Rééquilibrage de charge en-ligne bi-critère
|
|
- Josiane Chevalier
- il y a 8 ans
- Total affichages :
Transcription
1 RenPar 18 / SympA 2008 / CFSE 6 Fribourg, Suisse, du 11 au 13 février 2008 Rééquilibrage de charge en-ligne bi-critère Matthieu Pérotin, Patrick Martineau & Carl Esswein Université François Rabelais, Labortoire d Informatique de Tours, 64 av J. Portalis, Tours - France matthieu.perotin@univ-tours.fr Résumé La recherche en informatique et ses applications demandent une puissance de calcul croissante. Dans cet article, une formalisation du besoin est proposée afin de répondre à cette demande en supprimant les procédures de soumission de jobs contraignantes et peu conviviales. De plus, on souhaite utiliser les ordinateurs déjà en place dans les universités au sein de salles de travaux pratiques de manière la plus simple possible pour les utilisateurs. Un modèle mathématique du problème est proposé afin d apporter une solution au problème d équilibrage de charge. La complexité du problème et une condition nécessaire pour qu un algorithme résolvant le problème soit un approximateur sont établies. Un simulateur est proposé et implémenté. Une nouvelle heurisitique est présentée et comparée avec des heurisitiques classiques de la littérature. Mots-clés : équilibrage de charge, ordonnancement en ligne, Grid, calcul haute performance 1. Introduction 1.1. Objectif L objectif est de produire une solution pour le calcul haute performance utilisant les centaines d ordinateurs qui équipent déjà les universités, par exemple au sein de salles de travaux pratiques. Ces ordinateurs sont souvent récents, interconnectés par un réseau rapide et peu utilisés : ils ne sont que marginalement utilisés durant la nuit, pendant les enseignements leur charge est souvent très basse. Cet article propose une solution permettant d utiliser cette puissance résiduelle en satisfaisant deux objectifs. Le premier est que les utilisateurs légitimes des ordinateurs, principalement les étudiants, ne doivent pas être pénalisés. Il ne serait pas acceptable qu un utilisateur voie son confort se dégrader. En effet la machine sur laquelle il travaille ne doit pas crouler subitement sous les tâches des autres utilisateurs. Le second objectif à atteindre est de produire un système utilisable facilement. On peut préciser cet objectif en trois points : 1. La procédure de soumission de tâches parallèles doit être aisée ; 2. On ne peut pas demander à l utilisateur d estimer la durée de ses travaux ; 3. On ne veut pas imposer un langage de programmation ou une librairie particulière : l utilisateur doit pouvoir utiliser le langage qu il préfère État de l art On s intéresse essentiellement au modèle de parallélisme de type distribution de processus (par opposition au parallélisme de type distribution de données tel Boinc ([7], [8])). Ce modèle contient des systèmes où des processus sont migrés d un ordinateur à un autre. L hypothèse sur laquelle cette méthode repose est la compatibilité binaire des programmes. Cela n est pas toujours possible, un exécutable ne fonctionnant correctement que pour un couple (matériel, système d exploitation) donné. Certains systèmes tels Condor [1] résolvent ce problème en imposant la mise à disposition d un exécutable spécifique pour chaque couple. ProActive [3] fonctionne au-dessus d une machine
2 virtuelle Java et résout ainsi le problème de façon plus élégante, mais il impose l utilisation d un langage donné. On s intéresse plus précisément aux Single System Image (SSI) qui migrent des processus en cours d exécution de façon transparente pour l utilisateur. OpenMosix [16] ou Kerrighed [2] implémentent de tels systèmes. L utilisateur a l illusion d être face à une machine unique multi-processeurs : ainsi il n a ni besoin d utiliser des bibliothèques spécifiques, ni besoin de changer ses habitudes de programmation. La granularité de tels procédés est généralement le processus, parfois le thread. On se propose de déployer une telle solution en résolvant le problème de l unicité du couple (matériel, système d exploitation) par l utilisation de la virtualisation. La virtualisation permet de lancer un système d exploitation dans un autre. Il est ainsi possible de faire tourner un environnement dédié au calcul parallèle sur presque n importe quel système avec un coût d administration réduit [5]. Avec une architecture virtualisée, un ordinateur fait tourner au-dessus d un système d exploitation un processus dans lequel un autre système d exploitation est exécuté. Des processus séquentiels classiques peuvent être exécutés dans le système d exploitation de base, tandis que l on peut déployer tous les outils nécessaires à l exécution de processus parallèles dans les machines virtuelles. Ces machines pouvant être mises en réseau, on peut y déployer un SSI malgré une contrainte d hétérogénéité de systèmes d exploitation et de matériels. Le coût d exécution dans une machine virtuelle ne cesse de baisser, et peut être très réduit si les processus font peu d appels systèmes. De nombreux modèles d équilibrage de charge ont été présentés dans la littérature ([9], [13], [18], [20]). Ils sont souvent très simples et supposent un usage exclusif des ordinateurs. [10] et [18] négligent les contraintes liées à l occupation mémoire et au modèle de réseau. De même tous les processus ne bénéficient pas d une migration Contribution Cet article présente le problème d équilibrage de charge. Des contraintes liées à l occupation mémoire, au modèle de réseau et à la métrique de charge on été prises en compte. De plus, des hypothèses fortes ont été faites : on ne peut pas estimer les temps d exécution. Un processus est susceptible d être créé sur n importe quel ordinateur, de façon imprévisible a priori. De même on ne peut pas prévoir la date d arrivée des processus. Les processus sont créés à l initiative des utilisateurs. Cela signifie que dans ce modèle, les processus n apparaissent pas dans une file globale que l on