Bitte wählen Sie den gewünschten Projektzeitraum:
- Juli 2026
- Januar 2026
- Juli 2025
- Januar 2025
- Juli 2024
- Januar 2024
- Juli 2023
- Januar 2023
- Juli 2022
- Januar 2022
- Juli 2021
- Januar 2021
- Juli 2020
- Januar 2020
- Juli 2019
- Januar 2019
- Juli 2018
- Januar 2018
- Juli 2017
- Januar 2017
- Juli 2016
- Januar 2016
- Juli 2015
- Januar 2015
- Juli 2014
- Januar 2014
- Juli 2013
- Januar 2013
- Juli 2012
- Januar 2012
- Juli 2011
- Januar 2011
- Juli 2010
- Januar 2010
- Juli 2009
- Januar 2009
- Juli 2008
- Januar 2008
- Juli 2007
- Januar 2007
- Juli 2006
- Januar 2006
- Juli 2005
- Januar 2005
- Juli 2004
- Januar 2004
- Juli 2003
- Januar 2003
- Juli 2002
- Januar 2002
- Juli 2001
- Januar 2001
Förderbeginn 01.07.2008
Federgewichtige Fäden in TinyOS
Prof. Dr. Wolfgang Schröder-Preikschat
Friedrich-Alexander-Universität Erlangen-Nürnberg
Lehrstuhl für Informatik 4, Verteilte Systeme und Betriebssysteme
Kevin Klues
Stanford University
Department of Computer Science
Die Unterstützung für mehrfädige Applikationen wird auch in Betriebssystemen für die Domäne der Sensornetze immer wichtiger. Fadenunterstützung ermöglicht es, langlaufende Operationen in einzelne Berechnungseinheiten aufzuteilen, während das System weiterhin durch zeitkritische, datenverarbeitende Aufgaben unterbrechbar ist. Deswegen wurde kürzlich eine allgemein anwendbare Unterstützung für mehrfädige Applikationen in die Version 2.1 von TinyOS integriert. Allerdings verlangen die Arten von ressourcenbeschränkten Systemen in Sensornetzen nach einer problemspezifischeren Lösung.
Das Ziel dieses Projektes ist es, Möglichkeiten zu untersuchen, wie das federgewichtige Fadenmodell, das im Rahmen der PURE-/CiAO-Projekte entwickelt wurde, mit diesem Fadenmodell von TinyOS zusammengeführt werden kann. Die Idee von federgewichtigen Fäden ist, die Größe des Fadenzustands, der gesichert und wiederhergestellt werden muss, pro Faden festgelegt werden kann, anstatt blind den komplett möglichen Zustand zu speichern und zu restaurieren. Wir erwarten von dieser Optimierung, dass sie einen positiven Effekt hat bezüglich Verbrauch von Arbeitsspeicher und Energieverbrauch - zwei der wichtigsten Belange in heutigen Sensornetz-Betriebssystemen.