La gestion des ressources pour des infrastructures vertes par la reconfiguration. Patricia STOLF
|
|
- Amandine Crépeau
- il y a 8 ans
- Total affichages :
Transcription
1 La gestion des ressources pour des infrastructures vertes par la reconfiguration Patricia STOLF
2 Cursus : 2001 : Diplôme ingénieur informatique INSA 2004 : Doctorat INSA, LAAS-CNRS «Gestion de ressources pour des services déportés sur des grappes d ordinateurs avec qualité de service garantie» 2005 : Poste MCF à l Université Toulouse Jean- Jaurès : ESPE (IUFM), IUT Blagnac Introduction -> Cursus 2
3 Enseignements dans différents établissements de 2001 à aujourd hui : INSA : 1 ère année à la 4 ème année, formation continue ESPE : formation initiale et continue IUT Blagnac : DUT 1 ère et 2 ème année, Licence Professionnelle APSIO Différentes disciplines : système, programmation système, algorithmique et programmation Responsabilités administratives et collectives Responsable de formation LP en alternance et pilotage équipe pédagogique certifications (C2i2mi, C2i2e) Innovation pédagogique : ENT, ressources formations à distance Membre de comités : de sélection, CSQ (Collège Scientifique Qualifié) Président jury de bac Introduction -> quelques éléments de CV 3
4 Mots clés activité de recherche : environnements HPC ou Cloud, autonomic computing, efficacité énergétique Greenpeace Grappe Grille Cloud Env. Exascale Milieu Green500 GreenGrid PUE=E DC /E IT ères thèses «informatique verte» 2012 >2020??? Rapport Koomey Introduction -> Contexte de recherche 4
5 Quelques chiffres d (in)efficacité énergétique 2010 : GreenGrid: sur 188 centres de calcul enquêtés, en moyenne 10% des serveurs jamais utilisés Rapport Koomey: L énergie est consommée majoritairement par le calcul et le refroidissement En 2005, la consommation des centres de calcul représentait 1% de la consommation électrique mondiale Entre 2005 et 2010, l électricité utilisée par les serveurs Google a doublé Métrique PUE (Power Usage Effectiveness) : en moyenne 1,7 en 2014 (étude de l UptimeInstitute) l électricité devient un facteur limitant pour déployer des infrastructures de centres de calcul Introduction -> Contexte de recherche 5
6 Aperçu des approches de la littérature contributions Introduction -> Contexte de recherche 6
7 Comment gérer de manière optimale les ressources afin d obtenir des infrastructures matérielles et logicielles vertes c est-à-dire efficaces en énergie? Centre de décision autonome pour des infrastructures vertes 7
8 Efficacité énergétique des plateformes : Deux approches : Analyse et leviers verts sur le systèmecomplet sans connaissance des applications Construction d une infrastructure hétérogène Middleware vert : placement «energy-aware» et «thermal-aware» Les reconfigurations dans les systèmes autonomiques : Deux formalismes génériques : Modèles UML Graphes Conclusion : centre de décision autonome et projet de recherche 8
9 1 er axe de recherche : efficacité énergétique au niveau système et infrastructure 2 ème axe de recherche : décisions vertes au niveau middleware 3 ème axe de recherche : reconfigurations et informatique autonomique 9
10 Méthodologie pro-activeappliquée au système complet sans connaissance des applications. Motivation : réduire la consommation de l infrastructure en s adaptant dynamiquement à son comportement. Thèse de Landry Tsafack Efficacité énergétique -> Approche système 10
11 Aucune connaissance application leviers verts sur différents composants 1 ère étape : détection de phases = période où métriques sont Stables Compteurs de performance Stats syst(réseau, disque) [GreenCom2013] 11
12 Aucune connaissance application leviers verts sur différents composants 1 ère étape : détection de phases = période où métriques sont Stables 2ème étape : caractérisation de phases 3ème étape : Identification de phase et leviers verts [GreenCom2013] Système complet Classes de label Mémory intensive Compute intensive. [CCPE2014] DVFS Allumage/extinction ALR (réseau). [FGCS2014] reconfigurations MREEF Benchmarks sur Grid % de gains d énergie / on demand 7% dégradation performance 12
13 Diminution de la consommation dynamique de chaque composant système Vers la proportionnalité : Réduction du coût statique Plateforme hétérogène 13
14 Barroso, 2007 : La charge moyenne des serveurs est entre 10 et 50% La puissance idle peut représenter jusqu à 50% de la puissance maximale Une architecture proportionnelle n existe pas. Thèse en cours de Violaine Villebonnet Efficacité énergétique -> Proportionnalité 14
15 Puissance % de P max P max 100% Courbe souhaitée pour l infrastructure Courbe actuelle P min 50% 0 100% Idéesde départ: Inspiration de l implémentation ARM big.little(dispositifs mobiles) Utiliserdes architectures hétérogènesen performance et en consommation Thèse en cours de Violaine Villebonnet charge Efficacité énergétique -> Proportionnalité 15
16 Généralisation pour centres de calcul Big Medium Little Puissance Watts Puissance Watts 220 Puissance Watts idle 90 MaxPerfBigidle MaxPerfMedium 25 5 idle MaxPerfLittle Profils (énergie, performance) Surcoûts (on/off, migration) Caractéristiques applis Prédiction de charge [Parallel Processing Letters 2015] Choix d architectures cibles BML (Big, Medium, Little) Reconfigurations (on/off ; migrations) Efficacité énergétique -> Proportionnalité 16
17 Courbe d 1BIG Courbe de proportionnalité du BML idéal P max d un BIG P min d un LITTLE Efficacité énergétique -> Proportionnalité 17
