Thèse soutenue

Supervision de flux pour les contenus hypermédia : optimisation de politiques de préchargement et ordonnancement causal

FR
Auteur / Autrice : Romulus Grigoras
Direction : Gérard Padiou
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance en 2003
Etablissement(s) : Toulouse, INPT

Résumé

FR

L'accès performant aux données multimédia (rapide, cohérent, adapté aux besoins et préférences des utilisateurs et aux ressources disponibles) est un enjeu majeur des recherches actuelles sur le multimédia. Dans le premier volet de cette étude nous proposons de réduire les latences de navigation dans des hypervidéos à l'aide du préchargement. Notre contribution principale est un modèle formel intégrant les habitudes des utilisateurs pour anticiper les interactions futures et décider ce qu'il faut précharger, quand et comment. Ce modèle permet, sous des hypothèses précises, de calculer des politiques optimales de préchargement. La gestion des incertitudes liées au réseau et aux interactions des utilisateurs est un de ses atouts. Notre modèle (un Processus Décisionnel de Markov) et les politiques issues de la résolution sont validés expérimentalement dans une architecture de streaming. Les latences réelles sont cohérentes avec celles prédites par la théorie. Le deuxième volet de ce travail concerne le contrôle de la cohérence de l'accès aux flux multimédia répartis. Nous formalisons les relations entre flux en termes de causalité et introduisons la notion de défilement. Un modèle de calcul réparti est proposé où cette notion remplace la notion d'événement, utilisée classiquement. Nous montrons que le contrôle de ces relations, dans les protocoles de diffusion de groupe, peut être assuré simplement par une datation classique. Dans un deuxième temps, nous modélisons des flux sous forme d'intervalles temporels. Ceci permet de reformuler, à des fins de validation, les relations de causalité entre flux en termes de relations entre intervalles selon l'algèbre de Allen appliquée à un ordre partiel (causal).