You are currently viewing « Allocation efficace de ressource Cloud dans l’intérêt du fournisseur et des consommateurs »

« Allocation efficace de ressource Cloud dans l’intérêt du fournisseur et des consommateurs »

L’Ecole doctorale EDITE – Ecole doctorale informatique, télécommunications et électronique et Télécom SudParis avec le Laboratoire de recherche SAMOVAR

présentent
l’AVIS DE SOUTENANCE de Monsieur Thibaud ECAROT
Autorisé à présenter ses travaux en vue de l’obtention du Doctorat de Télécom SudParis avec l’Université Paris 6 en :
Informatique et Réseaux

Quand: le jeudi 29 septembre 2016 à 14 heures – Salle A003
Où: 9 Rue Charles Fourier, 91000 Évry

Membres du jury :
Rapporteurs :

Lila BOUKHATEM – Maître de conférences – Université Paris Sud

François SPIES – Professeur – Université de Franche-Comté – IUT Belfort Montbéliard


Examinateurs :

Pierre SENS – Professeur – Université Paris 6

Yacine GHAMRI-DOUDANE – Professeur – Université de La Rochelle

Cédric BRANDILY – Ingénieur de recherche – THALES Services SAS

Directeur de thèse : Djamal ZEGHLACHE – Professeur

Résumé :
Dans ce travail, nous nous intéressons à la modélisation des ressources Cloud, indépendamment des couches existantes, afin d’apporter un cadre (framework) de représentation unique et ouvert à l’arrivée anticipée du XaaS (Anything as a Service). Nous fournissons, à l’aide de ce framework, un outil de placement des ressources pour une plate-forme donnée. Les travaux de thèse se portent aussi sur la prise en compte des intérêts des utilisateurs ou consommateurs et des fournisseurs. Les solutions existantes ne se focalisent que sur l’intérêt des fournisseurs et ce au détriment des consommateurs contraints par le modèle d’affaire des fournisseurs. La thèse propose des algorithmes évolutionnaires en mesure de répondre à cet objectif.

Abstract:
This thesis focuses on optimal and suboptimal allocation of cloud resources from infrastructure providers taking into account both the users or consumers and the providers interests in the mathematical modeling of this joint optimization problem. Compared to the state of the art that has so far remained provider centric, our algorithms optimize the dynamic allocation of cloud resources while taking into account the users and the providers objectives and requirements and consequently frees the users (or consumers) from provider lock in (providers’ business interests). Evolutionary algorithms are proposed to address this challenge and compared to the state of the art.