriktionen sind kein Allheilmittel Beschreibung der Ausführungsreihenfolge ist problematisch c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 22 / 31

63 III-3 WCET Gliederung 5 Hardware-Analyse Die Maschinenprogrammebene 1 Übersicht 2 Problemstellung 3 Dynamische WCET-Analyse (Messbasiert) 4 Statische WCET-Analyse 5 Hardware-Analyse Die Maschinenprogrammebene 6 Zusammenfassung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 23 / 31

64 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Wie lange dauern die sequentiellen Code-Schnipsel Die WCETs e i der einzelnen Grundblöcke ist Eingabe für die Flussanalyse Grundproblem: Ausführungszyklen von Instruktionen zählen _getop : link a6,#0 ; 16 Zyklen moveml #0x3020,sp@ - ; 32 Zyklen movel a6@ (8), a2 ; 16 Zyklen movel a6@ (12), d3 ; 16 Zyklen Quelle: Peter Puschner [1] Ergebnis: e getopt = 80 Zyklen Annahmen: obere Schranke für jede Instruktion die obere Schranke der Sequenz bestimmt man durch Summation c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 24 / 31

65 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Wie lange dauern die sequentiellen Code-Schnipsel Die WCETs e i der einzelnen Grundblöcke ist Eingabe für die Flussanalyse Grundproblem: Ausführungszyklen von Instruktionen zählen _getop : link a6,#0 ; 16 Zyklen moveml #0x3020,sp@ - ; 32 Zyklen movel a6@ (8), a2 ; 16 Zyklen movel a6@ (12), d3 ; 16 Zyklen Quelle: Peter Puschner [1] Ergebnis: e getopt = 80 Zyklen Annahmen: obere Schranke für jede Instruktion die obere Schranke der Sequenz bestimmt man durch Summation Problem: Vorgehen ist äußerst pessimistisch und zum Teil falsch falsch für Prozessoren mit Laufzeitanomalien WCET der Sequenz > Summe der WCETs aller Instruktionen pessimistisch für moderne Prozessoren Pipeline, Cache, Branch Prediction, Prefetching,... haben großen Anteil an der verfügbaren Rechenleistung heutiger Prozessoren blanke Summation einzelner WCETs ignoriert diese Maßnahmen c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 24 / 31

66 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Hardware-Analyse Hardware-Analyse teilt sich in verschiedene Phasen Aufteilung ist nicht dogmenhaft festgeschrieben c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 25 / 31

67 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Hardware-Analyse Hardware-Analyse teilt sich in verschiedene Phasen Aufteilung ist nicht dogmenhaft festgeschrieben Integration von Pfad- und Cache-Analyse 1 Pipeline-Analyse Wie lange dauert die Ausführung der Instruktionssequenz? 2 Cache- und Pfad-Analyse sowie WCET-Berechnung Cache-Analyse wird direkt in das Optimierungsproblem integriert c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 25 / 31

68 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Hardware-Analyse Hardware-Analyse teilt sich in verschiedene Phasen Aufteilung ist nicht dogmenhaft festgeschrieben Integration von Pfad- und Cache-Analyse 1 Pipeline-Analyse Wie lange dauert die Ausführung der Instruktionssequenz? 2 Cache- und Pfad-Analyse sowie WCET-Berechnung Cache-Analyse wird direkt in das Optimierungsproblem integriert Separate Pfad- und Cache-Analyse 1 Cache-Analyse kategorisiert Speicherzugriffe mit Hilfe einer Datenflussanalyse 2 Pipeline-Analyse Ergebnisse der Cache-Analyse werden direkt berücksichtigt 3 Pfad-Analyse und WCET-Berechnung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 25 / 31

69 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Cache-Analyse [3, Kapitel 22] 5.1 Cache-Analyse Cache: ein kleiner, schneller Zwischenspeicher, Zugriffszeiten auf Daten/Instruktionen variieren je nach Zustand des Caches enorm: Treffer (engl. hit), Daten/Instruktion sind im Cache e h Fehlschlag (engl. miss), Daten/Instruktion sind nicht im Cache e m Hits sind schneller als Misses: e m e h (> 100 Taktzyklen möglich) c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 26 / 31

70 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Cache-Analyse [3, Kapitel 22] 5.1 Cache-Analyse Cache: ein kleiner, schneller Zwischenspeicher, Zugriffszeiten auf Daten/Instruktionen variieren je nach Zustand des Caches enorm: Treffer (engl. hit), Daten/Instruktion sind im Cache e h Fehlschlag (engl. miss), Daten/Instruktion sind nicht im Cache e m Hits sind schneller als Misses: e m e h (> 100 Taktzyklen möglich) Folgende Eigenschaften von Caches haben Einfluss auf seine Analyse Typ Cache für Instruktionen Cache für Daten kombinierter Cache für Instruktionen und Daten Auslegung direkt abgebildet (engl. direct mapped) vollassoziativ (engl. fully associative) satz- oder mengenassoziativ (engl. set associative) Seitenersetzungsstrategie engl. (pseudo) least recently used, (Pseudo-)LRU engl. (pseudo) first in first out, (Pseudo-)FIFO c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 26 / 31

71 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Ergebnisse der Cache-Analyse 5.1 Cache-Analyse Hilfreich ist, zu wissen, ob z.b. eine Instruktion im Cache ist, oder nicht: must, die Instruktion ist garantiert im Cache man kann immer die schnellere Ausführungszeit e h annehmen wird für die Vorhersage von Treffern verwendet c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 27 / 31

