Optimisation de l'énergie et de la performance d'applications sur des micro-serveurs hétérogènes
Auteur / Autrice : | Massinissa Ait Aba |
Direction : | Alix Munier-Kordon, Lilia Koutchoukali Zaourar |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 04/06/2020 |
Etablissement(s) : | Sorbonne université |
Ecole(s) doctorale(s) : | École doctorale Informatique, télécommunications et électronique de Paris |
Partenaire(s) de recherche : | Laboratoire : LIP6 (1997-....) - Laboratoire d'intégration des systèmes et des technologies (Gif-sur-Yvette, Essonne ; 2001-....) |
Jury : | Président / Présidente : Lionel Lacassagne |
Examinateurs / Examinatrices : Guillaume Pallez, Safia Kedad Sidhoum, Denis Trystram | |
Rapporteurs / Rapporteuses : Jean-Marc Nicod, Loris Marchal |
Résumé
Les applications récentes dans l'industrie ou dans la recherche nécessitent souvent des calculs massifs. Ainsi, les applications deviennent plus exigeantes en vitesse de calcul, ce qui engendre une très grande consommation énergétique des plateformes matérielles. Les plateformes de calcul hétérogènes offrent un bon compromis avec une puissance de calcul importante tout en préservant l'énergie consommée pour l'exécution d'applications parallèles de hautes performances. Elles représentent donc de nos jours des moyens de calcul intéressants. Afin de profiter des avantages offerts par l'hétérogénéité en termes de performance, la gestion efficace et automatique des ressources de calcul est de plus en plus importante pour exécuter des applications parallèles. L'objectif de cette thèse est de déterminer un ordonnancement efficace d'une application parallèle sur un système de ressources hétérogènes afin de minimiser le temps d'exécution total (makespan) de l'application tout en respectant une contrainte d'énergie. Deux classes de plateformes hétérogènes ont été considérées dans notre travail : des architectures totalement hétérogènes qui combinent plusieurs éléments de traitement (CPUs, GPUs, FPGAs), et des plateformes hybrides limitées à deux types de processeurs (CPU + GPU par exemple) en très grand nombre. Nous proposons plusieurs stratégies d'ordonnancement d'applications sur les deux plateformes avec deux modèles d'exécution. Les expériences préliminaires des algorithmes proposés en utilisant différentes applications et des plateformes de tailles différentes ont donné de bons résultats par rapport aux méthodes existantes dans la littérature.