vide lorsque les processeurs sont inactifs. De plus, on considère, comme c est le cas sur un ordinateur classique, que l exécution des processus se fait de façon préemptive : les processus ne sont pas exécutés séquentiellement sur un processeur. Un simulateur est ici proposé. Il est flexible et permêt l exécution de nombreux cas de figure. Il est utilisé afin de comparer deux heurisitiques issues de la littérature. SIMPLE+ est une légère amélioration de l algorithme classiquement utilisé par OPENMOSIX. RUDOLPH est l algorithme proposé par [18] et RBT est une contribution de cet article. L organisation de l article reflète ces deux aspects. Dans une première section un modèle d étude sera donné et la complexité du problème établie. En outre, il sera montré que SIMPLE+ implémentée dans les solutions techniques existantes a une performance qui ne peut être garantie. Une seconde section présentera le simulateur implémenté avec SimGrid. La génération d instances sera abordée et des résultats expérimentaux permettront de comparer les heuristiques les unes aux autres. 2. Modélisation 2.1. Modèle Mathématique Un modèle d étude est ici proposé afin de répondre à la question d ordonnancement suivante : comment choisir quel processus migrer vers quelle machine? Soit M l ensemble des ordinateurs de l université. Soit m = M le nombre total d ordinateurs, et m j l ordinateur j, pour j = 1..m Chaque ordinateur m j est caractérisé par sa quantité de mémoire vive totale (mem(m j )), la vitesse de son processeur (speed(m j )) et son état (state(m j )) qui peut être libre ou occupé dépendamment de la 2
3 présence d un utilisateur physique travaillant sur la machine à un instant donné. { 0 si mj est libre state(m j ) = 1 sinon Le réseau est modélisé par une matrice carrée N de taille m, où N i,j est le débit réseau disponible entre les ordinateurs m i et m j. Cette valeur peut varier au cours du temps en fonction de la charge sur le réseau. Cette modélisation est une simplification de l architecture réelle : on ne considère que la connexion des ordinateurs les uns avec les autres, sans se préoccuper de l enchaînement de switchs et de routeurs. Soit P = {p i } i=1..p l ensemble des processus à l état activable sur M. i = 1..p, j = 1..m, soit { 1 if pi s P ij = execute sur m j 0 sinon Soit mu(p i ) la mémoire utilisée par p i La première fonction objectif est l équilibrage de charge : plus la charge sera équilibrée, plus vite les processus se finiront. La charge instantanée d un ordinateur m j, InstantLoad j est définie par : InstantLoad j = Cette définition classique est généralement bonne pour un ordinateur unique ou pour comparer la charge entre des ordinateurs homogènes. Cependant, elle est inappropriée pour comparer la charge d ordinateurs de puissance variable. Ainsi une autre métrique qui dépend de la vitesse des ordinateurs et de leur état est proposée. Soit load j = (1 + K state(m j )) InstantLoad j speed(m j ) la charge de l ordinateur m j, où K est une constante entière positive qui permet de spécifier la charge maximale acceptable sur un ordinateur sur lequel un utilisateur est connecté. Une seconde fonction objectif est le temps de communication réseau qui est à minimiser. Les migrations de processus peuvent être longues, et empêcher le gain de performance ([15] et [14]). Ainsi les migrations doivent être évitées, elles sont pourtant nécessaires pour équilibrer la charge Résolution du problème en-ligne Le problème auquel on s intéresse est en-ligne [11], car plusieurs paramètres sont acquis en ligne, en particulier l état des machines, l arrivée et la disparition des processus. On se propose donc de laisser la situation se déséquilibrer et de la rééquilibrer à intervalles réguliers. À un instant donné on considère l état global du système et on fait l hypothèse qu il n évoluera plus. Des décisions d ordonnancement sont alors prises en conséquence, en résolvant un problème d ordonnancement hors ligne. À l instant de décision suivant, soit l hypothèse s est avérée exacte, auquel cas il n y a rien à faire, soit elle s est avérée fausse et on réitère le processus. Ainsi on se retrouve face à la résolution d une suite de problèmes hors ligne plutôt qu à la résolution d un problème en ligne. À l instant de décision, on modélise les migrations grace à une variable binaire : i = 1..p, j = 1..m, { 1 if pi est migré vers m X ij = j 0 sinon On considère que si p i est initialement sur m j et n est pas migré, alors X ij = 1. Ce modèle est très proche du problème de rééquilibrage de charge défini par [6] : Définition 1 Le problème de rééquilibrage de charge [6] : Étant donnée une répartition de n tâches sur m processeurs, ainsi qu un entier positif k, déplacer au plus k tâches pour minimiser la charge maximale sur un processeur. Plus généralement, soit c i le coût de migration de la tâche i, on souhaite déplacer les tâches en ne dépensant pas plus qu un budget B donné. p i=1 P ij 3
4 Le modèle d Aggarwal ne considère que des processeurs uniformes, et la charge est définie comme étant la somme de la taille des procesus. Dans le modèle proposé dans cet article, les processus ont une taille constante au regard de la fonction de charge, conformément à la mesure de charge classique d UNIX. On se retrouve donc face un problème hors ligne dont les deux fonctions objectifs sont : Équilibrer la charge : min max j=1..m load j Minimiser le coût des migrations : min m m k=1 l=1 i=1 p N k,l P ik X il mu(p i ) Face à ce problème bi-critère, l approche ɛ-contrainte [19] est appropriée, et vient naturellement comme la quantité de processus que l on peut migrer entre deux instants de décision. Ainsi la seconde fonction objectif devient une nouvelle contrainte : m m k=1 l=1 i=1 p N k,l P ik X il mu(p i ) Const Seul l objectif d équilibrage de charge demeure. Le modèle proposé est NP-Difficile au sens fort. Une réduction de la variante décisionnelle à 3-Part est donnée dans [17] Algorithmes et taux de compétitivité Un algorithme trivial dont l idée n est pas très éloignée de celle de Rudolph et al ([18]) est appelé SIMPLE. Il est par exemple utilisé par OpenMosix. Cet algorithme est complètement distribué et un agent tourne sur chaque ordinateur. Cet agent prend des décisions de migration pour les processus s y trouvant. Il peut être écrit ainsi : Tant qu il existe un ordinateur moins chargé, lui envoyer un processus (quelle que soit la façon de choisir un processus). Il a été montré dans [17] que cet algorithme n est pas un approximateur du problème. On peut généraliser ce résultat pour montrer que tout algorithme n autorisant pas de dégradation de la valeur de la fonction objectif n est pas approximateur, et que cette condition est donc une condition nécessaire pour l obtention d un tel algorithme. 