Ordonnancement sous contraintes de Qualité de Service dans les Clouds

Dimension: px
Commencer à balayer dès la page:

Download "Ordonnancement sous contraintes de Qualité de Service dans les Clouds"

Transcription

1 Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 05/12/2014 1

2 Contexte CLOUD COMPUTING Contexte : Environnement de Cloud Computing Évolution de l ère de l Information 1 er fournisseur de Cloud : Amazon (AWS) en ere API open source compatible AWS : Eucalyptus en

3 Contexte CLOUD COMPUTING Propriétés mises en avant par les fournisseurs de services Cloud 3

4 Contexte CLOUD COMPUTING Questionnements du point de vue utilisateur 4

5 Contexte CLOUD COMPUTING Contrat d utilisation entre les deux parties 5

6 Contexte CLOUD COMPUTING Gestion de la QoS : Enjeux du point de vue du fournisseur de services Performance des ressources Stabilité du système Réactivité des services Sûreté de fonctionnement Coûts (utilisation / gestion) Avec comme buts majeurs de : Satisfaire l utilisateur par de bonnes conditions d utilisation Tirer profit de ces services Compromis entre la QoS proposée à l utilisateur et les coûts engendrés 6

7 Contexte CLOUD COMPUTING Résumé de la situation & problématiques associées Afin de trouver le meilleur compromis, un fournisseur doit être en mesure de : Prendre des décisions de gestion de son infrastructure afin de moduler la QoS proposée aux utilisateurs Comment attester de la Qualité de service dans un Cloud? Réduire les coûts de fonctionnement : Aspect énergétique très important, consommation des Data-Centers actuels : 2% de l électricité mondiale Quelles solutions pour minimiser la consommation énergétique des ressources de calcul? 7

8 Modélisations : environnement Cloud & Qualité de Service Déroulement de la présentation Modélisations : environnement Cloud & Qualité de Service Méta-heuristique : Allocation et Optimisation Simulations d ordonnancement Cloud sous contraintes de QoS Conclusions et perspectives 8

9 Modélisations : environnement Cloud & Qualité de Service Déroulement de la présentation Modélisations : environnement Cloud & Qualité de Service Méta-heuristique : Allocation et Optimisation Simulations d ordonnancement Cloud sous contraintes de QoS Conclusions et perspectives 8

10 Modélisations : environnement Cloud & Qualité de Service Modélisation de l architecture Élements de l environnement Cloud Data-center(s) Cluster(s) Machine(s) physique(s) Temps d allumage / d extinction Capacité CPU / Mémoire Fréquences CPU autorisées et puissances associées DVFS - Principes de base Utilisation du DVFS 1 (Dynamic Voltage & Frequency Scaling) Variation dynamique de la fréquence et du voltage CPU Décision de changement en fonction de la charge Choix d un couple Voltage/Fréquence prédéfini 1. Simulation énergétique de tâches distribuées avec changements dynamiques de fréquence. ComPAS 2013, Grenoble,

11 Modélisations : environnement Cloud & Qualité de Service Modélisation de l architecture Pourquoi changer la fréquence des CPU? Puissance dynamique délivrée par un composant CMOS : P cmos = C eff V 2 f avec, C eff la capacitance effective *, V le voltage et f la fréquence * grandeur physique : capacité d un composant à s opposer au changement de voltage entre ses bornes Énergie dépensée par tâche : E = P T V 2, avec V f, alors E f 2 } {{ } Frequency Frequency f1 0 0 W T1 T1 D Time f2 0 0 W T2 D Time Fréquence divisée par 2 Énergie divisée par 4 10

12 Modélisations : environnement Cloud & Qualité de Service Modélisation de l architecture DVFS dans le noyau Linux 5 modes de fonctionnement : 3 statiques, 2 dynamiques PERFORMANCE : Fréquence maximum fixée POWERSAVE : Fréquence minimum fixée USERSPACE : Fréquence choisie fixée ON-DEMAND : Décision dynamique avec 1 seuil + 1 délai CONSERVATIVE : Décision dynamique avec 2 seuils Prise de décision de changement de fréquence chaque 10ms 11