18 Approche innovante pour constituer un centre de calcul Applicable à un centre de calcul de petite taille Utilisable pour les fédérations de cloud Nécessite un module de prédiction Généralisable à plus d architectures que BML Application à d autres domaines que serveurs web mais caractéristiques à prendre en compte : reconfigurables? malléables? migrables? Pourrait être utilisé pour dimensionner les infrastructures Efficacité énergétique -> Proportionnalité 18
19 1 er axe de recherche : efficacité énergétique au niveau système et infrastructure 2 ème axe de recherche : décisions vertes au niveau middleware 3 ème axe de recherche : reconfigurations et informatique autonomique 19
20 Deux sources de consommation des infrastructures : Alimentation des serveurs Refroidissement : charge processeurs énergie consommée par calcul chaleur produite énergie consommée par le système de refroidissement Ref: Thèse E. Feller, 2011 Gestion efficace des ressources nécessaire Placement efficace pour maîtriser énergie consommée par le calcul (consolidation) Placement efficace pour contrôler la génération de chaleur Middleware vert 20
21 Placement dynamique visant à diminuer la consommation d énergie totale : Allocation, réallocation Besoins en CPU, mémoire mais aucune connaissance du type d application Aucune connaissance du futur Problème NP-complet, compromis QoS/énergie/chaleur, surcouts à prendre en compte Proposition d heuristiques gloutonnes : Consolidation Prise en compte de la chaleur Middleware vert 21
22 Optimisation multi-critères Performance : makespan Consommation d énergie dynamique Production de chaleur o Approches de la littérature: Combinaison linéaire pondérée Optimisation contrainte Priorité Frontière de Pareto o Fonction de coût composite Middleware vert -> Chaleur 22
23 Critère chaleur : Modèles basés sur la dynamique des fluides (simulations CFD) => trop long pour placement enligne Modèle résistance-capacitance (lumpedrc model) et loi de Newton du refroidissement : approximation du comportement thermique (Skadron2002, Sheikh 2012) modèle temporel de la température d un nœud avec Middleware vert -> Chaleur 23
24 Nécessité de prise en compte des interférences entre nœuds voisins modèle spatial de température (Moore, 2005) Modélisation avec matrice D (Tang, 2008) : Combinaison des deux modèles (temporel et spatial) aboutit à un modèle analytique permettant de proposer des algorithmes de placement. Middleware vert -> Chaleur 24
25 Trois niveaux de prise en compte de la production de chaleur Centre de calcul Noeud Noeud Noeud Rack Rack Recherche -> Middleware vert 25
26 Au niveau d un nœud : optimisation performance / t placement avec contrainte de température min makespanavec T i (t) T thresh avec utilisation du modèle spatio-temporel. Heuristique en deux phases : Équilibrage de charge thermique pour choix du nœud Régulation de la température avec DVFS J b J a M 0 T i (t+1) < T thresh Q i J k J j M i T thresh choix du noeud J z M n P i (t+1)du nœud pour ne pas dépasser T thresh Vitesse S ij Post-doc de Hongyang Sun Collaboration avec LIP [Soumis à IPDPS] Middleware vert -> Chaleur 26
27 Au niveau d un ensemble de nœuds : optimisation conjointe Fonctions de coûts mono-objectifs : «Fastest» : minimisation de la date de terminaison de la tâche «Greenest»: J i estallouéà la machine M j qui génèrela consommation d énergiedynamiqueminimum «Coolest» : : J i estallouéà la machine M j qui minimise la température maximale de la sortie d air(en tenant compte de la circulation de chaleur) Middleware vert -> Chaleur 27
28 o Fonction de coût composite multi-critères proposée( fuzzy factor) X, Y deuxobjectifs Avec plus de deux objectifs ou Post-doc de Hongyang Sun [CCGRID2014] Middleware vert -> Chaleur 28
29 Au niveau du centre de calcul : optimisation bi-critères : Coût du refroidissement au niveau du centre de calcul et non plus au niveau d un serveur Coût énergie = coût énergétique du calcul + coût énergétique du refroidissement avec où le COP est le Coefficient de Performance Résolution avec approche «fuzzy factor» avec deux objectifs Post-doc de Hongyang Sun [SUSCOM2014] Middleware vert -> Chaleur 29
30 Validation: placement avec contrainte d énergie et de chaleur : Expérimentations réelles (OpenNebula) Simulation (DCWoRMS, simulateur maison) Différentes charges de travail, différents benchmarks d applications HPC Comparaison avec algorithmes de la littérature : best fit, coolest, greenest Middleware vert 30
31 Post-doc de Hongyang Sun [CCGRID2014] Middleware vert 31
32 Centre de calcul Noeud Noeud Gestion température nœud : -gestion dynamique DVFS et placement -modèle spatio-temporel Rack Noeud Rack Gestion température d un ensemble de nœuds : -placement multi-critères -modèle de température Gestion globale du coût de Refroidissement (centre de calcul : -placement bi-critères -intégration dans métrique énergie 32 Middleware vert
33 1 er axe de recherche : efficacité énergétique au niveau système et infrastructure 2 ème axe de recherche : décisions vertes au niveau middleware 3 ème axe de recherche : reconfigurations et informatique autonomique 33
34 Approche réactive basée sur l informatique autonomique Systèmes dynamiques et à large-échelle Evénements-> reconfigurations vertes 4 paradigmes à implémenter pour l autogestion(kephart, 2003) : Self-configuration (auto-configuration) Self-optimisation (auto-optimisation) Self-protection (auto-protection) Self-healing(auto-réparation) Propriétés self-* Autonomic computing 34
35 ANALYZE MONITOR Knowledge PLAN EXECUTE Logiciels patrimoniaux (boîtes noires) Formalisation de politiques d auto-gestion: Formalisation UML Graphes et réécriture de graphes. Autonomic computing 35
36 Formalisation UML Politique de gestion décrite par diagramme d activité UML OMNI NewLa MA : Master Agent LA : Local Agent SeD: Server Daemon OMNI : OmniNames Recherche -> Autonomic computing Autonomic computing36
