Projet de thèse en Informatique
Sous la direction de Vivien Quema et de Renaud Lachaize.
Thèses en préparation à l'Université Grenoble Alpes , dans le cadre de École doctorale mathématiques, sciences et technologies de l'information, informatique , en partenariat avec Laboratoire d'Informatique de Grenoble (laboratoire) et de Efficient and RObust Distributed Systems (equipe de recherche) depuis le 01-10-2018 .
(voir la version en anglais pour plus de détails) L'objectif de ce projet de recherche est de permettre aux fournisseurs et opérateurs de services Cloud d'obtenir de meilleure performances, une plus grande efficacité énergétique et une meilleure consolidation des ressources en améliorant l'efficacité des couches logicielles basses (systèmes d'exploitation et intergiciels) sur chacune des machines d'un centre de données (data center). Le travail proposé est centré autour de deux aspects principaux. Outils de profiling: L'outillage existants pour la détection et la compréhension des problèmes de performances est inadéquat par rapport aux caractéristiques des environnements modernes de Cloud computing. Le travail consistera à combler certaines lacunes de l'état de l'art en proposant de nouvelles approches de profiling, et notamment en tissant des liens entre des techniques existantes disjointes (causal profiling, idleness diagnosis) et en couvrant de nouveaux besoins (prise en charge de modèles d'exécution hétérogènes, détection d'inefficacités sporadiques). Optimisations de performances pour les infrastructure Serverless/FaaS (Functions as a Service) : Ces infrastructures émergentes dans le domaine du Cloud computing présentent des caractéristiques atypiques qui introduisent des défis et des opportunités particulières concernant les optimisations de performances. Cette seconde partie du travail proposé consistera à développer des techniques d'optimisations spécifiques, à la lumière des informations obtenues via les outils développés dans le cadre de la première partie du travail.
Towards efficient infrastructures for the 'Functions-as-a-Service' paradigm: profiling tools, architectural design and optimization heuristics