13 Modélisations : environnement Cloud & Qualité de Service Modélisation de l architecture Machine(s) virtuelle(s) Temps d allumage, de reconfiguration et de migration Capacité CPU / Mémoire : demandée, allouée, utilisée Principe de reconfiguration Machine Virtuelle Capacité CPU allouée Machine Virtuelle Réduction de X% Nouvelle capacité CPU allouée Service(s) élémentaire(s) (calcul, base de donnée, stockage) : exécuté(s) par une machine virtuelle 12

14 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud La QoS dans les Clouds Étapes de l étude Lister des paramètres QoS pouvant jouer un rôle dans un Cloud Faire ressortir des catégories de paramètres Apporter une définition précise de chacun dans un Cloud Définir des métriques mesurables Décider lesquelles sont intéressantes pour notre étude 13

15 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Comment sélectionner les paramètres de QoS à optimiser? Analyse de SLA des fournisseurs actuels : Amazon, Google, Microsoft... Tenir compte des besoins des utilisateurs Tenir compte des problèmes environnementaux d aujourd hui Se baser sur les travaux de recherche existant 14

16 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Catégories de QoS PERFORMANCE Temps d exécution Latence Débit Temps de réponse : Terminaison de la machine virtuelle ( la plus ) longue : T h,k rep = max NbInstr v ω v,h f,cpu vm1 vm2 vm3 vm4 Temps de réponse (s) 15

17 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Catégories de QoS SÛRETÉ DE FONCTIONNEMENT Dynamisme : Capacité à réagir à des pics d utilisation : n H ξ h i,k f,cpu ωh i,k f,cpu i=0 Dyn = n H Robustesse : Probabilité d un service de ne pas être affecté par une défaillance d une machine physique : Rob = n H i=0 n h i V n H Machine physique 0 LIBRE VM VM VM Dynamsime Machine physique 1 LIBRE VM VM VM VM Machine physique N LIBRE VM 3 vm 4 vm 1 vm Robustesse :

18 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Catégories de QoS SÉCURITÉ & DONNÉES Authentification Autorisation Intégrité Confidentialité Responsabilisation Traçabilité Cryptage Cycle de vie des données Non Répudiation 17

19 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Catégories de QoS COÛT Puissance (W) 300 Pidle Pfull Coût de service Coût énergétique : Énergie totale consommée, n H E = P(F i ) h i Trep h,k i=1 P(F i ) = α (P full (F i ) P idle (F i )) + P idle (F i ) Empreinte carbone Fréquence (GHz) Caractéristiques du site Grid 5000 de Reims 18

20 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Sélection des paramètres de QoS Objectifs : Pertinence et antagonisme Énergie : Énergie total consommée MIN Temps de réponse : Durée d exécution de la machine virtuelle la plus longue MIN Robustesse : Probabilité d un service d être affecté par une défaillance d une machine physique MIN Dynamisme : Capacité à réagir à des pics d utilisation MAX * Quatre métriques de QoS antagonistes Problème d optimisation multi-objectifs 2 2. Revue internationale : Quality of service modeling for green scheduling in Clouds, SUSCOM,

21 Modélisations : environnement Cloud & Qualité de Service Modélisation de QoS Cloud Déroulement de la présentation Modélisations : environnement Cloud & Qualité de Service Méta-heuristique : Allocation et Optimisation Simulations d ordonnancement Cloud sous contraintes de QoS Conclusions et perspectives 20

22 Méta-heuristique : Allocation et Optimisation Algorithme Génétique Modélisation de l algorithme génétique Un chromosome une solution de placement Un gène une machine virtuelle Valeur d un gène numéro de la machine physique Machine physique 0 Machine physique 1 Machine physique 2 VM_n VM_3 VM_1 VM_n-2 VM_n-1 VM_2 21

