Gestion efficace des ressources dans l'Internet des Objets

par Clément Mommessin

Projet de thèse en Informatique

Sous la direction de Denis Trystram et de Giorgio Lucarelli.

Thèses en préparation à l'Université Grenoble Alpes (ComUE) , dans le cadre de École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble) , en partenariat avec Laboratoire d'Informatique de Grenoble (laboratoire) et de MOAIS - Programmation parallèle, ordonnancement et synchronisation. (ancien ID) (equipe de recherche) depuis le 22-09-2017 .


  • Résumé

    Contexte et motivation Le sujet proposé se situe dans le cadre d'un financement ANR en relation avec la société Qarnot Computing (projet GRECO). La construction de gestionnaires de ressources pour clouds est un sujet bien maitrisé aujourd'hui. Toutefois, l'idée d'utiliser des objets connectés à des fins de serveurs cloud introduit de nombreux nouveaux défis. La première partie de cette thèse concerne la modélisation du système de could d'objets mis en place chez Qarnot Computing. Son but est de proposer des modèles génériques pour capturer l'architecture (statique et dynamique), les types d'usages qui y sont effectués et la qualité de services du cloud. L'architecture statique du cloud traite de ces composantes. Dans le cas des clouds d'objets, cela inclut les capteurs, interfaces, noeuds de stockage, carte-mères, réseaux, etc. Dans la dynamique, nous voulons capturer la moblité et les modes d'interactions entre objets connectés. Ordonnancement de tâches En s'appuyant sur les modèles ad hoc étudiés dans le projet, il faut ici formuler les algorithmes permettant d'ordonnancer les tâches. Il doit être conçu de sorte a‘ s'adapter à l'incertitude sur la qualité de service ainsi que les contraintes d'exécution spécifiques aux clouds d'objets (puissance, capacité mémoire, inter- actions etc). Etant donnée la puissance de calcul variable des objets connectés et la dynamicité de la plate-forme, il faut aussi formuler des processus de sélection de ressources permettant de décider pour chaque tâche des ressources candidates à son exécution. La dynamicité de l'environnement implique aussi de développer des stratégies de re-ordonnancement afin d'adapter l'exécution des schémas de déploiement en cours de réalisation. Les algorithmes proposés devront distinguer les couches PaaS, SaaS et IaaS. La distinction tient au fait qu'on inscrive ou pas le déploiement d'une machine virtuelle/conteneur dans la logique d'exécution d'une application ou d'un service. Les algorithmes d'ordonnancement seront validés en émulant des environnements intelligents sur la plate-forme de radia-teurs Qarnot. La thèse se situe dans l'étude de stratégies algorithmiques sophistiquées pour répondre aux questions précédentes. les algorithmes ont vocation à être implémentés sur une plate-forme réelle et validés sur des vraies données.

  • Titre traduit

    Efficient management of resources in the Internet of Things


  • Résumé

    Context and motivation The proposed subject is situated in an ANR funding in relation with the Qarnot Computing company (GRECO project). The construction of resource managers for clouds is a well known subject. However, the idea of using connected objects for cloud servers brings new and numerous challenges. The first part of this PhD. concerns the modelization of the system for the cloud of objects used by Qarnot Computing. Its goal is to propose generic models to capture the architecture (either static or dynamic), the types of usage of these architectures and the quality of service of the cloud. The static architecture of the cloud deals with these components. In the case of the cloud of objects, this includes captors, interfaces, storage nodes, motherboards, networks, etc. In this dynamic, we want to capture the mobility and the modes of interaction between the connected objects. Tasks scheduling Using the ad hoc models studied in this project, it is necessary to formulate the algorithms permitting tasks scheduling. They have to be created to be able to adapt to the uncertainty of the quality of service as well as the constraints of execution that are specific to the clouds of objects (power, memory capacity, interactions, etc). Given the variable computing power of the connected objects and the dynamicity of the platform, it is needed to formulate resource selection programs to decide for each task the resources eligible for its execution. The dynamicity of the environment leads to the development of re-scheduling policies to adapt to the execution of deployment schemas that are in progress. The proposed algorithms will have to distinguish between the different levels PaaS, SaaS and IaaS. This distinction is made to either include, or not, the deployment of a virtual machine (or container) for the execution of an application or a service. The scheduling algorithms will be validated by emulating smart environments on the heater platform of Qarnot. In this PhD. we will study sophisticated algorithmic policies to answer the stated challenges. The algorithms are meant to be implemented on real platforms and validated on real data.