Taranis - Modéliser, Déployer, Orchestrer et Optimiser les applications et les infrastructures du cloud

Responsable projet : Christian Perez, INRIA

Membre impliqué sur la gestion de ressources dans les infrastructures virtualisées : Université de Lille CRIStAL

Équipe : Spirals du Groupe Thématique : GL

Résumé :

Les nouvelles infrastructures, telles que le Edge Computing ou le continuum de calcul Cloud-Edge-IoT, rendent les problématiques du cloud plus encore complexes car elles ajoutent de nouvelles problématiques liées à la diversité et à l’hétérogénéité des ressources (du petit capteur au centre de données / HPC, du réseau à basse consommation aux réseaux de cœur), à la distribution géographique, ainsi qu’à des besoins accrus de dynamicité et de sûreté, le tout sous des contraintes de consommation d’énergie et des contraintes réglementaires.
Pour pouvoir exploiter efficacement des nouvelles infrastructures, nous proposons une stratégie basée sur une abstraction significative de la description de la structure de l’application afin de pouvoir automatiser encore plus la gestion des applications et des infrastructures. Ainsi, il sera possible d’optimiser globalement les ressources utilisées vis à vis d’objectifs multicritères (prix, échéance, performance, énergie, etc.) aussi bien du coté utilisateur (applications) que fournisseur (infrastructures). Cette abstraction comprend aussi les défis liés à l’abstraction de la reconfiguration des applications et afin d’adapter automatiquement l’usage des ressources.
Le projet Taranis aborde cette problématique via quatre lots scientifiques, chacun se focalisant sur une phase du cycle de vie des applications : modèle de description des applications et infrastructures, déploiement et reconfiguration, orchestration et optimisation.

• Le premier lot « Modélisation » aborde des verrous liés à la complexité induite dans les modèles d’applications et d’infrastructures de Cloud-Edge : vérification formelle et optimisation de ces modèles, variabilité multi-couches, relation entre l’expressivité des modèles et le calcul efficace de solution, lock-ins des modèles propriétaires et hétérogénéité des langages de modélisation d’applications et d’infrastructures cloud.
• Le second lot « Déploiement et Reconfiguration » étudie des verrous relatifs au déploiement et à la reconfiguration afin de réduire la complexité et à augmenter le support des langages d’approvisionnement et de configuration, tout en améliorant la certification et la concurrence des opérations. Le lot vise à réduire la complexité du problème d’amorçage sur des ressources géo-distribuées et hétérogènes.
• Le troisième lot « Orchestration de services et de ressources » a pour objectif d’étendre les orchestrateurs pour le continuum Cloud-Edge-IoT, tout en les rendant plus autonomes vis à vis des besoins dynamiques, fonctionnels et/ou non fonctionnels, en particulier par rapport à la problématique de partitionnement réseau propre aux infrastructures Cloud-Edge-IoT.
• Enfin, le quatrième lot « Optimisation » vise à revisiter les problèmes d’optimisation associés à l’utilisation des infrastructures Cloud-Edge-IoT et à l’exécution d’une application lorsqu’un grand nombre de variables de décision sont à prendre en compte conjointement. Il vise également à rendre les techniques d’optimisation conscientes du continuum Cloud-Edge-IoT, des plateformes distribuées hétérogènes et du large éventail de configurations d’applications impliquées.

Abstract

New infrastructures, such as Edge Computing or the Cloud-Edge-IoT computing continuum, make cloud issues more complex as they add new challenges related to resource diversity and heterogeneity (from small sensor to data center/HPC, from low power network to core networks), geographical distribution, as well as increased dynamicity and security needs, all under energy consumption and regulatory constraints.
In order to efficiently exploit new infrastructures, we propose a strategy based on a significant abstraction of the application structure description to further automate application and infrastructure management. Thus, it will be possible to globally optimize the resources used with respect to multi-criteria objectives (price, deadline, performance, energy, etc.) on both the user side (applications) and the provider side (infrastructures). This abstraction also includes the challenges related to the abstraction of application reconfiguration and to automatically adapt the use of resources.
The Taranis project addresses these issues through four scientific work packages, each focusing on a phase of the application lifecycle : application and infrastructure description models, deployment and reconfiguration, orchestration, and optimization.

• The first work package "Modeling" addresses the complexity of cloud-edge application and infrastructure models : formal verification and optimization of these models, multi-layer variability, the relationship between model expressiveness and efficient solution computation, lock-ins of proprietary models, and heterogeneity of cloud application and infrastructure modeling languages.
• The second work package "Deployment and Reconfiguration" studies deployment and reconfiguration related issues to reduce management complexity and increase support for provisioning and configuration languages, while improving operations certification and increasing operations concurrency. The workpackage also aims to reduce the complexity of the bootstrapping problem on geo-distributed and heterogeneous resources.
• The third work package "Orchestration of services and resources" aims at extending the orchestrators for the Cloud-Edge-IoT continuum, while making them more autonomous with respect to dynamic, functional and/or non-functional needs, in particular with respect to the network partitioning problem specific to Cloud-Edge-IoT infrastructures.
• Finally, the fourth work package "Optimization" aims to revisit the optimization problems associated with the use of Cloud-Edge-IoT infrastructures and the execution of an application when a large number of decision variables need to be considered jointly. It also aims to make optimization techniques aware of the Cloud-Edge-IoT continuum, the heterogeneous distributed platforms and the wide range of application configurations involved.