Passerelle intelligente pour réseaux de capteurs sans fil contraints

Table des matières

1 Introduction
1.1 Taxonomie des machines en IoT
1.1.1 Nœuds capteurs
1.1.2 Passerelles
1.1.3 Infrastructure de services
1.2 Enjeux & motivations
1.2.1 Applications en milieu industriel
1.2.1.1 Agriculture et élevage intelligent
1.2.1.2 Gestion de bâtiment – Domotique
1.2.2 Applications pour les villes intelligentes
1.2.2.1 Voirie
1.2.2.2 Sécurité et Urgences
1.2.2.3 Environnements intelligents
1.3 Défis introduits par les LLNs
1.3.1 Défis liés aux nœuds
1.3.1.1 Hétérogénéité technologique et fonctionnelle
1.3.1.2 Cycle de vie
1.3.2 Défis liés au réseau
1.3.2.1 Pertes
1.3.2.2 Connexions intermittentes
1.3.2.3 Besoin de protocoles optimisés
1.3.2.4 Écoute passive en zone dense
1.3.2.5 Passage à l’échelle
1.4 Aperçu des contributions
1.4.1 Mesure implicite de la consommation énergétique d’un LLN
1.4.2 Optimisation des ressources du LLN avec un cache intelligent
1.4.3 Expériences automatisées et reproductibles pour LLNs
1.4.4 Collaborations extérieures faites durant la thèse
1.5 Plan du manuscrit
2 Caractéristiques d’une passerelle pour LLN
2.1 Technologie sans-fil et adressage
2.1.1 Communication vers LLNs
2.1.1.1 Accès longue portée
2.1.1.2 Accès courte portée
2.1.2 Plan d’adressages dans un LLN
2.1.2.1 IPv4
2.1.2.2 IPv6
2.1.2.3 6LoWPAN
2.2 Routage
2.2.1 Contraintes du routage dans les LLNs
2.2.1.1 Faible empreinte sur les ressources d’un nœud
2.2.1.2 Détection des boucles
2.2.1.3 Routage optimisé pour les types de trafic typiques des LLNs
2.2.2 Taxonomie des protocoles de routage
2.2.2.1 Construction des tables
2.2.2.2 Réactivité
2.2.3 Routing Protocol Layer
2.2.3.1 Structures et signalisation de routage
2.2.3.2 Construction du routage
2.2.3.3 Maintenance du routage
2.3 Interface applicative
2.3.1 Contraintes de l’interface applicative d’un LLN
2.3.1.1 Interface efficace avec les services web
2.3.1.2 Disponibilités sur plusieurs plateformes
2.3.1.3 Contraintes en ressources
2.3.2 État de l’art sur les protocoles applicatifs
2.3.2.1 Couches spécifiques à une architecture matérielle
2.3.2.2 Message Queuing Telemetry Transport (MQTT)
2.3.2.3 Application directe de HyperText Transfer Protocol (HTTP)
2.3.3 Présentation de Constrained Application Protocol (CoAP)
2.3.3.1 Support de notifications asynchrones
2.3.3.2 Traduction HTTP/CoAP
2.3.4 Traduction, proxy inversé et cache
2.3.4.1 Traduction
2.3.4.2 Proxy inversé
2.3.4.3 Cache
2.4 Supervision
2.4.1 Fonctionnalités recherchées
2.4.1.1 Suivi des équipements
2.4.1.2 Suivi de la disponibilité
2.4.1.3 Prévision
2.4.1.4 Construction de tableau de bord
2.4.2 Problématiques de la supervision pour les LLNs
2.4.2.1 Contraintes physiques et logicielles
2.4.2.2 Grande hétérogénéité
2.5 Conclusion
3 Mesure implicite de l’utilisation de la radio d’un LLN
3.1 Introduction à la supervision d’un LLN
3.1.1 Objectifs de la supervision dans les LLNs
3.1.1.1 Diagnostic de problèmes
3.1.1.2 Anticipation de problèmes
3.1.1.3 Mesure des performances
3.1.2 Contraintes liées à la supervision d’un LLN
3.1.2.1 Contraintes liées aux nœuds
3.1.2.2 Contraintes liées à la métrique
3.2 État de l’art sur la supervision dans les LLNs
3.3 Mesure de l’utilisation de la radio implicite et passive
3.3.1 Architecture de mesure implicite
3.3.2 Modélisation de l’impact du trafic réseau
3.3.2.1 Mesure passive “étoilée”
3.3.2.2 Mesure passive “maillée”
3.3.3 Modélisation de l’utilisation de la radio d’un nœud
3.3.3.1 Impact de IEEE 802.15.4
3.3.3.2 Impact de ContikiMAC
3.4 Validation expérimentale
3.4.1 Supervision passive
3.4.1.1 Analyse de l’impact de la profondeur
3.4.1.2 Analyse de l’impact des protocoles