23 Méta-heuristique : Allocation et Optimisation Algorithme Génétique Conditions expérimentales 110 machines physiques Capacité MEM : 2500 Mo Capacité CPU : 2000 MIPS 5 fréquences CPU DVFS mode USERSPACE Hétérogénéité des puissances délivrées (5 types) 400 machines virtuelles Capacité CPU : [200 ;400 ;600 ;800] MIPS Capacité MEM : [200 ;400 ;600 ;800] Mo 16 types de machine virtuelles Reconfiguration capacité CPU 20% Nombre d instructions généré aléatoirement Paramètres du GA : Nombre d individus de la population initiale : 1500 Nombre d individus de la population de travail : 120 Nombre de croisements : 90 Nombre de mutations : 120 Nombre de générations : 600 Nombres fixes de machines physiques et machines virtuelles à allouer à un instant t 22

24 Méta-heuristique : Allocation et Optimisation Algorithme Génétique Optimisation des objectifs Fonction objectif (valeur de Fitness) : F obj = α 1 n(e) + α 2 n(respt ) + α 3 n(rob) α 4 n(dyn) Fonction de normalisation Centrer-Réduire : n(x) = v µ σ Valeurs de fitness comparables Déclinaison du GA en plusieurs configurations d optimisation : Nom GA Coefficients appliqués aux métriques Temps Énergie Robustesse Dynamisme de réponse GA All GA Energy GA RespT GA Rob GA Dyn Comment estimer et comparer la qualité des solutions? 23

25 Méta-heuristique : Allocation et Optimisation Algorithme Génétique Comparaison des optimisations La qualité d une solution, sur l ensemble des métriques, peut être estimée par rapport : À des algorithmes gloutons À d autres méta-heuristiques À l optimal Ou en comparant le Fitness des différentes versions du GA 24

26 Méta-heuristique : Allocation et Optimisation Algorithme Génétique Comparaison des optimisations Fitness calculé avec une normalisation sur [min ;max] pour chaque configuration. Comparaison du Fitness GA_Energy GA_RespT GA_Rob GA_Dyn GA_All Mauvaise qualité 0.6 Fitness Nb machines virtuelles Bonne qualité Temps de résolution sur l instance 110/400 : 40s 25

27 Méta-heuristique : Allocation et Optimisation Algorithme Génétique Bilan d étude de l algorithme génétique : Donne une idée globale de l influence de chaque métrique Solution d allocation multi-objectifs satisfaisantes Convergence rapide Temps de résolution de 1 10s par machine virtuelle Aspect temporel manquant! de l allocation à l ordonnancement 26

28 Simulations d ordonnancement Cloud sous contraintes de QoS Déroulement de la présentation Modélisations : environnement Cloud & Qualité de Service Méta-heuristique : Allocation et Optimisation Simulations d ordonnancement Cloud sous contraintes de QoS Conclusions et perspectives 27

29 Simulations d ordonnancement Cloud sous contraintes de QoS CloudSim CloudSim : Propriétés Propriétés : Simulation évènementielle Description fine de l architecture Cloud Outils énergétiques (modèles,migration,...) Politiques de placement Extensibilité de ses fonctionnalités 3 3. Revue internationale : Energy-aware simulation with DVFS. Simulation Modelling Practice and Theory Code source disponible : http ://www.cloudbus.org/cloudsim/cloudsim DVFS.rar 28

30 Simulations d ordonnancement Cloud sous contraintes de QoS CloudSim - propriétés et extensions CloudSim : Extensions Extensions : DVFS Reconfiguration machine virtuelle Gestion dynamique des évènements Mesures de métriques de QoS Validation de ces extensions par comparaison à des expérimentations réelles : Machine physique unique Application parallèle MPI sur Grid Cas d utilisation pour les DAG (Direct Acyclic Graph) 4. Grid 5000 energy-aware experiments with DVFS, Grid 5000 school 2012, Nantes

31 Simulations d ordonnancement Cloud sous contraintes de QoS CloudSim - Conditions de simulation Conditions de simulation Instance du problème : 110 / 400 Même caractéristiques que pour l étude du GA Ré-Allocations périodiques chaque 20 secondes migrations Algorithmes de placement utilisés : Allocation avec les différentes versions du GA Allocation avec des algorithmes gloutons : Best-Fit Sorted (BFS) & Round-Robin (RR) Analyse de l impact des ré-allocations sur l exécution des machines virtuelles et les valeurs des métriques de QoS au cours du temps 30

