Conception optimale et gestion des ressources des infrastructures Fog pour les réseaux véhiculaires.

Optimal Design and Resource Management of Fog Infrastructures for Vehicular Networks.

• Auteur / Autrice : Ioanna Stypsanelli
• Direction : Olivier Brun, Balakrishna Prabhu
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le ; Soutenance le 07/12/2020
• Etablissement(s) : Toulouse, INSA
• Ecole(s) doctorale(s) : École doctorale Systèmes (Toulouse ; 1999-....)
• Partenaire(s) de recherche : Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes
• Jury : Président / Présidente : Thierry Monteil
• Jury : Examinateurs / Examinatrices : Olivier Brun, Congduc Pham, Toufik Ahmed, Balakrishna Prabhu, Anne-Cécile Orgerie
• Jury : Rapporteur / Rapporteuse : Congduc Pham, Toufik Ahmed

Mots clés

Mots clés libres

Fog computing

Optimization

Analyse de performance

Allocation de ressources

Adaptativité

Théorie des files d'attente

Fog computing

Optimisation

Performance analysis

Resources allocation

Adaptivity

Queuing theory

Résumé

L'avènement des véhicules connectés va entraîner la nécessité de construire des infrastructures capables de répondre aux besoins d'applications à latence faible dont les contraintes ne pourront plus être satisfaites par le Cloud. Le Fog est un nouveau paradigme qui rapproche les calculs, le stockage et le réseau de l'utilisateur. Le Fog peut être perçu comme un Cloud plus réparti géographiquement. Cependant, la construction d'une telle infrastructure nécessite une décision réfléchie afin de minimiser les coûts d'installation et d'opération. D'autres coûts associés au fonctionnement d'un réseau Fog peuvent être optimisés en fonction des profils de mobilité des usagers. Il y a également des défis autour de l'allocation des tâches dans les réseaux Fog. Dans cette thèse, nous proposons des solutions pour minimiser les coûts d'une infrastructure Fog, y compris ceux de capacité de calcul, la bande passante et les coûts énergétiques, en tirant parti de statistiques de trafic et des profils de mobilité. Dans une première étude, nous explorons comment minimiser le coût d'une infrastructure Fog lors de sa conception. La solution que nous proposons utilise l'optimisation et la théorie des files d'attentes et permet d'obtenir un ensemble optimal de nœuds Fog à installer ainsi que la stratégie de routage des stations de base cellulaires adaptée. Dans une deuxième étude, nous proposons un modèle pour minimiser les surcoûts résultant des migrations de service à l'aide des profils de mobilité. Dans la dernière étude, nous examinons des stratégies réparties d'allocation de tâches pour les stations de base sans qu'elles n'aient besoin de coopérer ni qu'elles n'aient aucune information sur l'infrastructure. Nous proposons un modèle de simulation pour comparer la réaction de divers algorithmes en fonction des temps de réponse des nœuds Fog qu'ils observent.

The advent of connected cars will drive the need for infrastructures supporting latency critical applications whose requirements can no longer be supported by the distant Cloud. The Fog, on the other hand, is a new paradigm bringing computation, storage and networking closer to the user. The Fog can be seen as a more geographically distributed Cloud. However building such an infrastructure requires thoughtful design decisions to minimize the installation and operating costs. There are other costs associated with operating a Fog network that can be optimized by considering mobility patterns. There are also challenges around allocating tasks in Fog networks. In this thesis, we provide solutions to minimize the Fog infrastructure costs including compute capacity, bandwidth and energy by taking advantage of traffic statistics and mobility patterns. In a first study, we explore how to minimize the cost of an upcoming Fog infrastructure at its design phase. The solution we propose uses optimization and queuing theory and returns the optimal set of Fog nodes to open conjointly with the corresponding routing strategy for base stations. In a second study, we provide a model to minimize overheads introduced by service migrations in the Fog based on mobility patterns. In the last study, we examine distributed task allocation strategies for base stations which neither cooperate nor require knowledge of the physical infrastructure. We propose a simulation model to compare algorithms reacting to the response times they observe from Fog nodes and provide benchmarks.