L'utilisation des flux de travaux (workflows) pour l'analyse de grands jeux de données phylogénétiques: la plateforme Armadillo
|
|
- Pauline Rachel Dumas
- il y a 8 ans
- Total affichages :
Transcription
1 L'utilisation des flux de travaux (workflows) pour l'analyse de grands jeux de données phylogénétiques: la plateforme Armadillo Etienne Lord étudiant au doctorat en informatique Directeur de recherche : Vladimir Makarenkov, professeur au département d Informatique de l UQAM Codirecteur : Abdoulaye Baniré Diallo, professeur au département d Informatique de l UQAM
2 Sommaire La bioinformatique Les flux de travaux / flux de données Nomenclature des flux de données Systèmes de gestions de flux de travaux Les systèmes de gestions de flux de travaux en bioinformatique Galaxy Taverna La plateforme Armadillo orientée vers la phylogénétique Cas d utilisations Orientation dans le développement et défis Références
3 L évolution de la bioinformatique
4 L évolution de la bioinformatique Stratton MR, Campbell PJ, Futreal PA. (2009) The cancer genome. Nature. 458(7239):
5 L évolution de la bioinformatique Gibson TA. (2012) The roots of bioinformatics in ISMB. PLoS Comput Biol. 8(8):e
6 L évolution de la bioinformatique: deux solutions au problème des données
7 Première approche: création de logiciels parallèles Apache Hadoop (Application du Map-Reduce de Google) Programmation parallèle (Interface MPI, OpenMP, Nvidia CUDA, OpenCl) Cluster CPU ou GPU
8 Première approche: logiciel parallèles en bioinformatique Logiciels présentant de la parallélisation en bioinformatique Software Type API References HyPhy Genetic sequence analysis Apache Hadoop (OpenMP) distributed, MPI and gpgpu GARD Recombinant detection MPI Pond et al (Application (OpenCL, next du Map-Reduce release) de Google) Kosakovsky Pond et al Trex HGT Horizontal gene transfers MPI Boc et al fastdnaml Phylogenetic inference MPI, PVM Stewart et al mpiblast Sequence search MPI Darling et al. 2003, Lin et al Clustal-MPI MSA MPI Li, 2003 GPU-ClustalW MSA CUDA Liu et al pclustal MSA MPI Cheetham et al Programmation parallèle (Interface MPI, OpenMP, Liu et al (pas le Nvidia CUDA, OpenCl) même) MSAProbs MSA CUDA Liu et al Hybrid ClustalW MSA MPI/OpenMP (hybrid) Tan et al CUDA-BLASTP Sequence search CUDA mpicuda-blastp Sequence search MPI/CUDA (hybrid) Liu et al. 2011(pas le même) MPI-HMMER Sequence search MPI Walters et al GPU-HMMER Sequence search CUDA Walters et al PhyML Phylogenetic inference MPI / OpenMP (hybrid) Guindon et al. 2010
9 Deuxième approche: évolution des logiciels Applications Gestion par base de données (DBMS) Gestion de l interface (UIMS) Gestion de flux de travaux Systèmes de gestion de flux de travaux (WFMS) Chaque application a son système de données Pas d échange de données Les données sont sorties des applications L interface utilisateur est sortie des applications (MVC) La gestion du processus d affaire est sortie de l application Des processus d affaires peuvent être gérés en parallèle Aujourd hui Évolutions des logiciels. Hey. T, Tansley. S, Tolle, K. (2009) The Fourth Paradigm: Data-Intensive Scientific Discovery.
10 Deuxième approche: diviser la tâche en sous-tâches Workflows / flux de travaux Source Code source Transitions + Portabilité (pas de recompilation) + Automatisation + Scale-up facilité + Simplification de la cognition Puit Taverna Workflow System
11 Flux de travaux: définition générale d un workflow «Réseau de Pétri (T,P,A) comprenant une source (s) P, un puits (p) P et pour lequel chaque transition t P U T se retrouve dans un chemin de s à p. Normalement un graphe dirigé acyclique.» Jeton Séquences Source ClustalW Transition Action Tâche Logiciels d alignement de séquences Multiples et d inférence phylogénétique Jeton Choix du logiciel Muscle Mafft Place Puit Fin PhyML État Wil van van der Aalst, Kees van van Hee Workflow Management: Models, Methods, and Systems (Cooperative Information Systems series) The MIT Press (January 30, 2004)
12 Définitions Processus Suite de tâches exécutées dans un ordre pour compléter un cas. Synonymes: workflow, WF-net, procédure Tâche Processus atomique. Synonymes: transition, action, processor Exemple: exécutable Place Éléments passifs décrivant des conditions. Jeton Object ou donnée dans un workflow, réseau de Pétri précisant sont état. Synonymes: cas, tokens, context Exemple: liste de gènes Wil van der Aalst and Kees van Hee Workflow management: Models, Methods and Systems.
13 Flux de travaux: data-flow et control-flow Un data-flow, est un flux de travaux (workflow) dans lequel l ordonnancement des tâches est déterminé par la disponibilité des données. Plusieurs tâches peuvent ainsi être exécutées en parallèle sans qu une structure de flux de travaux particulière soit définie. Par contre, les flux de travaux traditionnels utilisés dans le domaine des affaires sont des control-flows. Dans un control-flow, l ordonnancement des tâches est déterminé par un ordre imposé par la complétion des tâches. Migliorini, S., Gambini, M., La Rosa, M. et ter Hofstede, A.H.M. (2011) Pattern-Based Evaluation of Scientific Workflow Management Systems. BPM Center Report BPM-11-03, BPMcenter.org, 2011.