32 Simulations d ordonnancement Cloud sous contraintes de QoS CloudSim - Conditions de simulation Résultat - Robustesse Robustesse (Nb Services par machibe physique) Métrique : Robustesse BFS BFS ReAlloc GA_All GA_All ReAlloc RR RR ReAlloc Temps (s) Mauvaise qualité Bonne qualité Courbes GA/BFS/RR : Allocation unique à t=0 Courbes GA All-ReAlloc/BFS-ReAlloc/RR-ReAlloc : Allocation à t=0 puis ré-allocation chaque 20 secondes 31

33 Simulations d ordonnancement Cloud sous contraintes de QoS CloudSim - Conditions de simulation Résultat - Dynamisme Dynamisme (MIPS libres par machibe physique) Métrique : Dynamisme 400 BFS BFS ReAlloc GA_All 200 GA_All ReAlloc RR RR ReAlloc Temps (s) Bonne qualité Mauvaise qualité Courbes GA/BFS/RR : Allocation unique à t=0 Courbes GA All-ReAlloc/BFS-ReAlloc/RR-ReAlloc : Allocation à t=0 puis ré-allocation chaque 20 secondes 32

34 BFS Ordonnancement sous contraintes de Qualité de Service dans les Clouds Simulations d ordonnancement Cloud sous contraintes de QoS CloudSim - Conditions de simulation Résultat - Énergie / Temps de réponse Energy ResponseTime Métriques : Energie et Temps de réponse Mauvaise qualité Energie (Wh) Temps de réponse (s) 460 RR 100 BFS ReAlloc GA_All GA_All ReAlloc RR ReAlloc Bonne qualité Courbes GA/BFS/RR : Allocation unique à t=0 Courbes GA All-ReAlloc/BFS-ReAlloc/RR-ReAlloc : Allocation à t=0 puis ré-allocation chaque 20 secondes 33

35 Conclusions et perspectives Déroulement de la présentation Modélisations : environnement Cloud & Qualité de Service Méta-heuristique : Allocation et Optimisation Simulations d ordonnancement Cloud sous contraintes de QoS Conclusions et perspectives 34

36 Conclusions et perspectives Conclusions Conclusions Modélisation de QoS Cloud & Métriques associées Définitions des paramètres Métriques mesurables Algorithme génétique Compromis sur de plusieurs métriques de QoS Analyse de l influence des métriques sélectionnées les unes sur les autres Simulation Analyse de l impact des ré-allocations sur l évolution des métriques QoS Cloud au cours du temps Analyse de la perspicacité de l algorithme génétique et d algorithmes gloutons 35

37 Conclusions et perspectives Perspectives Perspectives À court terme : Extensions des modèles d architecture matérielle et logicielle Extensions des modèles de qualité de service Vers un simulateur de Cloud plus complet Méta-heuristiques et algorithme génétique Programmation linéaire 5 Apprendre pour mieux réagir À long terme : Utilisation intelligente des énergies vertes Remise en question du concept de fonctionnement 5. Collaboration actuelle avec l équipe ROC du LAAS 36

38 Conclusions et perspectives Perspectives Publications scientifiques Revues internationales - Tom Guérout, Samir Medjiah, Georges Da Costa, Thierry Monteil. Quality of Service Modeling for Green Scheduling in Clouds., Sustainable Computing, Elsevier, août Tom Guérout, Georges Da Costa, Thierry Monteil, Rodrigo Neves Calheiros, Rajkumar Buyya, Mihai Alexandru. Energy-aware simulation with DVFS., Simulation Modelling Practice and Theory, Elsevier, Numéro spécial Energy efficiency in Grids and Clouds, Vol. 39, p , Conférences et workshops internationaux - Tom Guérout, Mahdi Ben Alaya. Autonimic energy-aware task scheduling, IEEE International Conference on Collaboration Technologies and Infrastructures (WETICE 2013), Hammemet, Tunisie, 17/06/ /06/2013, IEEE Computer Society - Conference Publishing Services, juin Mahdi Ben Alaya, Thierry Monteil, Khalil Drira, Tom Guérout. A framework to create multi-domains autonomic middleware (regular paper), International Conference on Autonomic and Autonomous Systems (ICAS 2012), St Marteen (Pays Bas), mars Remi Sharrock, Patricia Stolf, Thierry Monteil, Tom Guérout. Internal self-protecting for consistency and stability in an autonomic manager (regular paper), IEEE International Symposium on Network Computing and Applications (IEEE NCA 2011), Toulouse, IEEE Computer Society, Conférences et workshops nationaux - Tom Guérout, Thierry Monteil, Georges Da Costa, Mihai Alexandru. Simulation énergétique de tâches distribuées avec changements dynamiques de fréquence (short paper), Conférence d informatique en Parallélisme, Architecture et Système (ComPAS 2013), Grenoble, janvier Tom Guérout, Thierry Monteil, Georges Da Costa, Mihai Alexandru. Grid 5000 energy-aware experiments with DVFS (short paper), Grid 5000 school 2012, Nantes, décembre GUÉROUT Tom 37

