Christiane Kamdem Kengne - Abstraction et comparaison de traces d'exécutions pour l'analyse d'applications multimédias pour systèmes embarqués

15:00
Vendredi
5
Déc
2014
  • Soutenance de thèse
Lieu : 
  • Campus - UFR IM2AG - Amphi F022
Équipes : 

Jury :

  • M. Laks V.S. Lakshmanan, Professeur à l'Université de Colombie-Britannique, rapporteur,
  • M. Pascal Poncelet, Professeur à l'Université de Montpellier 2, rapporteur,
  • M. Alexandre Termier, Professeur à l'Université de Rennes 1, examinateur,
  • Mme Céline Robardet, Professeur, INSA Lyon, Université de Lyon, examinateur,
  • M. Éric Gaussier, Professeur à l'Université de Grenoble, examinateur,
  • Mme Marie-Christine Rousset, Professeure à l'Université de Grenoble, directrice de thèse,
  • M. Maurice Tchuente, Professeur à l'Université de Yaoundé I, co-directeur de thèse,
  • Mme Noha Ibrahim, Maître de conférence à l'Université de Grenoble, co-encadrante de thèse.
 

De nos jours, dû à la complexité croissante des applications et du matériel, il est difficile de comprendre ce qui se passe durant l'exécution de ces applications. Les techniques de traçage sont communément utilisées pour collecter et fournir les informations sur l'application sous forme de traces d'exécution. Les traces d'exécution, qui sont des séquences d'événements, peuvent être très volumineuses (elles atteignent facilement des millions d'événements), difficiles à comprendre et donc nécessitent des outils d'analyse spécifiques. Un cas critique est l'analyse d'applications pour systèmes embarqués tels les décodeurs ou les smartphones, en particulier pour comprendre les bugs d'applications multimédias. Dans cette thèse, nous proposons deux nouvelles techniques adaptées aux applications multimédia sur systèmes embarqués. La première méthode réduit la taille de la trace donnée aux analystes. Cette méthode nécessite de regrouper un ensemble d'événements connexes. Nous proposons une approche basée sur des techniques d'optimisation et de fouille de motifs afin d'extraire automatiquement un ensemble de sous-séquences d'une trace. Nos expérimentations ont montré que cette méthode passe à l'échelle sur de gros volumes de données, et ont par la même occasion mis en évidence l'intérêt pratique de cette approche. La seconde contribution consiste en la mise en place d'une méthode de diagnostic basée sur la comparaison de traces d'exécution avec des traces de référence. Cette méthode est implémentée dans  TED, notre outil de diagnostic de traces. Les expérimentations faites sur des cas d'utilisation concrets de traces d'exécution multimédia ont validé que  TED passe à l'échelle et apporte une plus-value à l'analyse de traces. Nous montrons aussi que l'outil peut être appliqué sur des traces de taille réduite afin d'améliorer davantage le passage à l'échelle.