14 Caractéristiques des systèmes de gestion de workflows (WfMS) Permet l interaction Supporte la reproductibilité dans les résultats. Intègre des services (e.g. services Web) et de logiciels hétérogènes. Supporte la distribution et la gestion de données hétérogènes. Support pour les plateformes hautes performances. Permet la surveillance pendant le fonctionnement et permet la reprise même dans le cas d erreurs. Permet une interconnexion avec d autres systèmes (e.g. de flux de travaux, d ordinateurs en réseau) Local Client-Serveur Services web (en ligne ou sur le nuage) Langage, recherche sur les flux de travaux Kepler (2004-) Taverna (2003-) Engins d exécution Triana (1997-) LONI (2003-) Galaxy (2005-)
15 Workflow en bioinformatique Plateforme Classe Flux de travaux Accès au «nuage» Application Kepler Local Data-flow Galaxy Web Data-flow Taverna LONI Bio-Jeti Triana Armadillo Local, services Web Local, services Web Local, services Web Client- Serveur Local Data-flow Oui (Ecogrid) O ui (Amazon EC2) Oui (mygrid) Général Bioinformatique Bioinformatique Data-flow Oui Bioinformatique Control-flow Oui Bioinformatique Data-flow/ Control-flow Data-flow/ Control-flow Oui Non Général Phylogénétique Kepler ( Galaxy ( Taverna ( LONI ( Bio-Jeti ( Triana ( Armadillo (
16 Problématiques résolues par les workflows en bioinformatique? Comment nous sauver du temps? Comment nous assurer des résultats? Comment conserver nos résultats? Comment réutiliser nos protocoles sur de plus grands jeux de données? Comment s assurer que nos protocoles soient efficaces?
17 Phylogénétique et phylogénomique
18 La phylogénétique L inférence phylogénétique est une méthodologie permettant d émettre des hypothèses sur l évolution des espèces. Kalign BAli-phy ClustalW2 Mafft fastdnaml PhyML TreeDist (Phylip) CONSENSE (Phylip) DNADIST (Phylip) DNAML (Phylip) DNAML- Erate Muscle Probcons T-Coffee DNAPARS (Phylip) NEIGHBOR (Phylip) PROML (Phylip) PRODIST (Phylip) RETREE (Phylip) SEQBOOT (Phylip) Séquences Alignement de séquences Alignement Inférence de l arbre Arbre Choix des signaux Orthologues? Signaux phylogénétiques? dbfetch (Web EBI) EB-Eye (Web EBI) Ncbi Ncbi eutils Download (Pubmed) Fetch Sequences Ncbi BioMart* GBlock BLAST Schématisation de l inférence d un arbre phylogénétique. Voir pour revue Philippe et al. (2011). Resolving difficult phylogenetic questions: why more sequences are not enough. PLoS Biol. 9:e
19 La phylogénomique Applique des principes de l analyse phylogénétique hiérarchiser l évolution des espèces, mais propose l utilisation de la totalité de l information génomique (e.g. structure du génome). Phylogénétique Phylogénomique Données Inférence d arbres phylogénétiques Protocoles Acquisition et choix des signaux Fichiers (Gènes) Logiciels Comparables Manuelle (alignement, etc.) Bases de données (Génomes) Collections de logiciels (?) Incomparables (?) Automatique (?) Exécution Locale Distribuée Les points d interrogation (?) constituent des sujets de recherche actuels. Philippe et al. (2011) Resolving difficult phylogenetic questions: why more sequences are not enough? PLoS Biol. 9:e
20 Exemple de workflows en recherche phylogénomique Méthodes (13) 120,000 séquences Logiciels (3) Un standard de reconstruction phylogénomique par Peters et al., (2011) BMC Biology 9:55
21 LONI Service webs et Local Langage Java Données externes Data-flow sans programmation Bioinformatique Requiert une liaison Internet Universitaire (projet de recherche) Bioinformatique pipeline.loni.ucla.edu
22 Galaxy Serveur Web ou Serveur Local Langage Python et PHP Data-flow Gratuit / Open source Next-generation sequencing (NGS) Traitement de données tabulaires Génétique des SNPs Web seulement avec possibilité d utilisation de Amazon Cloud ($$$) Le système de gestion de flux de travaux Galaxy ( Giardine, B. et al. (2005). Galaxy: a platform for interactive large-scale genome analysis, Genome Res.15:
23 Galaxy ( Next generation sequencing Exemples de workflows
24 Galaxy (
25 Sous-workflow dans Galaxy (2012) Goecks J, Coraor N, Team TG, Nekrutenko A, Taylor J. NGS analyses by visualization with Trackster. Nat Biotechnol Nov;30(11):
26 Galaxy: on Amazon Cloud Afgan, E et al. (2012) Galaxy CloudMan: delivering cloud compute clusters. BMC Bioinformatics. 11 Suppl 12:S4.
27 L approche de Taverna Local (Services webs) Langage Java Données internes Data-flow et control-flow avec programmation Bioinformatique Gratuit / Open source Requiert une liaison Internet Universitaire (projet de recherche) Développé par Microsoft
28 Répertoire de workflows (myexperiment.org) myexperiment.org
29 Exemple de workflows dans Taverna A B C
30 Taverna (suite) Taverna Workflow System Type de données simples (boolean, int, float, string ) Utilise des fichiers et non une base de données Hull et al. (2006) Taverna: a tool for building and running workflows of services., Nucleic Acids Research, vol. 34, Oinn et al. (2004) Taverna: a tool for the composition and enactment of bioinformatics workflows. Bioinformatics. 20(17):
31 Tavaxy : lien entre Taverna et Galaxy Abouelhoda M, Issa SA, Ghanem M. Tavaxy: integrating Taverna and Galaxy workflows with cloud computing support. BMC Bioinformatics May 4;13:77.
