Note ABES Improving the simulation of IaaS Clouds Amélioration de simulation de cloud IaaS via l’emploi de méthodes stochastiques Cloud computing Simulation de Monte-Carlo Calcul scientifique Cloud computing Monte Carlo Simulations Scientific Computing 004.6 518.1 519.5 Informatique dans les nuages Distribution (théorie des probabilités) Analyse de variance Méthode de Monte-Carlo Analyse stochastique Les clouds sont devenus ces dernières années des plate-formes incontournables dans le monde informatique, car ils permettent de provisionner des ressources à la demande et de ne payer qu’à l’usage. Ceci ouvre la possibilité de concevoir de nouvelles stratégies pour la planification et l’exécution des applications parallèles de type tâches indépendantes ou workflow. Cependant, trouver une stratégie bien adaptée aux contraintes des utilisateurs, que ce soit en termes de coûts et de temps d’exécution, est un problème difficile, pour lequel des outils de prédictions sont nécessaires. Néanmoins, la variabilité inhérente de ces plate-formes complexifient le développement d’un tel outil de prédiction. Notre thèse est que la simulation stochastique est une approche pertinente pour obtenir une prédiction s’accommodant de la variabilité, en produisant une distribution probabiliste des prédictions englobant les résultats réels observables. Pour le démontrer, nous utilisons une méthode de Monte-Carlo permettant de créer des simulations stochastiques par la répétitions de simulations déterministes. Nous montrons que cette méthode associée à certaines distributions d’entrée permettent de modéliser la variabilité d’une plate-forme à travers un unique paramètre. Pour évaluer la méthode proposée, nous comparons les résultats de notre méthode probabiliste à des exécutions réelles d’applications scientifiques. Nos expériences montrent que notre méthode permet de produire des prédictions représentatives des exécutions réelles observées. The ability to provision resources on the fly and their pay-as-you-go nature has made cloud computing platforms a staple of modern computer infrastructure. Such platforms allow for new scheduling strategies for the execution of computing workloads. Finding a strategy that satisfies a user’s cost and time constraints is a difficult problem that requires a prediction tool. However the inherent variability of these platforms makes building such a tool a complex endeavor. Our thesis is that, by producing probability distributions of possible outcomes, stochastic simulation can be used to produce predictions that account for the variability. To demonstrate this we used Monte Carlo methods to produce a stochastic simulation by repeatedly running deterministic simulations. We show that this method used in conjunction with specific input models can model the variability of a platform using a single parameter. To validate our method we compare our results to real executions of scientific workloads. Our experiments show that our method produces predictions capable of representing theobserved real executions. Electronic Thesis or Dissertation Text en PDF 2302171 Université de Strasbourg Strasbourg 2019-12-31 https://theses.hal.science/tel-02161866 application/pdf 2235205 https://publication-theses.unistra.fr/public/theses_doctorat/2019/Bertot_Luke_2019_ED269.pdf http://www.theses.fr/2019STRAD008/abes https://theses.hal.science/tel-02161866 https://theses.hal.science/tel-02161866 https://theses.hal.science/tel-02161866 https://theses.hal.science/tel-02161866 Bertot Luke 1990-05-31 FR 240132432 https://theses.fr/2019STRAD008 2019STRAD008 https://doi.org/10.70675/89e78599zccadz4b08z9346z9d5f447a5550 2019-06-17 Informatique Strasbourg 131056549 Doctorat Docteur es non oui Genaud Stéphane MADS_DIRECTEUR_DE_THESE_1 132889560 Lebre Adrien MADS_PRESIDENT_DU_JURY 11372764X Genaud Stéphane MADS_MEMBRE_DU_JURY_1 132889560 Lebre Adrien MADS_MEMBRE_DU_JURY_2 11372764X Cérin Christophe MADS_MEMBRE_DU_JURY_3 067211941 Philippe Laurent MADS_MEMBRE_DU_JURY_4 078094666 Gossa Julien MADS_MEMBRE_DU_JURY_5 123788919 Cérin Christophe MADS_RAPPORTEUR_1 067211941 Philippe Laurent MADS_RAPPORTEUR_2 078094666 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 176969721 260728 ddc:004 ddc:510 Genaud Stéphane Lebre Adrien Genaud Stéphane Lebre Adrien Cérin Christophe Philippe Laurent Gossa Julien Cérin Christophe Philippe Laurent École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 2302171