3.4.2 Précision de la mesure passive de l’utilisation de la radio
3.4.2.1 Précision en fonction de la topologie
3.4.2.2 Évolution de δ au cours du temps
3.5 Mesures explicites
3.5.1 Validation expérimentale
3.5.2 Travaux en cours
3.5.2.1 Mesure systématique
3.5.2.2 Mesure ciblée dynamique
3.5.2.3 Méthode d’évaluation
3.6 Conclusion
4 Optimisation des ressources d’un LLN avec un cache intelligent
4.1 Introduction
4.1.1 Objectifs d’un Reverse Proxy Cache
4.1.2 Fonctionnement d’un Reverse Proxy Cache (RPC)
4.1.3 Problématique des reverse proxy
4.2 État de l’art
4.2.1 RPC pour les LLNs
4.2.2 Optimisation des ressources basée sur les temps de vie
4.2.3 Optimisation des ressources énergétiques par cache
4.3 Reverse Proxy Cache Adaptatif
4.3.1 Architecture
4.3.2 Calcul théorique de l’impact du cache sur l’intensité des requêtes
4.3.3 Modélisation de la durée de vie
4.3.3.1 Énergie résiduelle
4.3.3.2 États de transmission d’un nœud
4.3.4 Modélisation des temps moyens de transmission et de réception avec ContikiMAC
4.3.4.1 Transmission d’un paquet
4.3.4.2 Réception d’un paquet
4.3.4.3 Consommation des serveurs applicatifs
4.3.4.4 Consommation des nœuds routeurs
4.3.4.5 Consommation en phase d’écoute de canal
4.3.4.6 Consommation en phase de sommeil
4.4 Optimisation multi-objectifs
4.4.1 Paramètres du problème
4.4.1.1 Solution
4.4.1.2 Contraintes pour les durées de validité des réponses
4.4.1.3 Satisfaction d’un utilisateur
4.4.2 Résolution du problème multi-objectifs
4.4.2.1 Grand espace de recherche
4.4.2.2 Fonctions objectives quelconques
4.4.2.3 Économie de temps de calcul et de mémoire
4.4.3 État de l’art
4.4.4 Formalisation en algorithme génétique
4.4.5 Fonctionnement global
4.4.6 Aptitude
4.4.7 Sélection
4.4.8 Croisement & Mutation
4.4.8.1 Mutation
4.4.8.2 Croisement
4.5 Validation expérimentale
4.5.1 Compromis entre durée de vie et satisfaction utilisateur
4.5.2 Cache hit
4.5.3 Amélioration de la durée de vie
4.6 Conclusion
5 Expériences automatisées et reproductibles pour LLNs
5.1 Introduction à la recherche reproductible dans les LLNs
5.1.1 Reproductibilité
5.1.2 Problématiques expérimentales des LLNs
5.1.2.1 Expérience sur simulateur
5.1.2.2 Expérience sur émulateur
5.1.2.3 Expérience sur plateforme
5.1.2.4 Expérience en déploiement réel
5.1.2.5 Transitions entre niveaux
5.2 État de l’art sur les outils de gestion d’expériences
5.2.1 Documentation
5.2.2 Automatisation
5.2.3 Déploiement d’expérience sur nœuds réels
5.3 Makesense
5.3.1 Présentation d’une expérience typique sur les LLNs
5.3.2 Documentation d’une expérience
5.3.2.1 Introduction sur les notebooks
5.3.2.2 Propriétés recherchées pour un notebook
5.3.3 Automatisation d’une expérience
5.3.3.1 Découpage d’une expérience en étapes
5.3.3.2 Expérience séquentielle et script d’exécution
5.3.4 Garantie de reproductibilité d’une expérience
5.3.4.1 Intégration continue
5.3.5 Approvisionnement d’une expérience
5.3.6 Déploiement – Exécution et récupération des traces
5.3.6.1 Déploiement
5.3.6.2 Exécution
5.3.6.3 Récupération des traces
5.3.7 Exploitation des résultats
5.3.7.1 Mise en forme de traces brutes
5.3.7.2 Analyse des résultats
5.4 Conclusion
6 Conclusion et perspectives
6.1 Passerelle avancée pour les LLNs
6.1.1 Supervision
6.1.2 Mise en cache des réponses
6.1.3 Reproductibilité des expériences
6.2 Ouvertures
6.2.1 Mesure passive
6.2.2 Reverse Proxy Cache Adaptatif
6.2.3 Reproductibilité en simulations et expérimentations
6.3 Usages potentiels
6.3.1 Recherche reproductible
6.3.2 Supervision passive
6.3.3 RPC dans un contexte industriel
A Collaborations extérieures
A.1 A scalable and self-configuring architecture for service discovery in the internet of things
A.2 Bounding Degrees on RPL
Bibliographie