32 L approche de Armadillo Application WFMS UIMS DBMS Système exploitation Application WFMS UIMS DBMS Système exploitation Logiciels Java Windows, MAC OS X Lord E, Leclercq M, Boc A, Diallo AB, Makarenkov V. Armadillo 1.1: an original workflow platform for designing and conducting phylogenetic analysis and simulations. PLoS One. 2012;7(1):e29903.
33 Armadillo utilise des «types de données» biologiques définies Workflows Types définis Sequence DBMS SQLite (Un fichier) Multiple Sequences Alignment Ancestrale sequences ************************************************************************************************ **** Armadillo v1.0 New Execution started -Running workflow. -Started at :19:28 ************************************************************************************************ **** Running Ncbi eutils... Initialization... Running Ncbi eutils <-Program Output-> Term :bioinformatic+or+bioinformatics URL: eartics&retmax=25 ================================================= DatabaseFrom (Advanced) : ================================================= Tree Multiple Trees Text Sortie des logiciels API Applications locales Rapport HTML Services web GUI Engin d exécution (data-flow et control-flow) Lord E, Leclercq M, Boc A, Diallo AB, Makarenkov V, (2012) Armadillo 1.1: An Original Workflow Platform for Designing and Conducting Phylogenetic Analysis and Simulations. PLoS ONE 7(1): e29903.
34 Armadillo Local Langage Java Données internes Data-flow et Control-flow sans programmation Phylogénomique Données Logiciels et méthodes Données + Logiciels et méthodes Gratuit / Open source Phylogénétique / phylogénomique Pas de liaison Internet Universitaire (projet de recherche) Développé par l UQAM Le système de gestion de flux de travaux, Armadillo (
35 Armadillo (suite) A B C D A) Données, B) Outils, C) Flux de travaux exécutés ou non, D) Création de flux de travaux avec boucle (For each) et conditions d exécution (If)
36 Création d un «langage» d applications communes Local (80%) Alignment information Muscle (Web EBI) fastdnaml DNAPARS (Phylip) BAli-phy Probcons PhyML NEIGHBOR (Phylip) ClustalW ClustalW2 ClustalW2 (Web EBI) T-Coffee (Web EBI) RootTree (using MidPoint) PROML (Phylip) HGT Detector (UQAM) Robinson& Fould (UQAM) PRODIST (Phylip) LatTrans TreeDist (Phylip) RETREE (Phylip) Kalign PhyloNet v2.1 - RiataHGT CONSENSE (Phylip) SEQBOOT (Phylip) Kalign (Web EBI) Ancestor (UQAM) DNADIST (Phylip) PaML (baseml) Mafft (Web EBI) jmodeltest (Nucleic Acid) DNAML (Phylip) PaML (codeml) Muscle ProtTest (Amino Acid) DNAML- Erate PaML (yn00) Phylogénétique Convert to Protein or DNA Filter Concatenate Create Groups Download from WWW Load Files Load Sequences Load Trees Regular Expression Rename Remove Save to File Split Custom Run Java Program (Code) Random Sequences Random Trees Seq-Gen Generate HTML Archaeopteryx Scriptree Output to Screen Rshell* SQL Database query Blast Download Create Local BlastDB LocalBlast Distant (20%) dbfetch (Web EBI) Base de données Web EB-Eye (Web EBI) Ncbi Download Ncbi eutils (Pubmed) Fetch Sequences Ncbi BioMart* Blast Web Ncbi Blast Windows, Linux, MAC OS X
37 Comparaison entre les plateformestaverna et Armadillo A B Taverna Armadillo C
38 Téléchargement de Armadillo v1.1 Accès adn.bioinfo.uqam.ca/armadillo à Armadillo v1.1
39 Exemple de logiciels phylogénétiques inclus dans Armadillo Suchard MA and Redelings BD (2006) BAli-Phy: simultaneous Bayesian inference of alignment and phylogeny, Edgar, R.C. (2004) MUSCLE: multiple sequence alignment with high accuracy and high throughput. Classique Do CB, Mahabhashyam MS, Brudno M, Batzoglou S (2005) ProbCons: Probabilistic consistency-based multiple sequence alignment. Talavera, G., and Castresana, J. (2007). Improvement of phylogenies after removing divergent and ambiguously aligned blocks from protein sequence alignments. Systematic Biology 56,
40 Prospective et conclusion
41 Défis à long termes de la recherche dans les workflows Plateforme hétérogène (clusters) Irrégularité des communications Problème de stabilité des plateformes hautes performances (e.g. MPI ne prend pas en compte les erreurs)
42 Défis à long termes de la recherche dans les workflows Algorithmes de scheduling (critères d exécution: temps minimal, énergie minimale, coût minimal, fiabilité) Algorithmes de partage des données (réplication) Algorithmes de sauvegarde à des points précis (checkpoint) Anne Benoit, Umit Catalyurek, Yves Robert and Erik Saule, "A Survey of Pipelined Workflow Scheduling: Models and Algorithms", Report RRLIP , September 2010 Yves Robert, Frédéric Vivien, and Dounia Zaidouni, "Combining process replication and checkpointing for resilience on exascale systems", INRIA Research report RR-7951, June 2012.
43 Algorithmes de partage des données et checkpoint Génome ( Gb) Problématiques Complexité: NP-Complet - Distributions des données - Mémoire disponible par node - Sauvegarde de quel états pour minimiser le critère d exécution - Comment soumettre le workflow a une file d exécution (e.g. Sun Grid Engine, Hadoop) Yves Robert, Frédéric Vivien, and Dounia Zaidouni, "On the complexity of scheduling checkpoints for computational workflows", INRIA Research report RR-7907, March 2012 Résultats (Tb)
44 Conclusion pour Armadillo Maintenir une facilité d utilisation pour les nonprogrammeurs pour les WfMS en bioinformatique Distribution des processus application client-serveur utilisation des services de cloud computing Une meilleure sémantique d utilisation et de comparaison des workflows. Une meilleure distribution des tâches.