Ordonnancement sous contraintes de Qualité de Service dans les Clouds

Ordonnancement sous contraintes de Qualité de Service dans les Clouds Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 14/9/215 1 Profil Profil Parcours : Laboratoires LAAS et IRIT à Toulouse

Plus en détail

DOCTORAT DE L UNIVERSITÉ DE TOULOUSE

DOCTORAT DE L UNIVERSITÉ DE TOULOUSE THÈSE En vue de l obtention du DOCTORAT DE L UNIVERSITÉ DE TOULOUSE Délivré par : l Institut National des Sciences Appliquées de Toulouse (INSA de Toulouse) Présentée et soutenue le 05/12/2014 par : Tom

Plus en détail

Hétérogénéité pour atteindre une consommation énergétique proportionnelle dans les clouds

Hétérogénéité 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 détail

Optimisation 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 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 détail

Elasticité logicielle pour optimiser l empreinte énergétique

Elasticité logicielle pour optimiser l empreinte énergétique Ecole des Mines de Nantes Elasticité logicielle pour optimiser l empreinte énergétique Thomas Ledoux (équipe Ascola, INRIA-EMN, LINA) direction des études décembre 2010 page 1 Relation logiciel empreinte

Plus en détail

Élasticité des applications à base de services Samir Tata, Télécom SudParis UMR Samovar Équipe ACMES

Élasticité des applications à base de services Samir Tata, Télécom SudParis UMR Samovar Équipe ACMES Élasticité des applications à base de services Samir Tata, Télécom SudParis UMR Samovar Équipe ACMES Élasticité : Définitions et Concepts Samir Tata, Télécom SudParis Élasticité Définitions Élasticité

Plus en détail

Communications performantes par passage de message entre machines virtuelles co-hébergées

Communications performantes par passage de message entre machines virtuelles co-hébergées Communications performantes par passage de message entre machines virtuelles co-hébergées François Diakhaté1,2 1 CEA/DAM Île de France 2 INRIA Bordeaux Sud Ouest, équipe RUNTIME Renpar 2009 1 Plan Introduction

Plus en détail

Introduction. Gestion de la consommation énergétique. Contexte du cloud computing Instrumentation et contrôle

Introduction. Gestion de la consommation énergétique. Contexte du cloud computing Instrumentation et contrôle Ctrl-Green Projet ANR INFRA (2012-2015) Coordinateur Noel De Palma (UJF/LIG) Partenaires UJF/LIG, ENSEEIHT/IRIT, INRIA, Eolas Business&Decision, Scalagent Introduction Gestion de la consommation énergétique

Plus en détail

Cloud Computing, discours marketing ou solution à vos problèmes?

Cloud Computing, discours marketing ou solution à vos problèmes? Cloud Computing, discours marketing ou solution à vos problèmes? Henri PORNON 3 avril 2012 IETI Consultants 17 boulevard des Etats-Unis - F-71000 Mâcon Tel : (0)3 85 21 91 91 - fax : (0)3 85 21 91 92-

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 31 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 31 Le Cloud, qu est-ce que c est? C est récent Amazon qui commence (2006) avec AWS Dropbox, Google App Engine

Plus en détail

Qu est ce que le Cloud Computing?