3. Méthodologie d évaluation Afin de comparer différentes heuristiques de résolution du problème LoadBalancing, des tests ont été réalisés dans le simulateur SimGrid ([4], [12]) Génération d Instances Deux types de données sont à considérer afin de réaliser la simulation : les processus et les utilisateurs. Processus Les processus sont modélisés comme ayant deux paramètres : une durée et une occupation mémoire. Par souci de simplification, l occupation mémoire est considérée comme étant constante au cours du temps. On caractérise les processus plus en détail comme pouvant être courts (temps d exécution de l ordre de la seconde) ou longs (plusieurs dizaines de minutes), petits (quelques Mo) ou gros (plusieurs dizaines de Mo). L exécution des processus se fait de façon préemptive, comme c est le cas sur un système réel. Les Utilisateurs Le paramètre essentiel générateur d évènements est l utilisateur. On peut en considérer deux types : Utilisateur classique (type A) : il s agit d un utilisateur unique se connectant sur une machine afin d effectuer un travail ne demandant pas de calcul intensif. Il créé essentiellement des processus courts, et utilise une machine pendant environ 1h30. 4
5 Utilisateur intensif (type B) : il s agit d un utilisateur demandeur de puissance de calcul. Il lance essentiellement des processus longs, par dizaines et utilise un ordinateur durant la journée entière Pour pouvoir créer un processus sur une machine, il faut que la machine dispose d une mémoire libre au moins égale à la taille en mémoire du processus. Si ce n est pas le cas, le processus est refusé Algorithmes Trois méthodes d ordonnancement ont été considérées et implémentées dans le simulateur. RBT L idée de RBT est de calculer une borne inférieure en relaxant la contrainte de mémoire, puis d essayer de s en approcher le plus possible par une méthode round robin. On peut l écrire ainsi : Si je suis la machine la plus chargée Alors Calculer la solution du problème en relaxant la contrainte de mémoire Migrer autant de processus que nécessaire pour atteindre ma charge idéale en envoyant à tour de rôle aux machines sous-chargées en fonction de leur charge calculée. Rudolph L algorithme de [18] a été adapté pour convenir au contexte décrit. On peut écrire cette variante ainsi : Si je suis la machine la plus chargée Alors Soit i la machine à laquelle je peux envoyer le plus de processus afin d équilibrer nos charges Équilibrer ma charge avec i SIMPLE+ L algorithme SIMPLE+ ici proposé est une version améliorée de SIMPLE. Il est proposé afin d éviter les problèmes d oscillation que SIMPLE peut connaître : une tâche migrée vers une machine n ayant pas assez de mémoire vive pour l accueillir, est de nouveau migrée en retour sur la machine initiale. Afin de tenter d éviter ces situations, on propose l algorithme suivant : Si je suis la machine la plus chargée Alors Si La machine la moins chargée a suffisamment de mémoire pour accueillir mon plus petit processus Alors Envoyer mon plus petit processus à la machine la moins chargée Sinon S il existe une machine à même de recevoir mon plus petit processus, le lui envoyer RANDOM On considère un algorithme aléatoire, RANDOM, que l on peut décrire ainsi : si je suis la machine la plus chargée, alors envoyer un processus tiré au hasard à une machine tirée au hasard. NULL Enfin on se comparera au résultat de la simulation dans le cas où l on n effectue pas de rééquilibrage de charge Résultats Trois instances sont considérées. Une première instance, (A), est composée de six ordinateurs interconnectés par l intermédiaire d un switch. Quatre sont de puissance égale et disposent de 512 Mo de mémoire vive, deux sont deux fois plus rapides et disposent de deux fois plus de mémoire. La simulation s étend sur une période de 24 heures, au cours desquelles des utilisateurs se connectent sur les ordinateurs. Les créations de processus ont lieu exclusivement sur les ordinateurs les plus rapides et sur l un des autres. Les trois autres ordinateurs n ont pas d utilisateurs sur la période. Une deuxième instance, (B), est identique à l instance (A), avec l ajout de 6 nouveaux ordinateurs identiques aux 6 premiers. Des processus sont générés sur trois ordinateurs, les neufs autres n ont pas d utilisateurs durant la période. La troisième instance, (C), est composée de 12 ordinateurs et est obtenue en connectant deux instances (A) à un même switch. Pour comparer les résultats donnés par les différents algorithmes on utilise deux 5