45 Remerciements Toute l équipe du laboratoire : Vladimir Makarenkov, Abdoulaye Baniré Diallo, Alix Boc, Mickael Leclercq, Alpha Boubacar Diallo, Dunarel Badescu, et tous les autres Merci aux organismes suivant:
46 RÉFÉRENCES 1. Missier, P., Soiland-Reyes, S., Owen, S., Tan, W., Nenadic, A., Dunlop, I., Williams, A., Oinn, T., Goble, C. Taverna, reloaded. LNCS 6187, , McPhillips, T., et al. Scientific workflow design for mere mortals. Future Gen. Com. Sys, 25, , Goecks, J., et al. Galaxy: a comprehensive approach for supporting accessible, reproducible, and transparent computational research in the life sciences. Genome Biol, 11, R86, van der Aalst, W.M.P. et van Hee, K. Workflow managment : Models, Methods, and Systems. MIT Press, Cambridge, Massachussetts, 368 pages, 2002.
47 gènes La phylogénétique Une phylogénie est une représentation de la relation évolutive entre des espèces basée sur l étude des gènes. M. marshali M. oregonensis M. montanus M. triangularis M. triangularis M. montanus M. oregonensis M. marshali Modification de l image de Roderic Page. Systematic Biology, couverture Juin 2007, inspiré de Maddison (1997).
48 Évolution des sciences Sciences expérimentales Sciences théoriques Sciences informatiques Sciences «data-intensives» Observations Descriptions des phénomènes naturels Formulation de lois Loi de Newton Simulations de phénomènes complexes Collections de données hétérogènes: Simulations, réseau de capteurs, instrumentation, agrégations, Millénaires précédents Siècles précédents Décades précédentes Aujourd hui Séquences nucléiques et protéiques, structures 3D, données d expressions, Hey. T, Tansley. S, et Tolle, K. (2009) The Fourth Paradigm: Data-Intensive Scientific Discovery.
La programmation d un système de flux (workflow) pour pallier à l explosion des données scientifiques - problèmes, défis et solutions -
La programmation d un système de flux (workflow) pour pallier à l explosion des données scientifiques - problèmes, défis et solutions - Etienne Lord Université du Québec à Montréal Séminaire avancé en
Plus en détailUTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY
UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY Yvan Le Bras yvan.le_bras@irisa.fr Cyril Monjeaud, Mathieu Bahin, Claudia Hériveau, Olivier Quenez, Olivier Sallou, Aurélien Roult, Olivier
Plus en détailGalaxy Training days. Liste des sessions disponibles : http://bioinfo.genotoul.fr. Les formateurs :
-- 1 -- Galaxy Training days Durée / Programme : 3 journées. Galaxy : First step. Galaxy : Reads alignment and SNP calling. Galaxy : RNAseq alignment and transcripts assemblies. Public : Personnes souhaitant
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 détailIntroduction aux bases de données: application en biologie
Introduction aux bases de données: application en biologie D. Puthier 1 1 ERM206/Technologies Avancées pour le Génome et la Clinique, http://tagc.univ-mrs.fr/staff/puthier, puthier@tagc.univ-mrs.fr ESIL,
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 détailIntroduction à MapReduce/Hadoop et Spark
1 / 36 Introduction à MapReduce/Hadoop et Spark Certificat Big Data Ludovic Denoyer et Sylvain Lamprier UPMC Plan 2 / 36 Contexte 3 / 36 Contexte 4 / 36 Data driven science: le 4e paradigme (Jim Gray -
Plus en détailPerformances. Gestion des serveurs (2/2) Clustering. Grid Computing
Présentation d Oracle 10g Chapitre VII Présentation d ORACLE 10g 7.1 Nouvelles fonctionnalités 7.2 Architecture d Oracle 10g 7.3 Outils annexes 7.4 Conclusions 7.1 Nouvelles fonctionnalités Gestion des
Plus en détailOrganiser vos données - Big Data. Patrick Millart Senior Sales Consultant
Organiser vos données - Big Data Patrick Millart Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be
Plus en détailMapReduce. Malo Jaffré, Pablo Rauzy. 16 avril 2010 ENS. Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15
MapReduce Malo Jaffré, Pablo Rauzy ENS 16 avril 2010 Malo Jaffré, Pablo Rauzy (ENS) MapReduce 16 avril 2010 1 / 15 Qu est ce que c est? Conceptuellement Données MapReduce est un framework de calcul distribué
Plus en détailLa gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST.
La gestion de données dans le cadre d une application de recherche d alignement de séquence : BLAST. Gaël Le Mahec - p. 1/12 L algorithme BLAST. Basic Local Alignment Search Tool est un algorithme de recherche
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 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 détailLes mésocentres HPC àportée de clic des utilisateurs industriels
Les mésocentres HPC àportée de clic des utilisateurs industriels Université de Reims Champagne-Ardenne (URCA) Centre de Calcul ROMEO Multidisciplinary university more than 22 000 students a wide initial
Plus en détailServices à la recherche: Data Management et HPC *
Services à la recherche: Data Management et HPC * Pierre-Yves Burgi et Jean-François Rossignol Division informatique (DINF) * HPC = High-Performance Computing Réunion CIF Sciences du 6.12.11 1/19 Contenu
Plus en détailChapitre 1. Infrastructures distribuées : cluster, grilles et cloud. Grid and Cloud Computing
Chapitre 1. Infrastructures distribuées : cluster, grilles et cloud Grid and Cloud Computing Problématique Besoins de calcul croissants Simulations d'expériences coûteuses ou dangereuses Résolution de
Plus en détailSysFera. Benjamin Depardon
SysFera Passage d applications en SaaS Benjamin Depardon CTO@SysFera SysFera Technologie 2001 Création 2010 Spin Off INRIA Direction par un consortium d investisseurs 12 personnes 75% en R&D Implantation
Plus en détailCartographie des solutions BigData
Cartographie des solutions BigData Panorama du marché et prospective 1 1 Solutions BigData Défi(s) pour les fournisseurs Quel marché Architectures Acteurs commerciaux Solutions alternatives 2 2 Quels Défis?