37 Formalisation UML Politique de gestion décrite par diagramme d activité UML OMNI 37 Recherche -> Autonomic computing Autonomic computing
38 Avantages Simples à utiliser Algorithmes Applications à différents scénarios de mise en œuvre de propriétés self-* Limitations dans le cas self-protecting Mémorisation des actions nécessaires Annulations Approche basée sur les graphes Correction par construction Thèse de Rémi Sharrock [IJARAS 2011] Autonomic computing 38
39 Formalisation basée sur les graphes Configuration représentée par MA un graphe attribué LA Attributs = propriétés pertinentes OMNI SED, (nature, délai de transmission, services services fournis ) Reconfigurations s expriment avec règles de réécriture (L,R) L (Gauche) R (Droite) MA/LA Temp MA/LA SED, services G G MA MA LA LA LA LA SED, services Temp SED, services SED, services Thèse de Cédric Eichler Autonomic computing 39
40 Style architectural représenté par grammaire de graphes (grammaire générative) Motif minimal de l application Nœuds Ensemble de règles de réécriture (= règles de production) Graphe = instance de la grammaire = motif minimal + suite de règles de productions = état acceptable Autonomic computing 40
41 Grammaire de graphes = correcte par définition Self-protecting: vérification lors de la conception Preuve par théorème et correction par construction Expression d opérations sur les règles de réécriture conservant la correction Extension de la grammaire Attributs interdépendants et dynamiques A, 1 C, 2 D, 32 G, 43 H, 54 Problème: Modification d attributs limitée au sein des règles, risque d effet domino Contraintes au sein des configurations Expression d actions sur le système réel [SOSYM 2014] Autonomic computing 41
42 Deux formalisations de transformations : Génériques Gestion différente de la cohérence : Vérification de la cohérence à la fin de la reconfiguration Vérification à la conception Deux niveaux : UML : expression d une reconfiguration Graphe expression d une transformation Formalisme hybride UML-graphe : Reconfiguration correcte Règle réécriture État correct Règle réécriture État correct 42
43 La propriété la plus importante pour centre de décision vert : self-optimizing Seule la reconfiguration est exprimée Le style architectural est utilisable pour l infrastructure physique Validation sur applications réelles, implémentation dans TUNe 1, Frameself 2, GMTE 3, AGG 4 1 [IJARAS 2011] 2 [Journal of GridComputing2015] 3, 4 [SOSYM 2014] 43
44 Thèse placement d applications sur cluster ou grille-> HDR gestion de ressources avec objectif «vert» : 10 ans de carrière L évolution thématique a suivi l évolution du contexte technologique Exascale 2020 Centre de décision autonome et vert Domaine de recherche de l optimisation Domaine de recherche de l autonomic computing 44
45 Centre de décision autonome et vert : Intégration des décisions vertes dans les outils autonomiques Indépendant du type d infrastructure (cloud, HPC) Gestion optimisée et dynamique de l infrastructure, des ressources et des applications 45
46 ... 46
47 Perspectives Centre de décision : Décision distribuée Coordination de gestionnaires autonomiques : Gestion des événements concurrents Prise en compte d événements électriques et reconfiguration de l infrastructure électrique Intégration de sources d énergie renouvelables (projet ANR Datazero: démarrage oct 2015) 47
48 Transfert à la maison* / ville intelligente Maison / ville alimentée par plusieurs sources Réseau distribué de producteurs, consommateurs Mise en application de reconfigurations pour piloter les différents équipements connectés Optimisation de l infrastructure de service Distribution des ressources : Utilisateurs/producteurs «radiateur-calculateur» *Maison intelligente IUT Blagnac 48
49 HEMERA Projets et contextes applicatifs R. Sharrock Européen ANR Doctorants Financement région Resp. de tâche Resp. scientifique IRIT Co-respde challenge scientifique Avec T. Monteil G. Landry Financement Avec L. Lefèvre, JM. Tsafack 2013 Hemera Piersonet et G. Da Costa C. Eichler Financement ANR V. Villebonnet Financement Hemera AvecT. Monteil et K. Drira Avec L. Lefèvre, JM. Piersonet G. Da Costa I. Khlif Co-tutelle AvecK. Drira, A. Hadj Kacem et M. Hadj Kacem D. Borgetto Post-doctorants Financement ANR Publications Chapitres de livres 3 Journaux 10 Conférences 17 Collaborations LIP (Lyon) LAAS-CNRS (Toulouse) PSNC (Pologne) Université de Sfax (Tunisie) Industriels : Christmann, Atos Origin, QoS Design, Sysfera, Degetel H. Sun Financement européen Avec JM. Piersonet G. Da Costa 49
Ordonnancement sous contraintes de Qualité de Service dans les Clouds
Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 05/12/2014 1 Contexte CLOUD COMPUTING Contexte : Environnement de Cloud
Plus en détailHétérogénéité pour atteindre une consommation énergétique proportionnelle dans les clouds
Hétérogénéité pour atteindre une consommation énergétique proportionnelle dans les clouds Mardi Laurent Lefèvre LIP Inria/ENS Lyon Jean-Marc Pierson, Georges Da Costa, Patricia Stolf IRIT Toulouse Hétérogénéité
Plus en détailIntroduction. Gestion de la consommation énergétique. Contexte du cloud computing Instrumentation et contrôle
Ctrl-Green Projet ANR INFRA (2012-2015) Coordinateur Noel De Palma (UJF/LIG) Partenaires UJF/LIG, ENSEEIHT/IRIT, INRIA, Eolas Business&Decision, Scalagent Introduction Gestion de la consommation énergétique
Plus en détailGestion autonomique de performance, d'énergie et de qualité de service. Application aux réseaux filaires, réseaux de capteurs et grilles de calcul.
