Roboconf : une plateforme autonomique pour l'élasticité multi-niveau, multi-granularité pour les applications complexes dans le cloud

Roboconf : an Autonomic Platform Supporting Multi-level Fine-grained Elasticity of Complex Applications on the Cloud

• Auteur / Autrice : Manh Linh Pham
• Direction : Noël de Palma, Didier Donsez
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/02/2016
• Etablissement(s) : Université Grenoble Alpes (ComUE)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de Grenoble (2007-....)
• Jury : Président / Présidente : Vania Marangozova
• Jury : Examinateurs / Examinatrices : Didier Donsez, Alain Tchana
• Jury : Rapporteurs / Rapporteuses : Françoise Baude, Daniel Hagimont

Mots clés

Mots clés contrôlés

Informatique dans les nuages

Mots clés libres

L'informatique en nuage

Autonomic computing

Le déploiement et la reconfiguration cloud

Multi-Niveau élasticité fine

Cloud computing

Autonomic computing

Cloud deployment and reconfiguration

Multi-Level fine-Grained elasticity

Résumé

Les applications logicielles sont de plus en plus diversifié et complexe. Avec le développement orageux du Cloud Computing et de ses applications, les applications logicielles deviennent encore plus complexes que jamais. Les applications de cloud computing complexes peuvent contenir un grand nombre de composants logiciels qui nécessitent et consomment une grande quantité de ressources (matériel ou d'autres composants logiciels) répartis en plusieurs niveaux en fonction de la granularité de ces ressources. En outre, ces composants logiciels peuvent être situés sur différents nuages. Les composants logiciels et de leurs ressources requises d'une application Nuage ont des relations complexes dont certains pourraient être résolus au moment de la conception, mais certains sont nécessaires pour faire face au moment de l'exécution. La complexité des logiciels et de l'hétérogénéité de l'environnement Couverture devenir défis que les solutions d'élasticité actuelles ont besoin de trouver des réponses appropriées à résoudre. L'élasticité est l'un des avantages du cloud computing, qui est la capacité d'un système Cloud pour adapter à la charge de travail des changements par des ressources d'approvisionnement et deprovisioning d'une manière autonome. Par conséquent, les ressources disponibles correspondent à la demande actuelle d'aussi près que possible à chaque moment. Pour avoir une solution d'élasticité efficace, qui ne reflète pas seulement la complexité des applications Cloud mais également à déployer et à gérer eux d'une manière autonome, nous proposons une approche d'élasticité roman. Il est appelé à plusieurs niveaux élasticité fine qui comprend deux aspects de la complexité de l'application: plusieurs composants logiciels et la granularité des ressources. Le multi-niveau élasticité fine concerne les objets touchés par les actions d'élasticité et la granularité de ces actions. Dans cette thèse, nous introduisons plateforme Roboconf un système de cloud computing autonome (ACCS) pour installer et reconfigurer les applications complexes ainsi que soutenir le multi-niveau élasticité fine. A cet effet, Roboconf est également un gestionnaire d'élasticité autonome. Merci à cette plate-forme, nous pouvons abstraire les applications cloud complexes et automatiser leur installation et de reconfiguration qui peut être de plusieurs centaines d'heures de travail. Nous utilisons également Roboconf à mettre en œuvre les algorithmes de multi-niveau élasticité fine sur ces applications. Les expériences menées indiquent non seulement l'efficacité de l'élasticité fine multi-niveau, mais aussi de valider les caractéristiques de support de cette approche de la plateforme Roboconf.

Software applications are becoming more diverse and complex. With the stormy development of Cloud Computing and its applications, software applications become even more complex than ever. The complex Cloud applications may contain a lot of software components that require and consume a large amount of resources (hardware or other software components) distributed into multiple levels based on granularity of these resources. Moreover these software components might be located on different clouds. The software components and their required resources of a Cloud application have complex relationships which some could be resolved at design time but some are required to tackle at run time. The complexity of software and heterogeneity of Cloud environment become challenges that current elasticity solutions need to find appropriate answers to resolve. Elasticity is one of benefits of Cloud computing, which is capability of a Cloud system to adapt to workload changes by provisioning and deprovisioning resources in an autonomic manner. Hence, the available resources fit the current demand as closely as possible at each point in time. To have an efficient elasticity solution which not only reflects the complexity of Cloud applications but also deploy and manage them in an autonomic manner, we propose a novel elasticity approach. It is called multi-level fine-grained elasticity which includes two aspects of application’s complexity: multiple software components and the granularity of resources. The multi-level fine-grained elasticity concerns objects impacted by elasticity actions and granularity of these actions. In this thesis, we introduce Roboconf platform an autonomic Cloud computing system (ACCS) to install and reconfigure the complex applications as well as support the multi-level fine-grained elasticity. To this end, Roboconf is also an autonomic elasticity manager. Thanks to this platform, we can abstract the complex Cloud applications and automate their installation and reconfiguration that can be up to several hundred hours of labour. We also use Roboconf to implement the algorithms of multi-level fine-grained elasticity on these applications. The conducted experiments not only indicate efficiency of the multi-level fine-grained elasticity but also validate features supporting this approach of Roboconf platform.