Apprentissage sur l'impact des politiques d'ordonnancement multi-objectifs pour les fonctions serverless dans le Edge-Cloud continuum
Auteur / Autrice : | Anderson Andrei Da silva |
Direction : | Denis Trystram |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le Soutenance le 12/12/2023 |
Etablissement(s) : | Université Grenoble Alpes |
Ecole(s) doctorale(s) : | École doctorale mathématiques, sciences et technologies de l'information, informatique |
Partenaire(s) de recherche : | Laboratoire : Laboratoire d'Informatique de Grenoble |
Equipe de recherche : MOAIS - Programmation parallèle, ordonnancement et synchronisation. (ancien ID) | |
Jury : | Président / Présidente : Noel De palma |
Examinateurs / Examinatrices : Denis Trystram, Loris Marchal, Krzysztof Rzadca, Marta Patino-martinez, Daniel Cordeiro | |
Rapporteurs / Rapporteuses : Loris Marchal, Krzysztof Rzadca |
Mots clés
Résumé
Le cloud est étendu vers le edge pour former un continuum informatique tout en gérant lhétérogénéité des ressources. Le continuum edge-cloud comprend une architecture multicouche composée de clusters cloud, de clusters edge et de ressources edge. En parallèle, la technologie serverless a simplifié la manière de créer des applications cloud et dutiliser les ressources, devenant une force motrice dans la consolidation du continuum avec le déploiement de petites fonctions à courte durée dexécution. Il constitue une solution parfaite pour le continuum edge-cloud parce quil permet des des adaptations rapides à toute évolution vers le niveau edge tout en maintenant les empreintes des applications à un faible niveau. Cependant, le serverless apporte également de nouveaux défis, tels que la gestion de plateformes hétérogènes et dapplications qui traitent des données massives, ainsi que le déploiement denvironnements logiciels complexes. ainsi que le déploiement denvironnements logiciels complexes. Les politiques standard de gestion des clouds sont basées sur des algorithmes greedy qui ne gèrent pas efficacement lhétérogénéité des plates-formes ni ne traitent des problèmes tels que les délais de cold start. Dans cette thèse, nous développons et évaluons de nouvelles politiques dordonnancement pour résoudre ces problèmes. Dans un premier moment, nous proposons un algorithme multi-objectif pour allouer des fonctions serverless dans le continuum tout en considérant lhétérogénéité pour optimiser les transferts de données et le makespan. Comme base de référence, nous nous inspirons dun algorithme greedy standard dune plateforme largement utilisée, Kubernetes. Notre méthode est plus performante que la méthode de référence en termes de transferts de données, de délais et dutilisation des ressources, et peut atteindre jusquà deux ordres de grandeur. Par conséquent, notre première contribution principale est létude et la compréhension du fait que les algorithmes greedy ne bénéficient pas du meilleur de lhétérogénéité du continuum. Ces algorithmes ne fournissent pas la gestion requise par lexécution des fonctions serverless, par le déploiement de leurs environnements, ni ne datteindre le meilleur temps dexécution des fonctions. Dans un deuxième moment, nous proposons et évaluons une politique dordonnancement multi-objectifs qui optimise la consommation dénergie, les transferts de données et le makespan. Cette politique a deux niveaux pour mieux sadapter aux différentes couches du continuum. Nous comparons nos propositions à la même ligne de base, un algorithme greedy standard, et leurs performances sont meilleures que celles de lalgorithme de base, jusquà trois ordres de grandeur. Par conséquent, notre deuxième contribution principale est létude et la compréhension du fait que les algorithmes standard de type greedy ne gèrent pas correctement la consommation dénergie dans le continuum edge-cloud. Nous proposons des algorithmes qui exploitent au mieux lhétérogénéité du continuum pour réduire la consommation dénergie pour différents types de fonctions serverless.