6 indicateurs. Le premier est une traduction directe de la fonction objectif du problème, c est-à-dire la charge maximale. Afin de pouvoir comparer des instances différentes, on utilise l évolution au cours du temps de la fonction : δ(t) = max j=1..m load j,t min j=1..m load j,t max j=1..m load j,t Pour vérifier l adéquation du critère d équilibrage de charge avec la performance du système, on présente un deuxième indicateur. Il s agit du nombre de tâches acceptées par le système ainsi que le nombre de tâches qui ont pu être terminées par le système sur l intervalle de temps de 24 heures. Dans le modèle, une tâche est refusée si la ma chine ne dispose pas d une mémoire libre au moins égale à la taille en mémoire du processus. On présente le rapport de ces nombres avec le nombre de demandes de création, égal à la somme des nombres de tâches acceptées et refusées. L hypothèse que l on cherche à vérifier est que si la charge est correctement équilibrée alors le système travaille plus efficacement et est à même de réaliser plus de tâches dans le même intervalle de temps. On rappelle que le volume de communications réseau n est pas évalué. En effet, puisque l on utilise une méthode de résolution de type ɛ-contrainte, ce volume n est plus un critère : c est devenu une contrainte. Étant donné le caractère stochastique de la simulation, les résultats donnés sont des moyennes sur 10 lancements. NULL RANDOM SIMPLE+ RUDOLPH RBT δ(t) (A) 0,9 0,36 0,32 0,32 0,32 Acceptées (A) 45,88% 82,18% 85,39% 85,69% 85,11% Terminées (A) 41,02% 63,86% 71,94% 72,28% 74,20% δ(t) (B) 0,94 0,57 0,53 0,42 0,55 Acceptées (B) 40,37% 95,62% 95,31% 99,97% 97,07% Terminées (B) 38,07% 88,94% 89,31% 89,02% 90,62% δ(t) (C) 0,85 0,44 0,36 0,35 0,42 Acceptées (C) 29,45% 77,92% 75,76% 87,79% 78,13% Terminées (C) 26,72% 57,88% 57,37% 52,43% 60,75% TAB. 1 Résultats des simulations (Acceptées : taux de tâches non refusées pour manque de mémoire, Terminées : taux de tâches menées à terme sur la période de 24 heures.) 3.4. Analyse Les résultats obtenus confirment que le modèle proposé est pertinent. On remarque d une part que l utilisation d une règle simple et irréfléchie (RANDOM) produit des résultats meilleurs que ceux obtenus en ne faisant rien. Cela se caractérise par le fait que la valeur du critère est plus basse et que plus de tâches sont menées à terme. D autre part on constate que l utilisation d une règle simple et un peu plus réfléchie (SIMPLE+) produit des résultats meilleurs que ceux de RANDOM relativement au critère δ(t). Si RANDOM est en moyenne plutôt performant (en particulier dans l instance C), il connaît le plus grand écart type relatif à ses résultats. Il est donc le moins stable. On remarque par ailleurs que dans le cas (A) où peu de machines sont présentes, les performances des différents algorithmes sont très similaires. Cela s explique par le faible choix à faire vis-à-vis des migrations. L écart se creuse lorsque l on augmente les choix possibles. Bien que non pris en compte dans les critères, RUDOLPH est particulièrement efficace pour équilibrer la charge mémoire. Il possède ainsi le plus fort taux d acceptation : les machines chargées évacuent plus vite leurs processus, libérant de la place pour les suivants. La contrepartie est que les machines sont globalement plus chargées que lors de l exécution des autres heuristiques. À cause du modèle d exécution préemptif, les ordinateurs arrivent à finir moins de tâches sur 24 heures. Son taux de refus bas se corrèle directement avec une 6
7 valeur de δ(t) basse et sa stratégie de chercher à toujours migrer le plus gros volume. Quant à RBT, il entraîne le refus de plus de tâches, mais les machines sont ainsi moins chargées, et plus de processus sont menés à terme dans le délai imparti. Le nombre de tâches terminées est plus faible dans le cas C que dans les autres cas. D une part, le nombre de tâches menées à terme est moins bon que dans le cas B. Cela est dû au fait que les machines sont plus chargées. D autre part, les performances sont moins bonnes que dans le cas A. Cela s explique par le fait que les communications induites par le système est plus important. Ces communications incluent les messages de synchronisation, par lesquels chaque ordinateur transmet ses informations (charge, état, mémoire libre) aux autres ordinateurs. La valeur moyenne du critère δ(t) est moins bonne dans le cas B que dans le cas C. Cela est dû au fait que seuls trois ordinateurs génèrent de la charge, et les mécanismes d équilibrage mettent plus de temps à obtenir une situation équilibrée. D où un impact direct sur la valeur moyenne du critère. 4. Conclusion Un modèle d étude a été proposé. Un mécanisme d équilibrage de charge distribué et en-ligne a été exposé, puis implémenté au sein du simulateur SimGrid. Pour ce faire, l ensemble du processus a été décomposé en trois sous-ensembles : les ressources, les utilisateurs et leurs tâches. Des hypothèses fortes ont été effectuées : l impossibilité d estimer les temps d exécution, la prise en compte des contraintes de mémoire et l exécution parallèle des tâches sur un processeur donné. L apport de règles d ordonnancement heuristiques simples a été prouvé dans ce cadre. Les pistes d études sont nombreuses : outre l apport de nouvelles heuristiques, il convient maintenant de fixer un certain nombre de paramètres de façon expérimentale. En particulier la variable, K de la fonction objectif a une incidence directe sur le nombre de processus s exécutant sur un ordinateur où un utilisateur est connecté. La diffusion des informations de synchronisation a aussi un impact direct sur les performances globales du système. L utilisation de communications de type broadcast n est plus possible au delà d un nombre raisonnable d ordinateurs. D autres méthodes de diffusion sont à l étude. Par ailleurs, le modèle peut être étendu au cas où la mémoire des processus varie au cours du temps. Une autre relaxation d un cas pourtant bien réel a été faite et mérite d être étudiée : l hypothèse qu un processus s exécute aussi rapidement sur l ordinateur sur lequel il a été créé que sur un autre ordinateur du réseau (à la vitesse du processeur près). De nombreux cas réels peuvent mettre en défaut cette hypothèse, en particulier dans le traitement des appels systèmes. Nous travaillons actuellement sur la formalisation et la modélisation des appels systèmes émis par un processus afin de les inclure à notre simulation. D autres contraintes pertinentes sont considérées comme les contraintes de précédence et les communications inter-tâches. Parallèlement, le déploiement de la solution technique est en cours de planification. Bibliographie 1. Condor. http :// 2. Kerrighed. http :// 3. Objectweb consortium proactive. http ://www-sop.inria.fr/oasis/proactive/. 4. Simgrid. http ://simgrid.gforge.inria.fr/. 5. Vmware. http :// 6. Aggarwal (G.), Motwani (R.) et Zhu (A.). The load rebalancing problem. Proc. ACM SPAA, 2003, Anderson (D.P.). Boinc : A system for public-ressource computing and storage. 5th IEEE/ACM International Workshop on Grid Computing, Anderson (D.P.), Cob (J.), Korpela (E.), Lebofsky et Werthimer. Seti at home : An experiment in public ressource computing. Communications of the ACM, vol. 45 No. 11, Nov 2002, pp Berenbrink (Petra) et al. Randomized and adversarial load balancing. Proceedings of the eleventh annual ACM symposium on Parallel algorithms and architectures, 1999, pp
