Anderson Andrei Da Silva

Resumé de la thèse:

Le cloud forme un continuum informatique en s'étendant vers l'edge. Le continuum edge-cloud est une architecture hétérogène multicouche comprenant des clusters cloud, des clusters edge et des ressources edge. Cette architecture répond mieux aux besoins des applications modernes, mais elle pose également de nouveaux défis, notamment en termes de gestion des ressources et d'ordonnancement. La technologie serverless permet de déployer de petites fonctions sans état avec un temps d'exécution court. Elle transfère aussi les responsabilités de gestion des ressources de l'utilisateur à la plateforme et, en raison de la granularité plus petite des fonctions, les politiques d'ordonnancement peuvent mieux exploiter les plateformes hétérogènes. Elle réduit considérablement l'utilisation des ressources, mais entraîne des coûts supplémentaire sur le temps de démarrage des fonctions, aussi connus sous le nom de délais de cold start. Le serverless est une force motrice dans la consolidation du continuum, permettant des adaptations rapides à toute évolution vers l'edge tout en maintenant les empreintes des applications à un faible niveau. Les cas d'utilisation courants pour la combinaison de ces nouvelles technologies sont les applications centrées sur les données qui traitent des données massives et nécessitent le déploiement d'environnements logiciels conséquents. 

Les politiques standard de programmation dans le cloud sont basées sur des algorithmes glouton qui ne gèrent pas efficacement l'hétérogénéité des plateformes ni des problèmes tels que les délais de cold start.  Cette thèse aborde ces questions en proposant une méthodologie permettant de développer et d'évaluer de nouvelles politiques d'ordonnancement. Nous appliquons cette méthodologie pour étudier plateform serverless sur le continuum edge-cloud, et pour étudier de nouvelles politiques d'ordonnancement dans des environnements simulés.Nous proposons également des algorithmes multi-objectifs pour allouer des fonctions serverless dans le continuum tout en tenant compte de l'hétérogénéité afin d'optimiser la consommation d'énergie, les transferts de données, le temps de complétion et l'utilisation des ressources. Comme base de référence, nous nous sommes inspirés d'un algorithme glouton standard d'une plateforme largement utilisée, Kubernetes. Nos approches sont plus performantes que la référence en ce qui concerne la consommation d'énergie, les transferts de données, le délai d'exécution et l'utilisation des ressources, et ce jusqu'à trois ordres de grandeur. Toutes les sources de données et les ensembles de références sont disponibles, et toutes les recherches produites dans cette thèse sont entièrement reproductibles.