Institut National Polytechnique de Toulouse(INP Toulouse) Réseaux, Télécommunications, Système et Architecture Rémi SHARROCK mercredi 8 décembre 2010 Gestion autonomique de performance, d'énergie et de
Plus en détailDOCTORAT DE L UNIVERSITÉ DE TOULOUSE
THÈSE En vue de l obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par : l Institut National des Sciences Appliquées de Toulouse (INSA de Toulouse) Présentée et soutenue le 05/12/2014 par : Tom
Plus en détailElasticité logicielle pour optimiser l empreinte énergétique
Ecole des Mines de Nantes Elasticité logicielle pour optimiser l empreinte énergétique Thomas Ledoux (équipe Ascola, INRIA-EMN, LINA) direction des études décembre 2010 page 1 Relation logiciel empreinte
Plus en détailConception des systèmes répartis
Conception des systèmes répartis Principes et concepts Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT Octobre 2012 Gérard Padiou Conception des systèmes répartis 1 / 37 plan
Plus en détailRetours d expériences et perspectives sur les aspects énergétiques
Retour d expériences Retours d expériences et perspectives sur les aspects énergétiques d un mesocentre (Grenoble) GreenDays@Luxembourg CIMENT, LIG 28-29 Janvier 2013 Bruno Bzeznik Retour d expériences
Plus en détailVers l'orchestration de grilles de PC par les mécanismes de publicationsouscription
Vers l'orchestration de grilles de PC par les mécanismes de publicationsouscription Présentée par Leila Abidi Sous la direction de Mohamed Jemni & Christophe Cérin Plan Contexte Problématique Objectifs
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailEvolution des technologies et émergence du cloud computing Drissa HOUATRA, Orange Labs Issy
Evolution des technologies et émergence du cloud computing Drissa HOUATRA, Orange Labs Issy Séminaire Aristote, 17 Déc. 2009 Ecole Polytechnique Palaiseau Plan L'univers du cloud Ressources Grilles, middleware
Plus en détailagile Datacenter vert Le monde naissant des datacenters de nouvelle génération ICAR-2013 Gérald.Dulac@eolas.fr Ibrahim.Safieddine@eolas.
Le monde naissant des datacenters de nouvelle génération ICAR-2013 Datacenter vert agile Grenoble Lyon Paris Gérald.Dulac@eolas.fr Ibrahim.Safieddine@eolas.fr Datacenter de nouvelle génération vert agile?
Plus en détailInfrastructure de calcul du CRRI
Infrastructure de calcul du CRRI Types d'infrastructures de calcul Calcul Intensif (High Performance Computing) Tâches fortement couplées (codes vectoriels / parallèles) Supercalculateurs, SMP, clusters,
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailGrid 5000 : Administration d une infrastructure distribuée et développement d outils de déploiement et d isolation réseau
: Administration d une infrastructure distribuée et développement d outils de déploiement et d isolation réseau Nicolas Niclausse - INRIA Sophia Antipolis Méditerranée - projet Aladdin Grid 5000 2 juillet
Plus en détailCommunications performantes par passage de message entre machines virtuelles co-hébergées
Communications performantes par passage de message entre machines virtuelles co-hébergées François Diakhaté1,2 1 CEA/DAM Île de France 2 INRIA Bordeaux Sud Ouest, équipe RUNTIME Renpar 2009 1 Plan Introduction
Plus en détailSystème d administration autonome adaptable: application au Cloud
Système d administration autonome adaptable: application au Cloud Alain TCHANA - atchana@enseeiht.fr IRIT/ENSEEIHT, Equipe SEPIA Directeur de thèse : Daniel HAGIMONT et Laurent BROTO Rapporteurs : Jean-Marc
Plus en détailExemple de réalisation dans le cas de projets pilotes Smart Grids. sociétaux» 13 juin, Laas-CNRS Toulouse Jean Wild
Exemple de réalisation dans le cas de projets pilotes Smart Grids «Smart grids au carrefour des enjeux technologiques et sociétaux» 13 juin, Laas-CNRS Toulouse Jean Wild l'essentiel Milliards d euros de
Plus en détailGamme Serveurs HP ProLiant Rack
Gamme Serveurs HP ProLiant Rack Janvier 2015 Copyright 2012 Hewlett-Packard Development Company, L.P. The information contained herein is subject to change without notice. La gamme de produits la plus
Plus en détailPlan du cours. Incarnations/applications du Grid Computing. Super-calcul virtuel
Plan du cours Les grilles informatiques : concepts et infrastructures La grille nationale Grid5000 Modèles de programmation et intergiciels pour le grilles Etude de cas : Globus, MPICH-G2 et GridRPC Taxinomie
Plus en détailInfrastructures Parallèles de Calcul
Infrastructures Parallèles de Calcul Clusters Grids Clouds Stéphane Genaud 11/02/2011 Stéphane Genaud () 11/02/2011 1 / 8 Clusters - Grids - Clouds Clusters : assemblage de PCs + interconnexion rapide
Plus en détailCloud Computing. Introduction. ! Explosion du nombre et du volume de données
Cloud Computing Frédéric Desprez LIP ENS Lyon/INRIA Grenoble Rhône-Alpes EPI GRAAL 25/03/2010! Introduction La transparence d utilisation des grandes plates-formes distribuées est primordiale Il est moins
Plus en détailLES DATACENTRES. ANGD MATHRICE Novembre 2009. Françoise Berthoud Violaine Louvet. Merci à Dominique Boutigny. Site web : http://www.ecoinfo.cnrs.