72 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Ergebnisse der Cache-Analyse 5.1 Cache-Analyse Hilfreich ist, zu wissen, ob z.b. eine Instruktion im Cache ist, oder nicht: must, die Instruktion ist garantiert im Cache man kann immer die schnellere Ausführungszeit e h annehmen wird für die Vorhersage von Treffern verwendet may, die Instruktion ist vielleicht im Cache ist dies nicht der Fall, muss man die Ausführungszeit e m annehmen wird für die Vorhersage von Fehlschlägen verwendet c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 27 / 31

73 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Ergebnisse der Cache-Analyse 5.1 Cache-Analyse Hilfreich ist, zu wissen, ob z.b. eine Instruktion im Cache ist, oder nicht: must, die Instruktion ist garantiert im Cache man kann immer die schnellere Ausführungszeit e h annehmen wird für die Vorhersage von Treffern verwendet may, die Instruktion ist vielleicht im Cache ist dies nicht der Fall, muss man die Ausführungszeit e m annehmen wird für die Vorhersage von Fehlschlägen verwendet persistent, die Instruktion verbleibt im Cache erster Zugriff ist ein Fehlschlag, alle weiteren sind Treffer erster Zugriff: e m, weitere Zugriffe: e h ist besonders für Schleifen interessant, die den Cache füllen c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 27 / 31

74 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Übersetzer Binärcode c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

75 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Extraktion von Flussrestriktionen Übersetzer Binärcode c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

76 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Extraktion von Flussrestriktionen Übersetzer Transformation von Flussrestriktionen Binärcode c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

77 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Extraktion von Flussrestriktionen Übersetzer Transformation von Flussrestriktionen Binärcode Hardware-Analyse c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

78 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Extraktion von Flussrestriktionen Übersetzer Transformation von Flussrestriktionen Berechnung der Ausführungsszenarien Binärcode Hardware-Analyse c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

79 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Extraktion von Flussrestriktionen Übersetzer Transformation von Flussrestriktionen Berechnung der Ausführungsszenarien Binärcode Hardware-Analyse WCET c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

80 III-3 WCET 5 Hardware-Analyse Die Maschinenprogrammebene Werkzeugkette für die WCET-Analyse [2] 5.2 Werkzeugunterstützung Quelltext Extraktion von Flussrestriktionen Übersetzer Transformation von Flussrestriktionen Berechnung der Ausführungsszenarien Binärcode Hardware-Analyse WCET c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 28 / 31

81 III-3 WCET Gliederung 6 Zusammenfassung 1 Übersicht 2 Problemstellung 3 Dynamische WCET-Analyse (Messbasiert) 4 Statische WCET-Analyse 5 Hardware-Analyse Die Maschinenprogrammebene 6 Zusammenfassung c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 29 / 31

82 III-3 WCET Resümee 6 Zusammenfassung Häufigkeit Lower Bound BCET BOET WOET WCET Upper Bound Ausführungszeit Bester Fall Schlechtester Fall WCET-Bestimmung gliedert sich grob in zwei Teilprobleme Programmiersprachenebene (makroskopisch) finde die längsten Pfade durch ein Programm Maschinenprogrammebene (mikroskopisch) bestimmte die WCET der Elementaroperationen Tatsächliche Ausführungszeit: BCET / WCET c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 30 / 31

83 III-3 WCET Resümee 6 Zusammenfassung Häufigkeit Lower Bound BCET BOET WOET WCET Upper Bound Ausführungszeit Bester Fall Schlechtester Fall Dynamische Analyse beobachtet die Ausführungszeit Messung bezieht beide Ebenen mit ein Vollständige Messung im Allgemeinen nicht möglich Unterapproximation Gemessene Ausführungszeit: BOET / WOET c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 30 / 31

84 III-3 WCET Resümee 6 Zusammenfassung Häufigkeit Lower Bound BCET BOET WOET WCET Upper Bound Ausführungszeit Bester Fall Schlechtester Fall Statische Analyse schätzt die Ausführungszeit Pfadanalyse (Programmiersprachenebene) Abstraktion (Timing Schema vs. IPET) Gibt pessimistische Schranken an Überapproximation Geschätzte Ausführungszeitgrenzen: Lower- / Upper Bound c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 30 / 31

85 III-3 WCET Resümee 6 Zusammenfassung Häufigkeit Lower Bound BCET BOET WOET WCET Upper Bound Ausführungszeit Bester Fall Schlechtester Fall Hardware-Analyse Eingaben für die WCET-Berechnung Hauptaufgaben: Cache- und Pipeline-Analyse must-approximation und may-approximation Werkzeugunterstützung kombiniert Ebenen und macht die WCET-Analyse handhabbar c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 30 / 31

86 III-3 WCET Literaturverzeichnis 7 Bibliographie [1] Puschner, P. : Zeitanalyse von Echtzeitprogrammen. Treitlstr. 1-3/182-1, 1040 Vienna, Austria, Technische Universität Wien, Institut für Technische Informatik, Diss., 1993 [2] Puschner, P. ; Huber, B. : Zeitanalyse von sicherheitskritischen Echtzeitsystemen Lecture Notes [3] Wilhelm, R. : Embedded Systems. http: //react.cs.uni-sb.de/teaching/embedded-systems-10-11/lecture-notes.html, Lecture Notes c fs, pu (Lehrstuhl Informatik 4) Echtzeitsysteme WS 14/15 31 / 31