Plus en détailBig data et sciences du Vivant L'exemple du séquençage haut débit
Big data et sciences du Vivant L'exemple du séquençage haut débit C. Gaspin, C. Hoede, C. Klopp, D. Laborie, J. Mariette, C. Noirot, MS. Trotard bioinfo@genopole.toulouse.inra.fr INRA - MIAT - Plate-forme
Plus en détailCalcul intensif pour la biologie
Calcul intensif pour la biologie PPF Bio-informatique et PPF Calcul intensif 14 juin 2011 Calcul intensif... Cluster : ensemble de machines homogènes et localisées, organisées en grappe Grille : infrastructure
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 détailAnticiper et prédire les sinistres avec une approche Big Data
Anticiper et prédire les sinistres avec une approche Big Data Julien Cabot Directeur Big Data Analytics OCTO jcabot@octo.com @julien_cabot OCTO 2013 50, avenue des Champs-Elysées 75008 Paris - FRANCE Tél
Plus en détailBONJOURGRID : VERSION ORIENTÉE DONNÉE & MAPREDUCE SÉCURISÉ
Laboratoire LaTICE Univ. de Tunis INRIA LYON Avalon Team Laboratoire d Informatique de Paris Nord (LIPN) BONJOURGRID : VERSION ORIENTÉE DONNÉE & MAPREDUCE SÉCURISÉ Heithem Abbes Heithem Abbes Rencontres
Plus en détailE-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement.
E-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement. N.Bard, S.Boin, F.Bothorel, P.Collinet, M.Daydé, B. Depardon, F. Desprez, M.Flé, A.Franc, J.-F. Gibrat, D.
Plus en détailCNAM 2010-2011. Déploiement d une application avec EC2 ( Cloud Amazon ) Auteur : Thierry Kauffmann Paris, Décembre 2010
CNAM 2010-2011 Déploiement d une application avec EC2 ( Cloud Amazon ) Auteur : Thierry Kauffmann Paris, Décembre 2010 Déploiement d une application dans le cloud. 1. Cloud Computing en 2010 2. Offre EC2
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 détailOffre formation Big Data Analytics
Offre formation Big Data Analytics OCTO 2014 50, avenue des Champs-Elysées 75008 Paris - FRANCE Tél : +33 (0)1 58 56 10 00 Fax : +33 (0)1 58 56 10 01 www.octo.com 1 Présentation d OCTO Technology 2 Une
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 détailAnalyse des données de séquençage massif par des méthodes phylogénétiques
Analyse des données de séquençage massif par des méthodes phylogénétiques Roux S., Taib N., Mangot J.F., Hugoni M., Mary I., Ravet V., Bronner G., Enault F., Debroas D. Équipe Microbiologie de l'environnement
Plus en détailEvolution des SI à l heure du Cloud
Evolution des SI à l heure du Cloud Avril 2010 F. VERGNAIS Les partenaires R&D Bank / Insurance Lines Of Business AMS Correspondants du CIT BDDF BFI IFRS BNL Technology & Marketing Watch Nouveaux acteurs
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailLe Cloud Computing L informatique de demain?
Le Cloud Computing L informatique de demain? Henri Piriou Business Development ActiveEon Rémy Bigot WebMarketing WIMI yannick.janssen@youcloud.fr fabien.schmitz@wanadoo.fr henri.piriou@activeeon.com remy.bigot@gmail.com
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 détailLe cloud,c est quoi au juste?
Le cloud,c est quoi au juste? Yves LE ROUX Principal Consultant CA technologies Yves.leroux@ca.com Colloque «Cloud computing: Théorie et pratique» du 29 novembre 2012 Yves LE ROUX Yves Le Roux capitalise
Plus en détaile-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
e-biogenouest Coordinateur : Olivier Collin Animateur : Yvan Le Bras CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé
Plus en détailFormation Cloudera Data Analyst Utiliser Pig, Hive et Impala avec Hadoop
Passez au niveau supérieur en termes de connaissance grâce à la formation Data Analyst de Cloudera. Public Durée Objectifs Analystes de données, business analysts, développeurs et administrateurs qui ont
Plus en détailBig Data. Cyril Amsellem Consultant avant-vente. 16 juin 2011. Talend 2010 1
Big Data Cyril Amsellem Consultant avant-vente 16 juin 2011 Talend 2010 1 Big Data Architecture globale Hadoop Les projets Hadoop (partie 1) Hadoop-Core : projet principal. HDFS : système de fichiers distribués
Plus en détailJava à Murex: un retour d'expérience. Jean-Pierre DACHER & Craig MORRISON
1 Java à Murex: un retour d'expérience Jean-Pierre DACHER & Craig MORRISON Résumé Description des défis et contraintes d un grand éditeur de logiciel Le cycle de développement Murex pour atteindre les
Plus en détailQuick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite.