LES DATACENTRES ANGD MATHRICE Novembre 2009 Françoise Berthoud Violaine Louvet Merci à Dominique Boutigny Site web : http://www.ecoinfo.cnrs.fr Quelques données : La consommation des centres de données
Plus en détailAssemblée générale Aristote
Assemblée générale Aristote Panorama 2011-2012 Philippe d Anfray Philippe.d-Anfray@cea.fr CEA DSM-Saclay CNES 5 juillet 2012 Assemblée générale Aristote CNES 5 juillet 2012 1 / 21 Comité de programme (1)
Plus en détailEnseignant: Lamouchi Bassem Cours : Système à large échelle et Cloud Computing
Enseignant: Lamouchi Bassem Cours : Système à large échelle et Cloud Computing Les Clusters Les Mainframes Les Terminal Services Server La virtualisation De point de vue naturelle, c est le fait de regrouper
Plus en détailUne dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU
Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Gabriel Antoine Louis Paillard Ce travail a eu le soutien de la CAPES, agence brésilienne pour
Plus en détailSemestre HPC. Violaine Louvet. Institut Camille Jordan - CNRS louvet@math.univ-lyon1.fr. Labex MILyon, Printemps 2016
Semestre HPC Violaine Louvet Institut Camille Jordan - CNRS louvet@math.univ-lyon1.fr Labex MILyon, Printemps 2016 V. Louvet (ICJ) Semestre HPC Printemps 2016 1 / 9 Présentation du semestre Modélisation
Plus en détailEmerson montre aux centres de données comment réduire ses coûts énergétiques
Emerson montre aux centres de données comment réduire ses coûts énergétiques Face à des budgets de plus en plus serrés, des inquiétudes sur l empreinte écologique, ainsi que des coûts de plus en plus élevés
Plus en détailEXECUTIVE CERTIFICATE CLOUD COMPUTING
EXECUTIVE CERTIFICATE CLOUD COMPUTING EN PARTENARIAT AVEC LE PREMIER CURSUS CERTIFIANT CLOUD COMPUTING : ARCHITECTURE ET GOUVERNANCE L apport incontestable de l association d une grande école d ingénieurs
Plus en détailConception d une infrastructure «Cloud» pertinente
Conception d une infrastructure «Cloud» pertinente Livre blanc d ENTERPRISE MANAGEMENT ASSOCIATES (EMA ) préparé pour Avocent Juillet 2010 RECHERCHE EN GESTION INFORMATIQUE, Sommaire Résumé........................................................
Plus en détailAudition pour le poste de Maître de conférence INSA Lyon distributed Robotics avec aectation au CITI. Guillaume Lozenguez.
Audition pour le poste de Maître de conférence INSA Lyon distributed Robotics avec aectation au CITI Guillaume Lozenguez Chercheur post-doctorant, École Normale Supérieure de Lyon, CNRS Doctorat en cotutelle
Plus en détailHosting Eolas : Build & Run actif
Grilog : Green IT, Green by IT et Informatique Durable. Hosting Eolas : Build & Run actif Gerald Dulac, Grenoble le 8/6/2010 Le hosting Internet est maintenant une activité qui doit «assurer» dans le cycle
Plus en détailGreening Clouds and High Performance Computing: Challenges and Initiatives
Greening Clouds and High Performance Computing: Challenges and Initiatives Jean-Patrick Gelas, Olivier Glück, Laurent Lefèvre, Mehdi Diouri, François Rossigneux, Ghislain Landry Tsafack Chetsa INRIA AVALON
Plus en détailCQP ADMINISTRATEUR DE BASES DE DONNÉES (ABD) ----------------------------------------------------------------------------------------------------
ORGANISME REFERENCE STAGE : 26587 20 rue de l Arcade 75 008 PARIS CONTACT Couverture : M. Frédéric DIOLEZ Paris, Lyon, Bordeaux, Rouen, Toulouse, Marseille, Tél. : 09 88 66 17 40 Strasbourg, Nantes, Lille,
Plus en détailPrise en compte des ressources dans les composants logiciels parallèles
Prise en compte des ressources dans les composants logiciels parallèles Aperçus de l action RASC et du projet Concerto F. Guidec Frederic.Guidec@univ-ubs.fr Action RASC Plan de cet exposé Contexte Motivations
Plus en détailApprentissage artificiel pour l ordonnancement des tâches dans les grilles de calcul
Université Paris-Sud Apprentissage artificiel pour l ordonnancement des tâches dans les grilles de calcul Thèse de doctorat en vue de l obtention du grade de docteur de l université Paris XI Spécialité
Plus en détailSéminaire Partenaires Esri France 6 et 7 juin 2012 Paris. ArcGIS et le Cloud. Gaëtan LAVENU
Séminaire Partenaires Esri France 6 et 7 juin 2012 Paris ArcGIS et le Cloud Gaëtan LAVENU Agenda Qu'attendent nos clients du Cloud Computing? Les solutions de Cloud ArcGIS dans le Cloud Quelles attendent
Plus en détailLa tête dans les nuages
19 novembre 2010 La tête dans les nuages Démystifier le "Cloud Computing" Jean Bernard, Directeur, Gestion des services Radialpoint SafeCare Inc. Au sujet de Radialpoint Radialpoint offre des solutions
Plus en détailHypervision et pilotage temps réel des réseaux IP/MPLS