8 10. Berenbrink (Petra), Friedetzky (Tom) et Goldberg (Leslie Ann). The natural work-stealing algorithm is stable. In : IEEE Symposium on Foundations of Computer Science, pp Borodin (Allan) et El-Yaniv (Ran). Online Computation and Competitive Analysis. Cambridge University Press, Casanova (Henri), Legrand (Arnaud) et Marchal (Loris). Scheduling distributed applications : the simgrid simulation framework. Proceedings of the third IEEE International Symposium on Cluster Computing and the Grid (CCGrid 03), Casavant (T.L.) et Kuhl (J.G.). A taxonomy of scheduling in general-purpose distributed computing systems. IEEE Transactions on Software Engineering, 1988, pp Downey (Allen B.) et Harchol-Balter (Mor). A note on The Limited Peroformance Benefits of Migrating Active Processes for Load Sharing. Rapport technique, Computer Science Division University of California Berkeley, Eager (Derek L.), Lazowska (Edward D.) et Zahorjan (John). The limited performance benefits of migrating active processes for load sharing. SIGMETRICS, May 1988, pp Hanquez (Vincent) et Bar (Moshe). Openmosix kernel patch website. http ://openmosix.sf.net. 17. Perotin (Matthieu), Martineau (Patrick) et Esswein (Carl). équilibrage de charge réaliste pour la grille. Rapport Interne - LI Tours, Rudolph (Larry), Slivkin-Allalouf (Miriam) et Upfal (Eli). A simple load balancing scheme for task allocation in parallel machines. In : ACM Symposium on Parallel Algorithms and Architectures, pp T kindt (V.) et Billaut (J.C). Multicriteria Scheduling. Springer Verlag, Berlin, Xu (Chengzhong) et Lau (Francis C.). Load Balancing in Parallel Computers : Theory and Practice. Norwell, MA, USA, Kluwer Academic Publishers,
Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration
Julien MATHEVET Alexandre BOISSY GSID 4 Rapport Load Balancing et migration Printemps 2001 SOMMAIRE INTRODUCTION... 3 SYNTHESE CONCERNANT LE LOAD BALANCING ET LA MIGRATION... 4 POURQUOI FAIRE DU LOAD BALANCING?...
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 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 détailEquilibrage de charge (Load
Equilibrage de charge (Load balancing) dans les MPSoCs Présenté Le : 02 Décembre 2013 Par : A. AROUI Encadreur : A.E. BENYAMINA 01/12/2013 1 Problématique Comportement dynamique des applications et la
Plus en détailEquilibrage de charge pour les grilles de calcul : classe des tâches dépendantes et indépendantes.
Equilibrage de charge pour les grilles de calcul : classe des tâches dépendantes et indépendantes. Meriem Meddeber 1 et Belabbas Yagoubi 2 1 Université de Mascara, Faculté des sciences, Département des
Plus en détailMétriques de performance pour les algorithmes et programmes parallèles
Métriques de performance pour les algorithmes et programmes parallèles 11 18 nov. 2002 Cette section est basée tout d abord sur la référence suivante (manuel suggéré mais non obligatoire) : R. Miller and
Plus en détailEvaluation des performances de programmes parallèles haut niveau à base de squelettes
Evaluation des performances de programmes parallèles haut niveau à base de squelettes Enhancing the Performance Predictability of Grid Applications with Patterns and Process Algebras A. Benoit, M. Cole,
Plus en détailOrdonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
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 détailNe laissez pas le stockage cloud pénaliser votre retour sur investissement
Ne laissez pas le stockage cloud pénaliser votre retour sur investissement Préparé par : George Crump, analyste senior Préparé le : 03/10/2012 L investissement qu une entreprise fait dans le domaine de
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 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 détailETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE
Mémoires 2010-2011 www.euranova.eu MÉMOIRES ETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE Contexte : Aujourd hui la plupart des serveurs d application JEE utilise des niveaux de cache L1
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détail«clustering» et «load balancing» avec Zope et ZEO
IN53 Printemps 2003 «clustering» et «load balancing» avec Zope et ZEO Professeur : M. Mignot Etudiants : Boureliou Sylvain et Meyer Pierre Sommaire Introduction...3 1. Présentation générale de ZEO...4
Plus en détailOrdonnancement 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 détailLa surveillance réseau des Clouds privés
La surveillance réseau des Clouds privés Livre blanc Auteurs : Dirk Paessler, CEO de Paessler AG Gerald Schoch, Rédactrice technique de Paessler AG Publication : Mai 2011 Mise à jour : Février 2015 PAGE
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 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 détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailProjet ViSaGe : implémentation de l administration et du monitoring de ViSaGe (Virtualisation du Stockage appliquée aux Grilles informatiques)
RenPar 18/ SympA 2008 / CFSE 6 / JC 2008 Fribourg en Suisse, 11 au 13 février 2008 Projet ViSaGe : implémentation de l administration et du monitoring de ViSaGe (Virtualisation du Stockage appliquée aux
Plus en détailComment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain?