Qu est ce que le Cloud Computing? Qu est ce que le Cloud Computing? Makhlouf Hadji Ingénieur de Recherche Qu est ce que le Cloud Computing? Agenda: Virtualisation des Ressources Introduction au Cloud Computing Caractéristiques du Cloud

Plus en détail

Efficience énergétique du SI par l écoconception des logiciels - projet Code Vert

Efficience énergétique du SI par l écoconception des logiciels - projet Code Vert Efficience énergétique du SI par l écoconception des logiciels - projet Code Vert 31 mars2015 Thierry LEBOUCQ tleboucq@kaliterre.fr @tleboucq Jeune entreprise innovante depuis 2011 Spécialisée dans le

Plus en détail

Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires

Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires Algorithme de recherche locale pour la résolution d un problème réel de tournées d inventaires Thierry Benoist Frédéric Gardi Antoine Jeanjean Bouygues e-lab, Paris { tbenoist, fgardi, ajeanjean }@bouygues.com

Plus en détail

Élasticité des applications à base de services dans le Cloud

Élasticité 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 détail

Contributions à l expérimentation sur les systèmes distribués de grande taille

Contributions 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 détail

Ordonnancement contrôlé de migrations à chaud

Ordonnancement contrôlé de migrations à chaud Ordonnancement contrôlé de migrations à chaud Vincent Kherbache, Éric Madelaine, Fabien Hermenier prénom.nom@inria.fr INRIA Sophia Antipolis fabien.hermenier@unice.fr Université Nice Sophia Antipolis,

Plus en détail

Efficacité énergétique des réseaux de cœur et d accès

Efficacité énergétique des réseaux de cœur et d accès Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1 Contexte

Plus en détail

Conception d un Simulateur de Grilles Orienté Gestion d'équilibrage

Conception d un Simulateur de Grilles Orienté Gestion d'équilibrage Conception d un Simulateur de Grilles Orienté Gestion d'équilibrage Fatima Kalfadj 1, Yagoubi Belabbas 2 et Meriem Meddeber 2 1 Université de Mascara, Faculté des Sciences, Département d Informatique,

Plus en détail

CAHIER DES CHARGES D IMPLANTATION

CAHIER DES CHARGES D IMPLANTATION CAHIER DES CHARGES D IMPLANTATION Tableau de diffusion du document Document : Cahier des Charges d Implantation EVRP Version 6 Etabli par DCSI Vérifié par Validé par Destinataires Pour information Création

Plus en détail

Architectures informatiques dans les nuages

Architectures 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 détail

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services

Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services 69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard

Plus en détail

Contrôle stochastique d allocation de ressources dans le «cloud computing»

Contrôle stochastique d allocation de ressources dans le «cloud computing» Contrôle stochastique d allocation de ressources dans le «cloud computing» Jacques Malenfant 1 Olga Melekhova 1, Xavier Dutreilh 1,3, Sergey Kirghizov 1, Isis Truck 2, Nicolas Rivierre 3 Travaux partiellement

Plus en détail

Le Cloud Compu+ng modèle et évalua+on de performances

Le Cloud Compu+ng modèle et évalua+on de performances Le Cloud Compu+ng modèle et évalua+on de Par Valérie D. JUSTAFORT Candidate au Ph.D. École Polytechnique 28 Mars 2014 Sous la direction de M. Samuel PIERRE, Ph.D. École Polytechnique Et la co-direction

Plus en détail

Grid 5000 : Administration d une infrastructure distribuée et développement d outils de déploiement et d isolation réseau

Grid 5000 : Administration d une infrastructure distribuée et développement d outils de déploiement et d isolation réseau : Administration d une infrastructure distribuée et développement d outils de déploiement et d isolation réseau Nicolas Niclausse - INRIA Sophia Antipolis Méditerranée - projet Aladdin Grid 5000 2 juillet

Plus en détail

Hébergement MMI SEMESTRE 4

Hébergement 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 détail

LES SOLUTIONS D HEBERGEMENT INFORMATIQUE

LES SOLUTIONS D HEBERGEMENT INFORMATIQUE LES SOLUTIONS D HEBERGEMENT INFORMATIQUE SOMMAIRE Qu est ce que le Cloud? De nouvelles offres? Approche économique Freins, moteurs et Avantages Des réponses concrètes : Les offres NC² SOMMAIRE Qu est ce