Rational ClearCase or ClearCase MultiSite Version 7.0.1 Quick Start Guide This guide is intended to get you started with Rational ClearCase or Rational ClearCase MultiSite. Product Overview IBM Rational
Plus en détailCloud computing Architectures, services et risques
Cloud computing Architectures, services et risques Giovanna Di Marzo Serugendo Institute of Information Service Science Giovanna.Dimarzo@unige.ch iss.unige.ch FACULTY OF ECONOMIC AND SOCIAL SCIENCES Department
Plus en détailXtremWeb-HEP 8.0.0. Interconnecting jobs over DG. Virtualization over DG. Oleg Lodygensky Laboratoire de l Accélérateur Linéaire
XtremWeb-HEP 8.0.0 Interconnecting jobs over DG Virtualization over DG Oleg Lodygensky Objectives 1.Deploy Virtual Machines in XtremWeb-HEP desktop grid to: protect volunteer resources generalize «pilot
Plus en détailGénération de code binaire pour application multimedia : une approche au vol
Génération de binaire pour application multimedia : une approche au vol http://hpbcg.org/ Henri-Pierre Charles Université de Versailles Saint-Quentin en Yvelines 3 Octobre 2009 Présentation Présentation
Plus en détailCloud computing Votre informatique à la demande
Cloud computing Votre informatique à la demande Thomas RULMONT Définition du Cloud Computing L'informatique dans le nuage (en anglais, cloud computing) est un concept ( ) faisant référence à l'utilisation
Plus en détailCloud Computing dans le secteur de l Assurance
Cloud Computing dans le secteur de l Assurance AG FANAF Ouagadougou Février 2014 Agenda Le Cloud Computing C'est quoi? Adoption du Cloud Computing en assurance Exemples d initiatives «Cloud Computing»
Plus en détailE-BIOGENOUEST, VERS UN ENVIRONNEMENT VIRTUEL DE RECHERCHE (VRE) ORIENTÉ SCIENCES DE LA VIE? Intervenant(s) : Yvan Le Bras, Olivier Collin
E-BIOGENOUEST, VERS UN ENVIRONNEMENT VIRTUEL DE RECHERCHE (VRE) ORIENTÉ SCIENCES DE LA VIE? Intervenant(s) : Yvan Le Bras, Olivier Collin E-BIOGENOUEST Programme fédérateur Biogenouest co-financé par les
Plus en détailJean-Daniel Cryans jdcryans@apache.org Twitter: @jdcryans. École de technologie supérieure, Montréal septembre 2009
Jean-Daniel Cryans jdcryans@apache.org Twitter: @jdcryans École de technologie supérieure, Montréal septembre 2009 1. Introduction 2. Le Cloud Computing selon la littérature 3. Les produits 4. Études de
Plus en détailProgrammation parallèle et distribuée (Master 1 Info 2015-2016)
Programmation parallèle et distribuée (Master 1 Info 2015-2016) Hadoop MapReduce et HDFS Note bibliographique : ce cours est largement inspiré par le cours de Benjamin Renaut (Tokidev SAS) Introduction
Plus en détailGUGGO 4 ème rencontre
GUGGO 4 ème rencontre PCIM, Plouzané BIRD, Nantes ABIMS, Roscof IRHS, Angers Ifremer, Nantes INRA, Rennes INRA IGEPP, Le Rheu GenScale, Rennes Dyliss, Rennes GenOuest, Rennes Point sur les instances dans
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 détailStéphane DERACO, DSI CNRS l Argos Devops : de l hyperviseur aux conteneurs l 11/12/2014 DOCKER
DOCKER HISTOIRE Projet interne de www.dotcloud.com (PaaS) 1 ère release Open Source en mars 2013 Objectif : conteneurs CONTENEURS «Vieux» concept chroot Unix : 1983 jails FreeBSD : 1998 Isoler l exécution
Plus en détailhttp://blog.khaledtannir.net
Algorithme de parallélisations des traitements Khaled TANNIR Doctorant CIFRE LARIS/ESTI http://blog.khaledtannir.net these@khaledtannir.net 2e SéRI 2010-2011 Jeudi 17 mars 2011 Présentation Doctorant CIFRE
Plus en détailBig Data : utilisation d un cluster Hadoop HDFS Map/Reduce HBase
Big Data : utilisation d un cluster cluster Cécile Cavet cecile.cavet at apc.univ-paris7.fr Centre François Arago (FACe), Laboratoire APC, Université Paris Diderot LabEx UnivEarthS 14 Janvier 2014 C. Cavet
Plus en détailGalaxy4Bioinformatics Développement et intégration d application sous Galaxy
Galaxy4Bioinformatics Développement et intégration d application sous Galaxy Christophe Caron Alexis Dereeper Mars 3, 2015 14pm 17pm ARCHITECTURE GALAXY Installation et paramétrage d une instance 3 jours!