DOSSIER SOLUTION Solution CA Virtual Placement and Balancing Comment optimiser l utilisation des ressources Cloud et de virtualisation, aujourd hui et demain? agility made possible La solution automatisée
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 détailFAMILLE EMC VPLEX. Disponibilité continue et mobilité des données dans et entre les datacenters AVANTAGES
FAMILLE EMC VPLEX Disponibilité continue et mobilité des données dans et entre les datacenters DISPONIBLITÉ CONTINUE ET MOBILITÉ DES DONNÉES DES APPLICATIONS CRITIQUES L infrastructure de stockage évolue
Plus en détailISO/CEI 19770-1. Technologies de l information Gestion des actifs logiciels. Partie 1: Procédés et évaluation progressive de la conformité
NORME INTERNATIONALE ISO/CEI 19770-1 Deuxième édition 2012-06-15 Technologies de l information Gestion des actifs logiciels Partie 1: Procédés et évaluation progressive de la conformité Information technology
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 détailFAMILLE EMC VPLEX. Disponibilité continue et mobilité des données dans et entre les datacenters
FAMILLE EMC VPLEX Disponibilité continue et mobilité des données dans et entre les datacenters DISPONIBILITE CONTINUE ET MOBILITE DES DONNEES DES APPLICATIONS CRITIQUES L infrastructure de stockage évolue
Plus en détailT. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet 5
Modélisation de la performance et optimisation d un algorithme hydrodynamique de type Lagrange-Projection sur processeurs multi-cœurs T. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet
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 détailIyad Alshabani SysCom - CReSTIC Université de Reims 17/02/2011 1
SysCom - CReSTIC Université de Reims 17/02/2011 1 Motivation Gestion des expérimentations Avec les workflows Simulation Simulation des Systèmes Distribués ANR USS SimGrid Campagne de Test et gestion de
Plus en détailHigh Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi
Thèse High Performance by Exploiting Information Locality through Reverse Computing Présentée et soutenue publiquement le 21 décembre 2011 par Mouad Bahi pour l obtention du Doctorat de l université Paris-Sud
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 détailComment gérer toutes mes tâches logicielles d automatisation dans un seul environnement?
Comment gérer toutes mes tâches logicielles d automatisation dans un seul environnement? Avec Totally Integrated Automation Portal : un seul environnement de développement intégré pour toutes vos tâches
Plus en détailEquilibrage de charge pour les grilles de calcul : classe des tâches dépendantes
Equilibrage de charge pour les grilles de calcul : classe des tâches dépendantes Meriem Meddeber 1, Belabbes Yagoubi 2 1 Université de Mascara, Faculté des sciences et technologies, Département d informatique,
Plus en détailWindows serveur 2008 installer hyperv
Windows serveur 2008 installer hyperv 1 Description Voici la description fournit par le site Microsoft. «Windows Server 2008 Hyper-V est le moteur de virtualisation (hyperviseur) fourni dans Windows Server
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 détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailAspects théoriques et algorithmiques du calcul réparti L agglomération
Aspects théoriques et algorithmiques du calcul réparti L agglomération Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques
Plus en détailLivre blanc. La sécurité de nouvelle génération pour les datacenters virtualisés
Livre blanc La sécurité de nouvelle génération pour les datacenters virtualisés Introduction Ces dernières années, la virtualisation est devenue progressivement un élément stratégique clé pour le secteur
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
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 détailUne proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes
303 Schedae, 2007 Prépublication n 46 Fascicule n 2 Une proposition d extension de GML pour un modèle générique d intégration de données spatio-temporelles hétérogènes Samya Sagar, Mohamed Ben Ahmed Laboratoire
Plus en détailMaîtrise énergétique des centres de données
LABORATOIRE D INFORMATIQUE DE NANTES-ATLANTIQUE UMR 6241 ÉCOLE DOCTORALE STIM, N. 503 «Sciences et technologies de l information et des mathématiques» Sujet de thèse pour 2010 Maîtrise énergétique des
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 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 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 détailProjet Résilience. Synthèse du partenaire Paris 13. Christophe Cérin, Yanik Ngoko, Alain Takoudjou. Laboratoire d Informatique de Paris Nord
Projet Résilience Synthèse du partenaire Paris 13 Christophe Cérin, Yanik Ngoko, Alain Takoudjou Laboratoire d Informatique de Paris Nord 19 juin 2014 Christophe Cérin, Yanik Ngoko, Alain Takoudjou (LIPN)
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailStage Ingénieur en développement logiciel/modélisation 3D
Ingénieur en développement logiciel/modélisation 3D Schlumberger recrute un(e) stagiaire ingénieur en modélisation 3D pour la plate-forme Petrel. Vous serez intégré(e) au sein d une équipe innovante, Petrel
Plus en détailTEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.
