Vers une gestion adaptative des réseaux complexes : cas de la surveillance décentralisée de données agrégées

Towards adaptive management of complex networks : the case of decentralized aggregated data monitoring

• Auteur / Autrice : Rafik Makhloufi
• Direction : Guillaume Doyen, Dominique Gaïti
• Type : Thèse de doctorat
• Discipline(s) : Réseaux, connaissances, organisations
• Date : Soutenance en 2012
• Etablissement(s) : Troyes
• Ecole(s) doctorale(s) : Ecole doctorale Sciences pour l'Ingénieur (Troyes, Aube)

Mots clés

Mots clés contrôlés

Logique floue

Décision multicritère

Acquisition automatique des données

Réseaux d'ordinateurs

Systèmes adaptatifs

Informatique autonome

Résumé

Les infrastructures de gestion autonomes basées sur des fonctions self-* offrent un premier degré d'autonomie mais restent souvent fondées sur des approches non-adaptatives. Cependant, leurs réseaux cibles sont dynamiques en termes, par exemple, de taille, mobilité, services et usages. Adapter ces infrastructures au contexte opérationnel des réseaux qui les supportent est donc essentiel pour garantir leur performance et minimiser leur coût. Le travail mené dans cette thèse vise à concevoir une infrastructure de gestion autonome capable de s'auto-adapter au contexte opérationnel du réseau qu'elle contrôle. La fonction de gestion à laquelle nous nous intéressons est la surveillance décentralisée d'informations agrégées, qui peut être basée sur des protocoles épidémiques, à base d’arbres ou de vue située. Pour ce faire, nous proposons une approche auto-adaptative et décentralisée, basée entre autres sur l'inférence floue et sur la prise de décision multicritère. Pour cela, nous avons étudié les protocoles d'agrégation existants, puis nous avons comparé un protocole représentatif de chaque catégorie. En se fondant sur ces résultats, l'approche proposée analyse continuellement l'état du réseau afin de déduire les propriétés du contexte courant et choisit la stratégie d'agrégation adéquate en fonction de celui-ci. Ainsi, la stratégie sélectionnée est celle qui maximise la performance de l'agrégation et minimise son coût. La validation multicritère par simulation de l’approche proposée montre que celle-ci fournit une bonne performance avec un coût acceptable

Autonomous management infrastructures based on self-* functions currently offer a first degree of autonomy, but they are often based on non-adaptive approaches. Conversely, their target networks are dynamics in terms of, for example, size, mobility, services and usages. Thus, adapting self-management infrastructures to the supporting network operational behavior is essential in order to ensure their performance and minimize their cost. The work carried out in this thesis aims at de-signing an autonomous management infra-structure able to adapt itself to the operational context of the managed network. The management function we are interested in is the decentralized monitoring of aggregated information, which can be based on gossip, aggregation trees or situated view protocols. To achieve these objectives, we propose a de-centralized self-adaptive management frame-work, based on fuzzy inference and multiple criteria decision making. For this purpose, we surveyed the existing decentralized aggregation protocols, and then we benchmarked one typical protocol from each category. Based on the obtained results, the proposed approach continuously analyzes the network state in order to retrieve the properties of the current context, and then selects the best aggregation strategy to use accordingly. Thus, the selected strategy is the one that maximizes the performance of the aggregation and minimizes its cost. The multiple criteria validation of the pro-posed approach through simulation shows that this one provides a good performance with an acceptable cost