Apprentissage artificiel pour l'ordonnancement des tâches dans les grilles de calcul

par Julien Perez

Thèse de doctorat en Informatique

Sous la direction de Cécile Germain-Renaud.

Soutenue en 2010

à Paris 11 , en partenariat avec Université de Paris-Sud. Faculté des Sciences d'Orsay (Essonne) (autre partenaire) .


  • Résumé

    Cette thèse étudie l'application du paradigme de l'apprentissage par renforcement au problème de l'allocation de ressources dans les systèmes de mutualisation des ressources de calcul à grande échelle. Plus précisément, ce travail porte sur la réalisation d'une qualité de service différenciée du point de vue du délai de réponse de l'infrastructure, en particulier pour la prise en charge des jobs à courte durée d'exécution, appelée couramment ordonnancement réactif. Les travaux présentés dans cette thèse proposent une approche de l'allocation de ressources qui vise à concilier réactivité et partage organisé. L'allocation de ressources doit optimiser la réalisation d'objectifs partiellement conflictuels : la qualité de service différenciée évoquée ci-dessus, l'équité pondérée et l'utilisation. L'équité pondérée et l'utilisation modélisent deux aspects de la volonté de retour sur investissement des institutions participant à la création d'infrastructures de calcul partagées. Motivé par ce but général, dont la portée dépasse l'infrastructure de calcul mentionnée ci-dessus, ce travail se concentre sur le problème spécifique de la gestion de flux de demandes combinant des demandes d'allocation quasi-immédiate de ressources de calcul pour une période de temps limitée et des demandes de ressource de calcul classiques.

  • Titre traduit

    Machine learning for grid scheduling


  • Résumé

    This thesis studies the application of the paradigm of reinforcement learning to the problem of resource allocation in systems of sharing computing resources on a large scale. Specifically, this work focuses on the achievement of a differentiated quality of service in terms of responsiveness of infrastructure, particularly fo the management of short-term jobs scheduling, commonly called reactive scheduling. The work presented in this thesis proposes an approach to resource allocation that aims to reconcile reactivity and fairshare. The resource allocation must maximize the realization of partially conflicting goals: differentiated quality of servil mentioned above, the weighted fairness and utilization. The weighted fairness are modeling two aspects of will of return on investment of institutions involved in the creation of shared computing infrastructure. Motivated by this general goal, which go beyond the computing infrastructure mentioned above, this work focuses on the specifie problem of workflow management applications that combine short term allocation requests and resource demands of conventional calculation.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (174 p.)
  • Annexes : Bibliogr. p. 161-174

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris-Sud (Orsay, Essonne). Service Commun de la Documentation. Section Sciences.
  • Disponible pour le PEB
  • Cote : 0g ORSAY(2010)99
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.