(19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:
Plus en détailEcole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 24
Ecole Mohammadia d Ingénieurs Systèmes Répartis Pr. Slimane Bah, ing. PhD G. Informatique Semaine 24 1 Semestre 4 : Fev. 2015 Cluster Caractéristiques : Centralisé Fortement couplé Même domaine administratif
Plus en détailUne application des algorithmes génétiques à l ordonnancement d atelier
Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe
Plus en détailVMWare Infrastructure 3
Ingénieurs 2000 Filière Informatique et réseaux Université de Marne-la-Vallée VMWare Infrastructure 3 Exposé système et nouvelles technologies réseau. Christophe KELLER Sommaire Sommaire... 2 Introduction...
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 détail4D v11 SQL Release 5 (11.5) ADDENDUM
ADDENDUM Bienvenue dans la release 5 de 4D v11 SQL. Ce document présente les nouveautés et modifications apportées à cette nouvelle version du programme. Prise en charge de nouvelles plates-formes La release
Plus en détailLe Ro le Hyper V Troisie me Partie Haute disponibilite des machines virtuelles
Le Ro le Hyper V Troisie me Partie Haute disponibilite des machines virtuelles Microsoft France Division DPE Table des matières Présentation... 2 Objectifs... 2 Pré requis... 2 Quelles sont les principales
Plus en détailMesure et modélisation de l énergie logicielle
Mesure et modélisation de l énergie logicielle Adel Noureddine, Romain Rouvoy, Lionel Seinturier Green Days @ Lille 29 novembre 2013 Plan Contexte! Problèmes et limitations! Mesure énergétique des logiciels
Plus en détailWindows Server 2008. Chapitre 1: Découvrir Windows Server 2008
Windows Server 2008 Chapitre 1: Découvrir Windows Server 2008 Objectives Identifier les caractéristiques de chaque édition de Windows Server 2008 Identifier les caractéristiques généraux de Windows Server
Plus en détailPrédiction des performances des opérations de sauvegarde/reprise sur cluster virtuel
RenPar 18 / SympA 2008 / CFSE 6 Fribourg, Suisse, du 11 au 13 février 2008 Prédiction des performances des opérations de sauvegarde/reprise sur cluster virtuel Yenké Blaise Omer Laboratoire LIG (équipe
Plus en détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailDéfi Cloud Computing
EQUIPE RICM 2010 Défi Cloud Computing Dossier de remarques Ricom c est l @base 04/12/2009 Sommaire Introduction... 3 Les applications et la plateforme Cloud Computing... 4 Cloud Computing - RICM-2010 Page
Plus en détailConditions : stage indemnisé, aide au logement possible, transport CEA en Ile-de-France gratuit.
Proposition de stage de BAC+4 ou BAC+5 Pro ou Recherche Etude comparative des outils de vérification d'algorithmes parallèles Logiciels (LSL), localisé à Palaiseau (Essonne), développe les outils d'aide
Plus en détailEtude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
Plus en détailDimensionnement Introduction
Dimensionnement Introduction Anthony Busson Dimensionnement Pourquoi dimensionner? Création d un système informatique ou réseau Problème de décision (taille des différents paramètres) Evaluer les performances
Plus en détailTechnologie SDS (Software-Defined Storage) de DataCore
Technologie SDS (Software-Defined Storage) de DataCore SANsymphony -V est notre solution phare de virtualisation du stockage, dans sa 10e génération. Déployée sur plus de 10000 sites clients, elle optimise
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailDynamic Computing Services solution de backup. White Paper Stefan Ruckstuhl
Dynamic Computing Services solution de backup White Paper Stefan Ruckstuhl Résumé pour les décideurs Contenu de ce White Paper Description de solutions de backup faciles à réaliser pour des serveurs virtuels
Plus en détailEntraînement au concours ACM-ICPC
Entraînement au concours ACM-ICPC Concours ACM-ICPC : format et stratégies Page 1 / 16 Plan Présentation Stratégies de base Page 2 / 16 Qu est-ce que c est? ACM-ICPC : International Collegiate Programming
Plus en détailMathieu Rivoalen. Etude d'approfondissement des réseaux RICM 5 Option Réseaux
Jonathan Faure Mathieu Rivoalen Jean-François Knoepfli Cloud computing ou comment avoir "la tête dans les nuages" Etude d'approfondissement des réseaux RICM 5 Option Réseaux Sommaire Introduction au Cloud
Plus en détailFiche Technique Windows Azure
Le 25/03/2013 OBJECTIF VIRTUALISATION mathieuc@exakis.com EXAKIS NANTES Identification du document Titre Projet Date de création Date de modification Fiche Technique Objectif 25/03/2013 27/03/2013 Windows
Plus en détailWEB15 IBM Software for Business Process Management. un offre complète et modulaire. Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.
WEB15 IBM Software for Business Process Management un offre complète et modulaire Alain DARMON consultant avant-vente BPM alain.darmon@fr.ibm.com Claude Perrin ECM Client Technical Professional Manager
Plus en détailVirtual Data Center d Interoute. Prenez la main sur votre Cloud.