Hypervision et pilotage temps réel des réseaux IP/MPLS J.M. Garcia, O. Brun, A. Rachdi, A. Al Sheikh Workshop autonomique 16 octobre 2014 Exemple d un réseau opérateur national 8 technologies : 2G / 3G
Plus en détailMonitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Plus en détailRapport d activité. Mathieu Souchaud Juin 2007
Rapport d activité Mathieu Souchaud Juin 2007 Ce document fait la synthèse des réalisations accomplies durant les sept premiers mois de ma mission (de novembre 2006 à juin 2007) au sein de l équipe ScAlApplix
Plus en détailTransformation vers le Cloud. Premier partenaire Cloud Builder certifié IBM, HP et VMware
Transformation vers le Cloud Premier partenaire Cloud Builder certifié IBM, HP et VMware 1 Sommaire Introduction Concepts Les enjeux Modèles de déploiements Modèles de services Nos offres Nos Références
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailDéploiement générique d applications sur plates-formes hétérogènes distribuées
RenPar 8 / SympA 8 / CFSE 6 Fribourg, Suisse, du au 3 février 8 Déploiement générique d applications sur plates-formes hétérogènes distribuées Benjamin Depardon (Benjamin.Depardon@ens-lyon.fr) Université
Plus en détailMaster Informatique Aix-Marseille Université
Aix-Marseille Université http://masterinfo.univ-mrs.fr/ Département Informatique et Interactions UFR Sciences Laboratoire d Informatique Fondamentale Laboratoire des Sciences de l Information et des Systèmes
Plus en détailContributions à l expérimentation sur les systèmes distribués de grande taille
Contributions à l expérimentation sur les systèmes distribués de grande taille Lucas Nussbaum Soutenance de thèse 4 décembre 2008 Lucas Nussbaum Expérimentation sur les systèmes distribués 1 / 49 Contexte
Plus en détailSéminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri
Séminaire Partenaires Esri France 7-8 juin 2011 - Paris Cloud Computing Stratégie Esri Gaëtan LAVENU Plan de la présentation Evolution des architectures SIG Qu'est ce que le Cloud Computing? ArcGIS et
Plus en détailChapitre 2. Cluster de calcul (Torque / Maui) Grid and Cloud Computing
Chapitre 2. Cluster de calcul (Torque / Maui) Grid and Cloud Computing 2. Cluster de calcul (Torque/Maui) Batch/Job Scheduler Gestion automatique d'une séries de jobs Interface de définition des jobs et
Plus en détailContrôlez et Maîtrisez votre environnement de messagerie Lotus Notes Domino
Contrôlez et Maîtrisez votre environnement de messagerie Lotus Notes Domino avec MailFlow Analyzer TM un produit de l Infrastructure Management Suite TM Copyright COOPERTEAM SOFTWARE 2013 La gestion de
Plus en détailDATA CENTER. Règles d'ingénierie du Data Center DATA CENTER
Règles d'ingénierie du Data Center SOMMAIRE La problématique La climatisation Les planchers techniques L énergie L urbanisation L industrialisation Conclusion LA PROBLEMATIQUE Rappel sur les Tiers Chaque
Plus en détailLes participants repartiront de cette formation en ayant une vision claire de la stratégie et de l éventuelle mise en œuvre d un Big Data.
Big Data De la stratégie à la mise en oeuvre Description : La formation a pour objet de brosser sans concession le tableau du Big Data. Les participants repartiront de cette formation en ayant une vision
Plus en détailLes environnements de calcul distribué
2 e Atelier CRAG, 3 au 8 Décembre 2012 Par Blaise Omer YENKE IUT, Université de Ngaoundéré, Cameroun. 4 décembre 2012 1 / 32 Calcul haute performance (HPC) High-performance computing (HPC) : utilisation
Plus en détailSolutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA. Xavier Brunotte info@vesta-system.
Solutions logicielles de gestion énergétique coopérante smart building in smart grid : Exemple CANOPEA Xavier Brunotte info@vesta-system.com Agenda Vesta-System et principe de son gestionnaire de son gestionnaire
Plus en détailMesurer la consommation électrique des serveurs dans les data-centers: besoins & challenges Code-Watchers!
Mesurer la consommation électrique des serveurs dans les data-centers: besoins & challenges Code-Watchers! Laurent Lefèvre Inria - laurent.lefevre @ inria.fr M. Diouri, J.-P. Gelas, O. Gluck, A.-C. Orgerie,
Plus en détailIndicateurs Normes Codes de conduite. Françoise Berthoud Grenoble, 12 juin 2012
Indicateurs Normes Codes de conduite Françoise Berthoud Grenoble, 12 juin 2012 Pas de normes globales.. Mais 2 initiatives importantes Recenser les Normes concevoir un document (2013) (Coordination Group
Plus en détailJournée Scientifique Onera
[[À la croisée des révolutions numériques]] Journée Scientifique Onera Date : 20 mai 2014 Lieu : ONERA - Centre de Châtillon - 29 avenue de la Division Leclerc, 92322 Inscription : Gratuite Obligatoire.
