Présentation générale et objectifs

Résumé : Le projet Model de l'Irisa travaille sur l'évaluation de mesures de performance et de mesures de sûreté de fonctionnement de systèmes informatiques et de systèmes de communication, en utilisant des modèles de ces systèmes. Cette évaluation se fait par des techniques d'analyse mathématique des modèles. Des exemples de mesures de performance sont le temps de réponse d'un service, le taux d'utilisation d'une ressource, le débit d'une ligne, la probabilité de perte d'un commutateur, l'occupation d'un tampon, etc. Des exemples de mesures de sûreté de fonctionnement sont la fiabilité, la disponibilité, le temps moyen jusqu'à défaillance (MTTF), etc. Les travaux de recherche de l'équipe sont centrés principalement sur les techniques d'évaluation des modèles.

L'objectif central du projet est le développement de techniques d'évaluation de modèles, particulièrement dans le domaine de l'informatique et celui des communications. Plus précisément, nous étudions les techniques mathématiques et algorithmiques permettant une évaluation efficace de mesures de performance, de sûreté de fonctionnement et de qualité de service, aussi bien par des moyens analytiques que par des approches de type Monte Carlo. Les mesures de performance (débit d'un canal, temps de réponse d'un sous-système, occupation d'un tampon, etc.) visent à quantifier le comportement du système en supposant qu'il n'y a pas de défaillance; les mesures de sûreté de fonctionnement (par exemple, la fiabilité, la disponibilité, la MTTF, ...) ont pour objectif la quantification du comportement du système face à des défaillances, sans tenir compte des aspects performance. Nous nous intéressons aussi aux mesures dites de performabilité qui intègrent dans un concept unique les aspects performance et sûreté de fonctionnement.

L'étude des performances d'un système, ou de son comportement vis-à-vis de la défaillance possible de ses composants, est nécessaire au départ, dans la phase de conception, par exemple pour dimensionner correctement une architecture ou pour choisir entre différentes options possibles, ou encore lors d'une extension d'un système existant, pour optimiser l'investissement correspondant. L'analyse des modèles est en particulier très utile pour comprendre le comportement d'un système en opération, pour identifier des parties critiques (par exemple les goulots d'étranglement), pour mettre en évidence des relations entre différents paramètres. La discipline fait appel à des techniques diverses: les outils de la statistique, pour identifier les caractéristiques des composants des systèmes, pour exploiter la sortie d'une simulation, pour utiliser une approche de type Monte Carlo permettant l'étude de modèles de très grande taille; la simulation à événements discrets, pour l'analyse d'un modèle trop complexe; les probabilités en général et les processus stochastiques en particulier, pour le traitement analytique de modèles possédant une structure qui permette ce type d'approche, plus riche en résultats et moins chère que la simulation; l'algorithmique, pour mettre en oeuvre les méthodes de résolution, parfois très spécialisées selon le type de système considéré; enfin, l'ingénierie informatique et des télécommunications, pour la compréhension des systèmes considérés.

A titre d'illustrations, le projet a réalisé une étude pour la société Transpac dont le but était l'analyse des performances de leur réseau X25 dans le cas où le trafic offert aurait des caractéristiques plus gourmandes en ressources que le trafic actuel (ce qui sera la réalité de demain). Dans un autre cas, nous avons développé des outils d'évaluation de topologies de réseaux de communication maillés, du point de vue de leur résistance aux éventuelles défaillances des noeuds et des lignes, pour le Centre d'Électronique de l'Armement (Celar). Enfin, nous travaillons actuellement avec France Télécom sur l'analyse de mesures de qualité de service dans le cadre des réseaux haut débit, et avec la société Simulog sur les techniques de simulation de réseaux de communications en général, et de réseaux haut débit en particulier.

La plupart des systèmes à événements discrets peuvent être approchés en utilisant des processus de Markov. La contre-partie de ce fait est que l'espace d'états peut devenir de très grande taille. C'est une règle: dans le monde des modèles markoviens, pour approcher des distributions quelconques, pour tenir compte de phénomènes de synchronisation, pour tenir compte de certaines formes de mémoire, c'est-à-dire de dépendance, tout en gardant les propriétés des processus de Markov, il faut en général <<ajouter des états>>. Ce type de processus tient une place importante dans les activités du projet Model, que ce soit en tant que support de modélisation que comme sujet d'étude à part entière. Du point de vue des techniques d'évaluation, nous portons un intérêt particulier aux approches de type Monte Carlo, qui constituent une alternative aux approches analytiques quand ces dernières deviennent prohibitives de par leur complexité, éventuellement algorithmique, ou comme conséquence d'une taille trop importante de l'espace d'états associé. Enfin, signalons que nos activités de recherche sur les systèmes de communication nous amènent à travailler sur les protocoles de communication eux-mêmes, spécialement dans le cadre de la technologie ATM.

Précédent : Composition de l'équipe Remonter : Rapport activite 1997 Suivant : Fondements scientifiques