Un environnement g-devs/hla :application a la modelisation et simulation distribuee de workflow

La répartition planétaire des entreprises d’une part et l’expansion rapide des réseaux informatiques, en particulier Internet, d’autre part, ont conjointement mené au développement d’applications parallèles et distribuées. De fait, les applications distribuées abondent pour l’analyse de problèmes notamment dans le domaine des transports, pour la définition de mondes virtuels, pour l’entraînement militaire et civil et pour la gestion de processus industriels. Ces applications requièrent toutes des capacités de flexibilité et de répartitions des moyens, en conservant des objectifs de performances et d’efficacité. Le développement de protocoles de simulation distribuée de structures hiérarchiques de modèles répond à ces objectifs.

La modélisation et la simulation à événements discrets permettent de traiter des problèmes concernant des systèmes dont le comportement temporel est trop complexe pour être traité analytiquement. La spécification formelle de ces modèles peut être établie grâce au formalisme DEVS [ZEIGLER 76]. DEVS offre, à la différence d’autres formalismes de modélisation & simulation (M&S), une plus grande généralité. Enfin, la Généralisation de DEVS : GDEVS [GIAMBIASI 98] propose des abstractions à événements discrets de systèmes à trajectoires d’entrée-sortie polynomiales par morceaux au lieu de segments constants par morceaux pour les modèles à événements discrets classiques.

Certaines applications (pour des raisons de performances, de confidentialité,…) requièrent que les différents composants d’un modèle soient situés sur plusieurs ordinateurs avec, éventuellement, des systèmes d’exploitation hétérogènes. La mise en œuvre d’une simulation distribuée de ces modèles nécessite alors un protocole de communication permettant l’échange d’information entre les différents composants. L’apparition de standards de spécification de simulation distribuée de haut niveau (notamment HLA) a permis de faciliter la mise en œuvre de telles simulations.

Les travaux présentés dans ce mémoire avaient pour principaux objectifs de proposer des algorithmes de simulation distribuée conservative de modèles DEVS / G-DEVS, de définir et réaliser un environnement de M&S G-DEVS compatible HLA implémentant les algorithmes proposés, et enfin, d’appliquer l’environnement à la M&S de Workflow.

Dans ce cadre, nous proposons un environnement de simulation distribuée à événements discrets basés sur le formalisme G-DEVS et sur une interface logicielle compatible avec la norme HLA. Nous avons défini et implémenté de nouveaux algorithmes d’intégration et de communication qui utilise le « Lookahead d’HLA » afin, entre autres, d’améliorer les performances de la simulation distribuée.

Les Workflow permettent la gestion assistée par ordinateur des tâches composant un processus administratif ou industriel [COURTOIS 96]. L’application de l’environnement GDEVS / HLA permet de fournir un cadre formel pour la modélisation et la simulation distribuée des Workflow. Les modèles Workflow générés pourront être ainsi vérifiés, réutilisés et exécutés de façon distribuée grâce à leur compatibilité HLA. En retour, le cadre applicatif des Workflow de production permettra de valider l’environnement de M&S distribuée G-DEVS / HLA défini.

On ne résout pas un problème directement sur un système réel, mais toujours au travers d’un modèle que nous construisons de ce système. « Un modèle M d’un système S pour une expérimentation E est toute chose à laquelle on peut appliquer E pour répondre à des questions concernant S » [MINSKY 56]. Un modèle est une forme intelligible d’un système construit pour permettre de trouver une réponse à un problème précis. En agissant sur les modèles à partir de jeux de données et d’une base de temps on définit une simulation.

La théorie de la modélisation et simulation a été introduite dans les années 70. Bernard P. Zeigler a proposé, à cette époque, une décomposition de la théorie de la modélisation selon deux aspects orthogonaux [ZEIGLER 76] :

Les niveaux de spécification sont les niveaux qui définissent le comportement du système et les mécanismes qui permettent d’exprimer sa dynamique. Ces niveaux font référence à ses propres travaux ainsi qu’à ceux de George Klir qui définit des niveaux de connaissance des systèmes [KLIR 85]. Les formalismes de spécification des systèmes définissent des classes de modèles. Un modèle est construit en respectant un paradigme. Un paradigme est un ensemble de concepts, de lois et de moyens visant à définir une collection de modèles.

« Un système est une source potentielle de données » pour B.P. Zeigler, mais il reste à sélectionner les données pertinentes et à les observer. Pour cela, [KLIR 85] introduit une représentation de la spécification d’un système décomposée en niveau de connaissance. Le niveau Source 0 de la représentation de [KLIR 85] identifie la partie du monde réel que nous souhaitons modéliser et les moyens par lesquels nous allons l’observer. Le niveau Donnée 1 définit une base de données de mesures et d’observations faites pour le système source. Le niveau Génératif 2, donne la capacité de recréer les données précédentes utilisant une représentation plus compacte sous forme de formule. Le niveau génératif constitue la connaissance que nous n’avions pas au niveau du système de données.

Table des matières

INTRODUCTION GENERALE
1 INTRODUCTION
2 MODELISATION & SIMULATION
2.1 INTRODUCTION A LA MODELISATION ET SIMULATION
2.2 LES NIVEAUX DE SPECIFICATION D’UN SYSTEME
2.3 LES FORMALISMES DE SPECIFICATION DES SYSTEMES
2.3.1 Le Système et son cadre expérimental
2.3.2 Le Modèle
2.3.3 Les Classes de modèles (formalismes)
2.3.4 Le Simulateur
2.4 MODELISATION ET SIMULATION A EVENEMENTS DISCRETS
2.4.1 Formalisme DEVS
2.4.2 Formalisme GDEVS
2.4.3 Classe de modèles G-DEVSPF
2.5 CONCLUSION MODELISATION & SIMULATION
3 SIMULATION DISTRIBUEE
3.1 SOLUTIONS ARCHITECTURALES DISPONIBLES
3.2 METHODES DE DISTRIBUTION POSSIBLES
3.3 SIMULATION DISTRIBUEE A EVENEMENTS DISCRETS
3.3.1 Evolutions
3.3.2 Exécution distribuée : respect de la causalité
3.3.3 Types de synchronisation
3.4 ARCHITECTURES DE SIMULATION
3.4.1 DIS
3.4.2 ALSP
3.4.3 HLA
3.4.4 Techniques de simulation distribuée « non dédiées »
3.5 CONCLUSION SIMULATION DISTRIBUEE
CONCLUSION GENERALE 

Télécharger le rapport complet