Plus en détailSemestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments»
Master In silico Drug Design Semestre 2 Spécialité «Analyse in silico des complexes macromolécules biologiques-médicaments» 30NU01IS INITIATION A LA PROGRAMMATION (6 ECTS) Responsables : D. MESTIVIER,
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 détailLes journées SQL Server 2013
Les journées SQL Server 2013 Un événement organisé par GUSS Les journées SQL Server 2013 Romain Casteres MVP SQL Server Consultant BI @PulsWeb Yazid Moussaoui Consultant Senior BI MCSA 2008/2012 Etienne
Plus en détailDétection d'intrusions en environnement haute performance
Symposium sur la Sécurité des Technologies de l'information et des Communications '05 Détection d'intrusions en environnement haute performance Clusters HPC Fabrice Gadaud (fabrice.gadaud@cea.fr) 1 Sommaire
Plus en détailde logiciels Web 2.0, SaaS Logiciels collaboratifs Portails pour entreprises Développement iphone, Android WebApp HTML5 Mobile marketing
Web 2.0, SaaS Logiciels collaboratifs Portails pour entreprises Développement Développement de logiciels de logiciels Solutions mobiles iphone, Android WebApp HTML5 Mobile marketing Ingénierie Régie d
Plus en détailAugmenter la disponibilité des applications JEE grâce au clustering : Le projet open source JShaft
Augmenter la disponibilité des applications JEE grâce au clustering : Le projet open source Jérôme Petit, Serge Petit & Serli Informatique, ITMatic Jérôme Petit, Serge Petit & SERLI & ITMatic Serli : SSII
Plus en détailCatherine Chochoy. Alain Maneville. I/T Specialist, IBM Information Management on System z, Software Group
1 Catherine Chochoy I/T Specialist, IBM Information Management on System z, Software Group Alain Maneville Executive I/T specialist, zchampion, IBM Systems and Technology Group 2 Le défi du Big Data (et
Plus en détailPanorama des solutions analytiques existantes
Arnaud LAROCHE Julien DAMON Panorama des solutions analytiques existantes SFdS Méthodes et Logiciels - 16 janvier 2014 - Données Massives Ne sont ici considérés que les solutions autour de l environnement
Plus en détailfourniture de ressources à tous les terminaux en tant que services
Au-delà de l infrastructure VDI : fourniture de ressources à tous les terminaux en tant que services Edouard Lorrain 5 juin 2014 2014 VMware Inc. Tous droits réservés. Sommaire 1 Évoluez vers le Cloud
Plus en détailARCHITECTURE ET SYSTÈMES D'EXPLOITATIONS
ARCHITECTURE ET SYSTÈMES D'EXPLOITATIONS Axel François bureau C19 (2eme étage) cours disponibles en pdf sur : www.iut-arles.up.univ-mrs.fr/francois 1 PLAN En Cours : qu'est-ce qu'un ordinateur? à quoi
Plus en détailLes technologies du Big Data
Les technologies du Big Data PRÉSENTÉ AU 40 E CONGRÈS DE L ASSOCIATION DES ÉCONOMISTES QUÉBÉCOIS PAR TOM LANDRY, CONSEILLER SENIOR LE 20 MAI 2015 WWW.CRIM.CA TECHNOLOGIES: DES DONNÉES JUSQU'À L UTILISATEUR
Plus en détailChange the game with smart innovation
Change the game with smart innovation Master Thesis 2013 2014 Faculty of Science engineering 12/08/2012 Master Thesis proposal for the academic year 2013. TABLE OF CONTENTS Section Un Introduction... 3
Plus en détailÉlasticité des applications à base de services dans le Cloud
1/40 Élasticité des applications à base de services dans le Cloud Mourad Amziani 12 Tarek Melliti 1 Samir Tata 2 1 IBISC, EA4526, Université d'évry Val-d'Essonne, Évry, France 2 UMR CNRS Samovar, Institut
Plus en détailSUGARCRM Sugar Open Source Guide d Installation de French SugarCRM Open Source Version 4.2
SUGARCRM Sugar Open Source Guide d Installation de French SugarCRM Open Source Version 4.2 Version 1.0.5 Mentions légales Mentions légales Ce document est susceptible de modification à tout moment sans
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 détailL accès aux Clouds (Académiques)
L accès aux Clouds (Académiques) C. Loomis, CTO, Co-founder, SixSq Ecole Cumulo NumBio 2015 (Aussois, France) 1-5 juin 2015 Le cloud : pourquoi et comment? 2 Les raisons variées pour utiliser un cloud
Plus en détailTechnologies du Web. Ludovic DENOYER - ludovic.denoyer@lip6.fr. Février 2014 UPMC
Technologies du Web Ludovic DENOYER - ludovic.denoyer@lip6.fr UPMC Février 2014 Ludovic DENOYER - ludovic.denoyer@lip6.fr Technologies du Web Plan Retour sur les BDs Le service Search Un peu plus sur les
Plus en détailINGÉNIEUR LOGICIEL JAVAEE / GROOVY 8 ANS D EXPÉRIENCE
INGÉNIEUR LOGICIEL JAVAEE / GROOVY 8 ANS D EXPÉRIENCE Igor Rosenberg 30 ans DEA «Image-Vision» de l Université de Nice Sophia-Antipolis POSTES PRECEDENTS MMA: Développement Web/Grails sur démonstrateur
Plus en détailTutoriel Cloud IFB - Initiation -
Tutoriel Cloud IFB - Initiation - Christophe BLANCHET Institut Français de Bioinformatique - IFB French Institute of Bioinformatics - ELIXIR-FR CNRS UMS3601 - Gif-sur-Yvette - FRANCE Ecole Cumulo NumBio
Plus en détailJean-François Boulicaut & Mohand-Saïd Hacid
e siècle! Jean-François Boulicaut & Mohand-Saïd Hacid http://liris.cnrs.fr/~jboulica http://liris.cnrs.fr/mohand-said.hacid Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205
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 détailOFFRE MDB Service & Architecture Technique. MyDataBall Saas (Software as a Service) MyDataBall On Premise
OFFRE MDB Service & Architecture Technique MyDataBall Saas (Software as a Service) MyDataBall On Premise L offre Produit / Service 1 Implantation Rédaction collaborative du cahier des charges 2 3 de la
Plus en détailCloud Computing et SaaS
Cloud Computing et SaaS On a vu fleurir ces derniers temps un grands nombre de sigles. L un des premiers est SaaS, Software as a Service, sur lequel nous aurons l occasion de revenir. Mais il y en a beaucoup
Plus en détailWindows Azure. Principales fonctions
Calipia usage re serve aux e tablissements de pendant du Ministe re de l Enseignement Supe rieur et de la Recherche Windows Azure Principales fonctions Alors qu environ 70% du budget informatique est dédié
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 détailLʼavenir des grilles Des grilles aux Clouds avec quelques «petits problèmes» de recherche. F. Desprez INRIA
Lʼavenir des grilles Des grilles aux Clouds avec quelques «petits problèmes» de recherche F. Desprez INRIA Introduction Les grilles font-elles déjà parties du passé? Des plates-formes de recherche et de
Plus en détailProjet d'infrastructure de stockage mutualisée
Projet d'infrastructure de stockage mutualisée (pour la communauté scientifique régionale) - CRRI antoine.mahul@clermont-universite.fr Journée de rencontre du réseau AuDACES - 17 juin 2014 1. Contexte
Plus en détailExpérience d un hébergeur public dans la sécurisation des sites Web, CCK. Hinda Feriani Ghariani Samedi 2 avril 2005 Hammamet
Expérience d un hébergeur public dans la sécurisation des sites Web, CCK Hinda Feriani Ghariani Samedi 2 avril 2005 Hammamet Plan Introduction Sécurisation des sites Web hébergés a Conclusion Introduction
Plus en détailHadoop, Spark & Big Data 2.0. Exploiter une grappe de calcul pour des problème des données massives
Hadoop, Spark & Big Data 2.0 Exploiter une grappe de calcul pour des problème des données massives Qui suis-je? Félix-Antoine Fortin Génie info. (B. Ing, M. Sc, ~PhD) Passionné de Python, Data Analytics,
Plus en détailBAP E Gestionnaire de parc informatique et télécommunications MI2 / MI3 Ouverts au titre de 2010 Arrêté du 7/04/10 - J.