Plus en détailLa Virtualisation Windows chez CASINO. Philippe CROUZY Responsable Infrastructure Equipes Systèmes -Stockage
La Virtualisation Windows chez CASINO Philippe CROUZY Responsable Infrastructure Equipes Systèmes -Stockage Sommaire Contexte Datacenters La virtualisation chez Casino Notre démarche Feuille de route Bilan
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailCQP Développeur Nouvelles Technologies (DNT)
ORGANISME REFERENCE STAGE : 26572 20 rue de l Arcade 75 008 PARIS CONTACT Couverture géographique : M. Frédéric DIOLEZ Bordeaux, Rouen, Lyon, Toulouse, Marseille Tél. : 09 88 66 17 40 Nantes, Lille, Strasbourg,
Plus en détailL offre Stockage et serveurs System x / BladeCenter F.Libier, Business Partner Technical Manager
L offre Stockage et serveurs System x / BladeCenter F.Libier, Business Partner Technical Manager 2009 IBM Corporation Une offre IBM optimisée pour les infrastructures dynamiques Réduire les coûts Améliorer
Plus en détailNUMECA et son bureau d études NUMFLO, spécialisé dans la simulation numérique des effets du vent 06-11-2013
Propositio n NUMECA et son bureau d études NUMFLO, spécialisé dans la simulation numérique des effets du vent Guillaume Terlinden Sales Engineer, NUMECA Virginie Barbieux Head of Consulting Group, NUMFLO
Plus en détailExposé de Pérennisation Comission de la Recherche 26 juin 2014
Enseignant-Chercheur en informatique MINES ParisTech PSL Research University CRI (Centre de Recherche en Informatique) Exposé de Pérennisation Comission de la Recherche 26 juin 2014 2 Université de Rennes/IRISA
Plus en détailChapitre 4: Introduction au Cloud computing
Virtualisation et Cloud Computing Chapitre 4: Introduction au Cloud computing L'évolution d'internet Virt. & Cloud 12/13 2 Définition Le cloud computing est une technologie permettant de délocaliser les
Plus en détailMAGNA3 BIEN PLUS QU UN CIRCULATEUR
MAGNA3 BIEN PLUS QU UN CIRCULATEUR Gamme complète de circulateurs intelligents à haut rendement énergétique pour les installations de chauffage/climatisation, les systèmes géothermiques et les applications
Plus en détailLe Cloud Compu+ng modèle et évalua+on de performances
Le Cloud Compu+ng modèle et évalua+on de Par Valérie D. JUSTAFORT Candidate au Ph.D. École Polytechnique 28 Mars 2014 Sous la direction de M. Samuel PIERRE, Ph.D. École Polytechnique Et la co-direction
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailCloud Computing : Généralités & Concepts de base
Cloud Computing : Généralités & Concepts de base Les 24èmes journées de l UR-SETIT 22 Février 2015 Cette oeuvre, création, site ou texte est sous licence Creative Commons Attribution - Pas d Utilisation
Plus en détailModèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit
Modèles et algorithmes pour le conseil et la gestion des préférences en configuration de produit Revue à mi parcours du projet ANR Blanc «BR4CP» Hélène Fargier - IRIT Résolution interactive Le «catalogue»
Plus en détailArchitectures informatiques dans les nuages
Architectures informatiques dans les nuages Cloud Computing : ressources informatiques «as a service» François Goldgewicht Consultant, directeur technique CCT CNES 18 mars 2010 Avant-propos Le Cloud Computing,
Plus en détailTests de SlipStream sur les plateformes StratusLab@LAL et OpenStack@CC-IN2P3 : vers la. Vers la fédération du Cloud computing
Tests de sur les plateformes StratusLab@LAL et OpenStack@CC-IN2P3 : vers la fédération du Cloud computing Cécile Cavet1 & Charles Loomis2 (1) Centre François Arago, Laboratoire, Université Paris Diderot,
Plus en détailPortefeuille de solutions HP pour la virtualisation
Portefeuille de solutions HP pour la virtualisation Table des Matières Introduction P3 1. Les avantages de la Virtualisation P4 2. La valeur Ajoutée HP P6 3. La valeur Ajoutée Intel P8 4. Le portefeuille
Plus en détailHébergement MMI SEMESTRE 4
Hébergement MMI SEMESTRE 4 24/03/2015 Hébergement pour le Web Serveurs Mutualités Serveurs Dédiés Serveurs VPS Auto-Hébergement Cloud Serveurs Mutualités Chaque Serveur héberge plusieurs sites Les ressources
Plus en détailOutil d aide au choix Serveurs Lot 4 Marché Groupement de Recherche
Outil d aide au choix Serveurs Lot 4 Marché Groupement de Recherche Serveurs DELL PowerEdge Tour Rack standard R310 T110II Rack de calcul Lames R815 M610 R410 R910 M620 R415 R510 T620 R620 R720/R720xd
Plus en détailPassez d une vision passive de votre consommation énergétique à une gestion active de l énergie
Passez d une vision passive de votre consommation énergétique à une gestion active de l énergie Les services de gestion de l énergie Schneider Electric valorisent votre datacenter. Schneider Electric www.schneider-electric.com
Plus en détailCloud Computing, discours marketing ou solution à vos problèmes?
