Observabilité et gestion des ressources dans les environnements cloud-natifs

Observability and resources managements in cloud-native environnements

• Auteur / Autrice : Nicolas Marie-Magdelaine
• Direction : Toufik Ahmed
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 25/11/2021
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire bordelais de recherche en informatique
• Partenaire(s) de recherche : Equipe de recherche : Programmation Réseaux et Systèmes (PROGRESS)
• Jury : Président / Présidente : Mohamed Mosbah
• Jury : Examinateurs / Examinatrices : Toufik Ahmed, Emmanuel Chaput, Abbas Bradai, Véronique Vèque
• Jury : Rapporteurs / Rapporteuses : Emmanuel Chaput, Abbas Bradai
• DOI : 10.70675/45cd9d68z2aa3z4a8fzb078z0b25cc51d89d

Mots clés

Mots clés contrôlés

Informatique dans les nuages

Applications Web

Architecture des réseaux d'ordinateurs

Mots clés libres

Monitoring Cloud

Management Cloud

Plateforme Cloud

Cloud-Natif

Observabilité

Virtualisation

Cloud Monitoring

Cloud Management

Cloud Platform

Cloud-Native

Observability

Virtualization

Résumé

Les technologies Cloud et cloud-natif sont devenues les piliers de l'Internet moderne. Les utilisateurs et les organisations s'appuient désormais sur des applications cloud pour leurs besoins quotidiens. Cependant, les pannes et les dégradations de la qualité de service peuvent avoir des impacts désastreux sur notre société. De plus, les applications Web sont devenues des systèmes distribués complexes, difficiles à comprendre et à exploiter, donc plus sujettes aux pannes si elles ne sont pas gérées en conséquence. Par conséquent, il est primordial de comprendre, d'observer, de prévenir, de détecter et de corriger tout problème pouvant entraîner des défaillances.Dans cette thèse, nous proposons un cadre pour atteindre l'observabilité dans les environnements cloud natifs. L'observabilité envisage une compréhension plus approfondie du système distribué complexe que sont devenus les applications Web. Le cadre d'observabilité proposé est démontré via une preuve de concept et un déploiement dans des environnements de production. De plus, suivant le principe de l'informatique autonome, nous proposons également une architecture pour la mise à l'échelle automatique basée sur l'observabilité dans les environnements cloud-natifs. Cette architecture nous permet de corréler l'auto-scaling à la charge de travail de l'application. Nous allons également plus loin en tirant parti de l'apprentissage automatique et en permettant une mise à l'échelle automatique proactive. Nous nous concentrons sur l'utilisation de l'automatisation et de l'observabilité pour augmenter les métriques de qualité de service lors des événements de mise à l'échelle. De plus, nous explorons et démontrons les avantages et la possibilité de porter l'architecture et les principes natifs du cloud vers l'Internet des objets. Nous proposons d'exploiter des technologies telles que la mise en réseau définie par logiciel et la radio définie par logiciel pour fournir des appareils Internet des objets génériques flexibles et reconfigurables.

Cloud Computing and Cloud-Native technologies have become the backbones of the modern Internet. Users and organizations are now relying on cloud applications for their everyday needs. However, outages and Quality of Service degradations can have disastrous impacts on our society. Moreover, web applications have become complex distributed systems, difficult to understand and operate, thus more prone to failures if not managed accordingly. As a result, it is paramount to understand, observe, prevent, detect and correct any issues that may lead to failures.In this thesis, we propose a framework for achieving Observability in cloud-native environments. Observability envisions a deeper understanding of the complex distributed system that web applications have become, representing an improvement from traditional monitoring strategies. The proposed Observability framework is demonstrated via proof-of-concept and deployment in production environments. Furthermore, following the principle of autonomic computing, we also propose an architecture for Observability-driven auto-scaling in Cloud-Native environments. This architecture enables us to correlate auto-scaling to the application workload. We also push a step further by leveraging Machine Learning and enable proactive auto-scaling. We focus on using automation and Observability to increase the Quality of Service metrics during scaling events. Additionally, we explore and demonstrate the benefits and possibility of porting the cloud-native architecture and principles to the Internet of Things. We propose to leverage technologies such as Software-Defined Networking and Software-Defined Radio to provide flexible and re-configurable generic Internet of Things devices.