BAP E Gestionnaire de parc informatique et télécommunications MI2 / MI3 Ouverts au titre de 2010 Arrêté du 7/04/10 - J.O du 25/04/2010 Epreuve écrite d admission du lundi 21 juin 2010 de 10h00 à 12h00
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 détailComment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet
Comment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet Beat Wolf 1, Pierre Kuonen 1, Thomas Dandekar 2 1 icosys, Haute École Spécialisée de Suisse occidentale,
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 détailIntroduction aux applications réparties
Introduction aux applications réparties Noël De Palma Projet SARDES INRIA Rhône-Alpes http://sardes.inrialpes.fr/~depalma Noel.depalma@inrialpes.fr Applications réparties Def : Application s exécutant
Plus en détailInformatique en nuage Cloud Computing. G. Urvoy-Keller
Informatique en nuage Cloud Computing G. Urvoy-Keller Sources de ce documents Next Stop, the cloud Objectifs de l'étude : Comprendre la popularité des déploiements de services basés sur des clouds Focus
Plus en détailRetour d expérience, portage de code Promes dans le cadre de l appel à projets CAPS-GENCI
, portage de code Promes dans le cadre de l appel à projets CAPS-GENCI PROMES (UPR 8521 CNRS) Université de Perpignan France 29 juin 2011 1 Contexte 2 3 4 Sommaire Contexte 1 Contexte 2 3 4 Laboratoire
Plus en détail4. Utilisation d un SGBD : le langage SQL. 5. Normalisation
Base de données S. Lèbre slebre@unistra.fr Université de Strasbourg, département d informatique. Présentation du module Contenu général Notion de bases de données Fondements / Conception Utilisation :
Plus en détailProposition d une architecture pour ebay, en mettant l accent sur les notions de scalabilité, de résilience, et de tolérance aux pannes.
PROJET «EBAY» V1 MANUEL ROLLAND, SCIA 2009, REMIS LE 7 MARS 2008 1. Rappels sur le projet : Proposition d une architecture pour ebay, en mettant l accent sur les notions de scalabilité, de résilience,
Plus en détailL art d ordonnancer. avec JobScheduler. François BAYART
L art d ordonnancer avec JobScheduler François BAYART 30 Octobre 2010 [1] 234567 introduction Introduction Qui suis-je? François Bayart consultant système en solution libre et propriétaire Redhat (1996),
Plus en détailCatalogue des stages Ercom 2013
Catalogue des stages Ercom 2013 Optimisations sur Modem LTE Poste basé à : Caen (14) Analyse et optimisation des performances des traitements réalisés dans un modem LTE. - Profiling et détermination des
Plus en détailPortage d applications sur le Cloud IaaS Portage d application
s sur le Cloud IaaS Cécile Cavet cecile.cavet at apc.univ-paris7.fr Centre François Arago (FACe), Laboratoire AstroParticule et Cosmologie (APC), LabEx UnivEarthS APC, Univ. Paris Diderot, CNRS/IN2P3,
Plus en détailSystèmes répartis. Fabrice Rossi http://apiacoa.org/contact.html. Université Paris-IX Dauphine. Systèmes répartis p.1/49
Systèmes répartis Fabrice Rossi http://apiacoa.org/contact.html. Université Paris-IX Dauphine Systèmes répartis p.1/49 Systèmes répartis Définition très large : un système réparti est système informatique
Plus en détailCycle Innovation & Connaissance 12 petit déjeuner Mardi 15 mai 2012. Cloud Computing & Green IT : nuages ou éclaircies?
Cycle Innovation & Connaissance 12 petit déjeuner Mardi 15 mai 2012 Cloud Computing & Green IT : nuages ou éclaircies? Jean-Claude TAGGER, professeur SKEMA Business School AGENDA Le Cloud : Quelques définitions
Plus en détailIntroduction au Déploiement
Introduction au Déploiement Noël De Palma - Projet SARDES - INRIA - IMAG LSR Remerciement à d. donsez 03/03/06 PLAN Définition et problématique OSGI FRACTAL JADE Conclusion 03/03/06 2 Définition Environnement
Plus en détailOnline Backup. & Recovery Service
Online Backup & Recovery Service Eurobackup Un service par lequel vous nous confiez la gestion et la responsabilité de la sauvegarde quotidienne de vos données informatiques. Son objectif est de réduire
Plus en détailCours Bases de données
Informations sur le cours Cours Bases de données 9 (10) séances de 3h Polycopié (Cours + TD/TP) 3 année (MISI) Antoine Cornuéjols www.lri.fr/~antoine antoine.cornuejols@agroparistech.fr Transparents Disponibles
Plus en détail