Cloud Computing, discours marketing ou solution à vos problèmes? Henri PORNON 3 avril 2012 IETI Consultants 17 boulevard des Etats-Unis - F-71000 Mâcon Tel : (0)3 85 21 91 91 - fax : (0)3 85 21 91 92-
Plus en détailSystèmes Répartis. Pr. Slimane Bah, ing. PhD. Ecole Mohammadia d Ingénieurs. G. Informatique. Semaine 24.2. Slimane.bah@emi.ac.ma
Ecole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 24.2 1 Semestre 4 : Fev. 2015 Grid : exemple SETI@home 2 Semestre 4 : Fev. 2015 Grid : exemple SETI@home
Plus en détailOptimisation for Cloud Computing and Big Data
1 / 31 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 31 Le Cloud, qu est-ce que c est? C est récent Amazon qui commence (2006) avec AWS Dropbox, Google App Engine
Plus en détailPRÉSENTE SES SERVEURS L ESPACE LE PLUS INNOVANT POUR FAIRE TRAVAILLER VOS DONNÉES EN TEMPS RÉEL
PRÉSENTE SES SERVEURS L ESPACE LE PLUS INNOVANT POUR FAIRE TRAVAILLER VOS DONNÉES EN TEMPS RÉEL La solution simple et efficace aux 3 défis majeurs de la direction informatique. Des bénéfices concrets,
Plus en détailTitre : La BI vue par l intégrateur Orange
Titre : La BI vue par l intégrateur Orange Résumé : L entité Orange IT&L@bs, partenaire privilégié des entreprises et des collectivités dans la conception et l implémentation de SI Décisionnels innovants,
Plus en détailJournée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
Plus en détailCours de Génie Logiciel
Cours de Génie Logiciel Sciences-U Lyon Diagrammes UML (2) http://www.rzo.free.fr Pierre PARREND 1 Avril 2005 Sommaire Les Diagrammes UML Diagrammes de Collaboration Diagrammes d'etats-transitions Diagrammes
Plus en détailConception et contrôle des SMA tolérants aux fautes
Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées
Plus en détailRetour d expérience en Astrophysique : utilisation du Cloud IaaS pour le traitement de données des missions spatiales
Retour d expérience en Astrophysique : utilisation du Cloud IaaS pour le traitement de données des missions spatiales Cécile Cavet cecile.cavet at apc.univ-paris7.fr Centre François Arago (FACe), Laboratoire
Plus en détailJASMINe. Outils de gestion et supervision d'infrastructure intergicielle. Francois.Exertier@bull.net
Outils de gestion et supervision d'infrastructure intergicielle Francois.Exertier@bull.net Agenda Introduction à Outil d'aide à la configuration Outil d'aide à la maintenance Outil d'aide à la supervision
Plus en détailORACLE 10g Découvrez les nouveautés. Jeudi 17 Mars Séminaire DELL/INTEL/ORACLE
ORACLE 10g Découvrez les nouveautés Jeudi 17 Mars Séminaire DELL/INTEL/ORACLE Le Grid Computing d Entreprise Pourquoi aujourd hui? Principes et définitions appliqués au système d information Guy Ernoul,
Plus en détailhttp://www.association-aristote.fr info@association-aristote.fr Edition du 14 Messidor an CCXX (vulg. 2 juillet 2012) c 2012 Aristote
Compte-rendu du séminaire du 5 juin 2012 Green IT & Cloud Issu des travaux du Comité de Programme de l association, le séminaire Green IT & Cloud s est tenu le 5 juin 2012 à l Ecole Polytechnique à Palaiseau.
Plus en détailCAP CAMION A ASSISTANCE PNEUMATIQUE
Séminaire mi parcours Stock-e 2010 CAP CAMION A ASSISTANCE PNEUMATIQUE Iyad Balloul Renault Trucks - iyad.balloul@volvo.com Eric Bideaux INSA Lyon - eric.bideaux@insa-lyon.fr Marc Michard LMFA - Marc.Michard@ec-lyon.fr
Plus en détailANeXiti 33 quai Arloing 69337 lyon cedex 09 04 72 78 31 56 contact@anexiti.com
un nuage de services Notre Approche " Depuis son bond en avant vers les nuages, la planète informatique est en pleine révolution! À l'heure des choix, vous vous posez des questions, et c'est légitime.
Plus en détailBull, un catalogue de service particulier pour répondre aux environnements complexes
Bull, un catalogue de service particulier pour répondre aux environnements complexes 20 mars 2014 Bull Data Infrastructure Fabien Palange Product Manager x86 Bull, 2012 1 Agenda Présentation Bull Introduction
Plus en détailEtude d architecture de consolidation et virtualisation
BOUILLAUD Martin Stagiaire BTS Services Informatiques aux Organisations Janvier 2015 Etude d architecture de consolidation et virtualisation Projet : DDPP Table des matières 1. Objet du projet... 3 2.
Plus en détailEt si l avenir de votre CFD passait par OPEN FOAM?
ACE MENU Et si l avenir de votre CFD passait par OPEN FOAM? OPEN FOAM solution d avenir? Pour qu Open FOAM soit une solution d avenir pour vos sociétés il faut : Que vous en soyez convaincus dès maintenant
Plus en détailTRANSFORM IT + BUSINESS + YOURSELF
TRANSFORM IT + BUSINESS + YOURSELF Copyright 2012 EMC Corporation. All rights reserved. 2 Vos environnements SAP sont complexes et couteux : pensez «replatforming» TRANSFORM IT+ BUSINESS + YOURSELF Alexandre
Plus en détailRésolvez vos problèmes d énergie dédiée à l informatique
Résolvez vos problèmes d énergie dédiée à l informatique GRÂCE À UNE SOLUTION ENERGY SMART DE DELL Surmonter les défis énergétiques des datacenters Les responsables informatiques ont un problème urgent
Plus en détailMasses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA
Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide
Plus en détailAdministration d'infrastructures logicielles avec Jade
Administration d'infrastructures logicielles avec Jade Daniel Hagimont IRIT, décembre 2006 Contexte Infrastructures logicielles réparties Complexité et hétérogénéité Besoin d administration Fonctions d
Plus en détailProjet Optiperf : les ressources du calcul parallèle à destination des architectes navals
Projet Optiperf : les ressources du calcul parallèle à destination des architectes navals Pierre-Michel Guilcher, Olivier Payen, Aurélien Drouet, Erwan Jacquin Plan de l exposé Contexte général Définition
Plus en détail