Optimisation de l'énergie et de la performance d'applications sur des micro-serveurs hétérogènes

Optimization of energy and performance of applications on heterogeneous micro-servers

• 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
• Jury : Examinateurs / Examinatrices : Guillaume Pallez, Safia Kedad Sidhoum, Denis Trystram
• Jury : Rapporteurs / Rapporteuses : Jean-Marc Nicod, Loris Marchal

Mots clés

Mots clés contrôlés

Consommation d'énergie

Applications Web

Parallélisme (informatique)

Ordonnancement (informatique)

Calcul intensif (informatique)

Processeurs à hautes performances

Mots clés libres

Optimisation

Ordonnancement

Processeurs

Applications

Énergie

Temps d'exécution

Energy

Makespan

Optimisation

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.

Recent applications, both in industry and research often need massive calculations. They have different hardware requirements in terms of computing speed, which leads to very high energy consumption of hardware platforms. Heterogeneous computing platforms offer a good compromise with high computing power while preserving the energy consumed to run high-performance parallel applications. They are therefore nowadays an interesting computing resource. In order to exploit the advantages offered by heterogeneity in terms of performance, efficient and automatic management of computing resources is becoming increasingly important to execute parallel applications. These new architectures have thus given rise to new scheduling problems that allocate and sequence calculations on the different resources by optimizing one or more criteria. The objective of this thesis is to determine an efficient scheduling of a parallel application on a heterogeneous resource system in order to minimize the total execution time (makespan) of the application while respecting an energy constraint. Two classes of heterogeneous platforms have been considered in our work: fully heterogeneous architectures that combine several processing elements (CPUs, GPUs, FPGAs), and hybrid platforms limited to two types of processors (CPU + GPU for example). We propose several application scheduling strategies on both platforms with two execution models. Preliminary experiments with the proposed algorithms using different applications and platforms of different sizes have shown good results compared to existing methods in the literature.