L’élasticité s’est imposée comme une solution incontournable pour gérer des problèmes de performance dans des systèmes logiciels dans le Cloud. Toutefois, la plupart des recherches autour de l’élasticité ne concernent que l’automatisation de l’approvisionnement des ressources, sans se réellement se soucier de l’utilisation des ressources ainsi provisionnées. Cela peut rapidement conduire à des fuites de ressources, entraînant ainsi des dépenses inutiles. Pour éviter de tels problèmes, mes recherches se concentrent sur la maximisation de l’utilisation des ressources du Cloud par l’auto-gestion des ressources. Dans cette thèse, pour faire face aux divers problèmes liés à l’utilisation des ressources dans les différentes couches du Cloud, je propose deux approches de gestion de ressources pour les couches d’infrastructure et la plate-forme. Pour surmonter la limitation des services d’infrastructure, je propose CloudGC comme service intergiciel qui vise à libérer les ressources occupées par les machines virtuelles qui tournent au ralenti. Au sein de la couche plate-forme, j’introduis également une approche d’auto-équilibrage pour ajuster automatiquement la configuration d’Hadoop en cours d’exécution, ce qui optimise dynamiquement les performances des applications. Enfin, cette thèse adresse également le déploiement rapide de Hadoop. En particulier, un nouvel outil, appelé « hadoop-benchmark », exploite la technologie Docker pour accélérer l’installation de Hadoop et fournir un ensemble d’images Docker qui embarquent plusieurs benchmarks Hadoop de référence. Les évaluations montrent que toutes ces approches et outil peuvent permettre l’auto-gestion des ressources du Cloud, notamment en facilitant l’élasticité des couches d’infrastructure et de plate-forme.
- Directeurs de thèse : Lionel SEINTURIER, Romain ROUVOY - Rapporteurs : Gaël Thomas, Patricia Stolf - Examinateurs : Noël De Palma, Fabrice Huet, Jean-Christophe Routier
Thèse de l'équipe Spirals soutenue le 12/12/2016
français
English