Thèse soutenue

Gestion efficace des ressources dans les plateformes hétérogènes

FR  |  
EN
Auteur / Autrice : Clément Mommessin
Direction : Denis TrystramGiorgio Lucarelli
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 11/12/2020
Etablissement(s) : Université Grenoble Alpes
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
Equipe de recherche : Data Aware Large Scale Computing / DATAMOVE
Jury : Président / Présidente : Noël de Palma
Examinateurs / Examinatrices : Olivier Beaumont
Rapporteurs / Rapporteuses : Anne Benoit, Krzysztof Rzadca

Mots clés

FR  |  
EN

Mots clés libres

Résumé

FR  |  
EN

Le monde des Technologies de l'Information (IT) est en constante évolution.Avec l'explosion du nombre d'appareils numériques et connectés dans notre vie de tous les jours, les infrastructures IT doivent faire face à une constante augmentation du nombre d'utilisateurs, de requêtes informatiques et de données générées.L'Internet des Objets a vu le développement de plateformes de calcul en bordure du réseau pour combler l'écart entre les appareils connectés et le Cloud, appelé le Edge Computing.Dans le domaine du Calcul à Haute Performance, les programmes parallèles exécutés sur les plateformes demandent toujours plus de puissance de calcul à la recherche d'une amélioration des performances.De plus, il a été observé au cours des dernières années une diversification des composants matériels dans ces infrastructures.Cette complexification des (réseaux de) plateformes de calculs pose plusieurs problèmes d'optimisation qui peuvent apparaître à divers niveaux.En particulier, cela a mené au besoin de meilleurs systèmes de gestion pour une utilisation efficace des ressources hétérogènes qui composent ces plateformes.Le travail présenté dans cette thèse se focalise sur des problèmes d'optimisation de ressources pour les plateformes parallèles et distribuées du Calcul à Haute Performance et du Edge Computing.Dans les deux cas, nous étudions la modélisation des problèmes et nous proposons des méthodes et des algorithmes de gestion de ressources pour de meilleures performances.Les problèmes sont étudiés à la fois sur des plans théoriques et pratiques.Plus spécifiquement, nous étudions les problèmes de gestion de ressources à différents niveaux de la plateforme Qarnot Computing, une plateforme de production Edge principalement composée de ressources de calculs déployées dans des radiateurs de bâtiments intelligents.Pour cela, nous proposons des extensions au simulateur Batsim pour permettre la simulation de plateformes Edge et pour faciliter le design, le développement et la comparaison de politiques de placement de données et de tâches sur de telles plateformes.Ensuite, nous proposons une nouvelle méthode de prédiction de la température pour des bâtiments intelligents et nous formulons un nouveau problème d'ordonnancement à deux agents sur machines multiples.En parallèle, nous étudions le problème d'ordonnancement d'applications sur machines multi-coeur hybrides dont l'objectif est la minimisation du temps total de complétion de l'application.Nous faisons une revue des algorithmes existants avec des garanties de performances, puis nous proposons deux nouveaux algorithmes pour différentes variantes du problème et nous donnons des preuves de leur garanties de performances.Enfin, nous conduisons une campagne expérimentale pour comparer les performances relatives de nos algorithmes avec des solutions existantes de la littérature.