Virtual Data Center d Interoute. Prenez la main sur votre Cloud. Faites évoluer vos ressources informatiques à la demande Choisissez la localisation d hébergement de vos données en Europe Le réseau européen
Plus en détailUne méthode d apprentissage pour la composition de services web
Une méthode d apprentissage pour la composition de services web Soufiene Lajmi * Chirine Ghedira ** Khaled Ghedira * * Laboratoire SOIE (ENSI) University of Manouba, Manouba 2010, Tunisia Soufiene.lajmi@ensi.rnu.tn,
Plus en détailSystème de stockage IBM XIV Storage System Description technique
Système de stockage IBM XIV Storage System Description technique Système de stockage IBM XIV Storage System Le stockage réinventé Performance Le système IBM XIV Storage System constitue une solution de
Plus en détailVous êtes bien à la bonne présentation, c est juste que je trouvais que le titre de cette présentation étais un peu long,
Vous êtes bien à la bonne présentation, c est juste que je trouvais que le titre de cette présentation étais un peu long, en fait ça me faisait penser au nom d un certain projet gouvernemental je me suis
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailPrestations de conseil en SRM (Storage Ressource Management)
Prestations de conseil en SRM (Storage Ressource Management) Sommaire 1 BUTS DE LA PRESTATION 2 PRESENTATION DE LA PRESTATION 3 3 3 ETAPE 1 : ELEMENTS TECHNIQUES SUR LESQUELS S APPUIE LA PRESTATION DE
Plus en détailL apprentissage automatique
L apprentissage automatique L apprentissage automatique L'apprentissage automatique fait référence au développement, à l analyse et à l implémentation de méthodes qui permettent à une machine d évoluer
Plus en détailEMC PERSPECTIVE. Le redéploiement des applications SAP sur le stockage EMC et VMware améliore les résultats de Callaway Golf Company
EMC PERSPECTIVE Le redéploiement des applications SAP sur le stockage EMC et VMware améliore les résultats de Callaway Golf Company ROI de 289 % : plus de 1,8 million de dollars d économies Le projet de
Plus en détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
Plus en détailLa NP-complétude. Johanne Cohen. PRISM/CNRS, Versailles, France.
La NP-complétude Johanne Cohen PRISM/CNRS, Versailles, France. Références 1. Algorithm Design, Jon Kleinberg, Eva Tardos, Addison-Wesley, 2006. 2. Computers and Intractability : A Guide to the Theory of
Plus en détail10 tâches d administration simplifiées grâce à Windows Server 2008 R2. 1. Migration des systèmes virtuels sans interruption de service
10 tâches d administration simplifiées grâce à Windows Server 2008 R2 Faire plus avec moins. C est l obsession depuis plusieurs années de tous les administrateurs de serveurs mais cette quête prend encore
Plus en détailDossier Solution - Virtualisation CA arcserve Unified Data Protection
Dossier Solution - Virtualisation CA arcserve Unified Data Protection La virtualisation des serveurs et des postes de travail est devenue omniprésente dans la plupart des organisations, et pas seulement
Plus en détailINTERSYSTEMS CACHÉ COMME ALTERNATIVE AUX BASES DE DONNÉES RÉSIDENTES EN MÉMOIRE
I N T E RS Y S T E M S INTERSYSTEMS CACHÉ COMME ALTERNATIVE AUX BASES DE DONNÉES RÉSIDENTES EN MÉMOIRE David Kaaret InterSystems Corporation INTERSySTEMS CAChé CoMME ALTERNATIvE AUx BASES de données RéSIdENTES
Plus en détailCircuit du médicament informatisé
Circuit du médicament informatisé Points de vigilance axe technique SOMMAIRE... 1 FICHE N 1- DISPONIBILITE ET PERFORMANCE... 2 FICHE N 2- ENVIRONNEMENT DE TEST... 4 FICHE N 3- VERSIONNING... 5 FICHE N
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 détailC-JDBC. Emmanuel Cecchet INRIA, Projet Sardes. http://sardes.inrialpes.fr
Emmanuel Cecchet INRIA, Projet Sardes http://sardes.inrialpes.fr Plan Motivations Idées principales Concepts Caching Perspectives /ObjectWeb 15 octobre 2002 Emmanuel.Cecchet@inrialpes.fr 2 - Motivations
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailCisco Unified Computing Migration and Transition Service (Migration et transition)
Cisco Unified Computing Migration and Transition Service (Migration et transition) Le service Cisco Unified Computing Migration and Transition Service (Migration et transition) vous aide à migrer vos applications
Plus en détailMobile OGSI.NET: Grid Computing on Mobile Devices
Mobile OGSI.NET: Grid Computing on Mobile Devices David C.Chu Université de Californie, Berkeley Marty Humphrey Université de Virginie Publié en Novembre 2004 lors de la 5ième conférence IEEE/ACM International
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détail<Insert Picture Here> Solaris pour la base de donnés Oracle
Solaris pour la base de donnés Oracle Alain Chéreau Oracle Solution Center Agenda Compilateurs Mémoire pour la SGA Parallélisme RAC Flash Cache Compilateurs
Plus en détailSECURIDAY 2012 Pro Edition
SECURINETS CLUB DE LA SECURITE INFORMATIQUE INSAT SECURIDAY 2012 Pro Edition [LOAD BALANCING] Chef Atelier : Asma JERBI (rt5) Hajer MEHRZI(rt3) Rania FLISS (rt3) Ibtissem OMAR (rt3) Asma Tounsi (rt3la)
Plus en détailDG-ADAJ: Une plateforme Desktop Grid
DG-ADAJ: Une plateforme pour Desktop Grid Olejnik Richard, Bernard Toursel Université des Sciences et Technologies de Lille Laboratoire d Informatique Fondamentale de Lille (LIFL UMR CNRS 8022) Bât M3
Plus en détailMATRICE DES FONCTIONNALITES
Facilité d utilisation Nouveau! Convivialité d Outlook Nouveau! Smart Technician Client Assistant Installation Configuration instantanée et personnalisable Nouveau! Installation à distance de Technician
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailV3 - Une Appliance Conçue pour le VDI
V3 - Une Appliance Conçue pour le VDI SOMMAIRE 1- LES SIGNES INDIQUANT QU IL EST TEMPS D ÉTENDRE LA VIRTUALISATION DU DATA CENTER AUX POSTES DE TRAVAIL... 2 2- LES TENDANCES DU MARCHE A- La modernisation
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 détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détail