Télécharger La thèse :

Titre: Gestion des ressources dans les systèmes à grande échelle : Application aux environnements en Cloud

Domaine: Mathématiques informatique (MI)

Filière: Informatique

Option: INFORMATIQUE

Auteur: MAKHLOUF Sid Ahmed

Soutenu (e) le: 03/07/2019

Sous la direction de: YAGOUBI Belabbas, Professeur, Université Oran 1

Le président du jury : KHELFI Mohamed Fayçal, Professeur, Université Oran 1

Examinateur1: BELALEM Ghalem, Professeur, Université Oran 1

Examinateur2: CHAOUI Allaoua, Professeur, Université Constantine 2–A. M.

Examinateur3: CHIKHI Salim, Professeur, Université Constantine 2–A. M.

Examinateur4: CHOUARFIA Abdallah, Professeur, USTO d'Oran–M. B.

Mention: Très Honorables

Résumé:

Les applications scientifiques bénéficient du paradigme de l'informatique en Cloud, qui offre un accès aux ressources virtuelles fournies à la demande et à la carte. La réduction des coûts liés à l'allocation des ressources pour respecter le budget de l'utilisateur est très importante dans un environnement en Cloud. Plusieurs approches d'optimisation ont été proposées pour améliorer la gestion des ressources pour les applications scientifiques à forte intensité de données (GrAFiD) en informatique en Cloud. Cependant, dans la littérature, la majorité des approches de GrAFiD se sont concentrées sur l'utilisation de l'heuristique et de la méta-heuristique en tant que méthode d'optimisation. De plus, la hiérarchie des tâches dans les applications scientifiques à forte intensité de données n'a pas été explorée de manière approfondie dans la littérature actuelle. Plus précisément, dans cette thèse, une application scientifique est représenté comme une hiérarchie, qui définit les relations hiérarchiques entre les tâches d'une application scientifique, et une approche pour la gestion des ressources allouées a une application scientifique à forte intensité de données est proposé. Dans cette approche, les tâches l'ensemble de données relatives aux applications sont d'abord modélisées comme une matrice de probabilité conditionnelle (CPM) et une matrice de dépendance des données (DTT). En second lieu, plusieurs techniques de transformations de données et de regroupement hiérarchique sont appliquées aux structures CPM et DTT pour déterminer le nombre minimum de machines virtuelles nécessaires à l'exécution de l'application scientifique. Dans cette approche, le regroupement hiérarchique est effectué en fonction du budget imposé par l'utilisateur. Après la transformation des données et la mise en groupes hiérarchique, il est possible de réduire la quantité de données transmises entre les machines virtuelles crées, ce qui permet l'amélioration les coûts et la durée de l'application scientifique en optimisant l'utilisation des ressources virtuelles et de la bande passante réseau. Les performances et les coûts sont analysés à l'aide d'une extension de l'outil de simulation Cloudsim et comparés à l'approche multi-objective existante. Les résultats montrent que notre approche réduit le coût des ressources par rapport aux budgets des utilisateurs.


Mots clefs: Environnement en cloud; Planification des données; Applications workflows; Regroupement des tâches; transformation des données; indexes de la qualité du regroupement; Simulateur Cloudsim; Gestion des ressources; Planification des tâches; Virtualisation.


Publications associées à la thèse

Article 1 TH5063:

Titre: Data-Aware scheduling strategy for scientific workflow applications in IaaS Cloud Computing

Revue: International Journal of Interactive Multimedia and Artificial Intelligence (IJIMAI) (ISSN 1989 - 1660)

Référence: Makhlouf, S. A., and B. Yagoubi, "Data-Aware Scheduling Strategy for Scientific Workflow Applications in IaaS Cloud Computing", International Journal of Interactive Multimedia and Artificial Intelligence, vol. 5, issue Special Issue on Artificial Int

Date: 20/07/2018