Plus en détail

Equilibrage 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. 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 détail

Entrez dans l ère du Numérique Très Haut Débit

Entrez dans l ère du Numérique Très Haut Débit MIPE Juin 2012 - Nantes http://www.network-th.fr - 0811 560 947 1. Le Très Haut Débit sur Fibre Optique au prix d une SDSL : Mythe ou Réalité? 2. Sauvegarder, Sécuriser, Protéger, Superviser : Délégueznous

Plus en détail

Chapitre 1. Infrastructures distribuées : cluster, grilles et cloud. Grid and Cloud Computing

Chapitre 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 détail

Cloud Computing, Fondamentaux, Usage et solutions

Cloud Computing, Fondamentaux, Usage et solutions SEMINAIRE sur le «CLOUD COMPUTING» DU 24 AU 28 NOVEMBRE 2014 TUNIS (TUNISIE) Cloud Computing, Fondamentaux, Usage et solutions Objectifs : Cette formation vous permettra de comprendre les principes du

Plus en détail

Vers l'orchestration de grilles de PC par les mécanismes de publicationsouscription

Vers 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 détail

Agrégation de liens xdsl sur un réseau radio

Agrégation de liens xdsl sur un réseau radio Agrégation de liens xdsl sur un réseau radio Soutenance TX Suiveur: Stéphane Crozat Commanditaire: tetaneutral.net/laurent Guerby 1 02/02/212 Introduction 2 Introduction: schéma 3 Définition d un tunnel

Plus en détail

Le cloud computing au service des applications cartographiques à haute disponibilité

Le cloud computing au service des applications cartographiques à haute disponibilité Le cloud computing au service des applications cartographiques à haute disponibilité Claude Philipona Les Rencontres de SIG-la-Lettre, Mai 2010 camptocamp SA / www.camptocamp.com / info@camptocamp.com

Plus en détail

Quels enjeux? 4. Quels bénéfices pour qui? 5. Les économies réalisables 6. Les caractéristiques et fonctionnalités en bref 7

Quels enjeux? 4. Quels bénéfices pour qui? 5. Les économies réalisables 6. Les caractéristiques et fonctionnalités en bref 7 SOMMAIRE Quels enjeux? 4 Quels bénéfices pour qui? 5 Les économies réalisables 6 Les caractéristiques et fonctionnalités en bref 7 L exploitation de la solution 8 L accompagnement à la mise en place et

Plus en détail

Groupe de travail Low Cost. Frédéric DIDIER Jacques WITKOWSKI

Groupe de travail Low Cost. Frédéric DIDIER Jacques WITKOWSKI Groupe de travail Low Cost Frédéric DIDIER Jacques WITKOWSKI DEFINITION Le LowCost s inscrit dans une pratique d optimisation financière consistant à délivrer à un coût minimal les niveaux de service adaptés

Plus en détail

Prise en compte d une politique de sécurité pour le déploiement dans le Cloud

Prise en compte d une politique de sécurité pour le déploiement dans le Cloud Prise en compte d une politique de sécurité pour le déploiement dans le Cloud Rencontres : Calcul intensif et Sciences des données Timothée Ravier Doctorant au LIFO (INSA-CVL) et au LIPN (Paris XIII) Vichy,

Plus en détail

Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL

Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL Sécurité des entrepôts de données dans le Cloud Un SaaS pour le cryptage des données issues d un ETL Présenté par Hana Gara Kort Sous la direction de Dr Jalel Akaichi Maître de conférences 1 1.Introduction

Plus en détail

Evolution 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 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 détail

Julien MATHEVET Alexandre BOISSY GSID 4. Rapport RE09. Load Balancing et migration

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 détail

Introduction. 1.1. Les deux premières révolutions

Introduction. 1.1. Les deux premières révolutions 1 Introduction Les réseaux en sont à leur troisième révolution. La première a été le passage du mode circuit au mode paquet et la deuxième du mode terrestre au mode hertzien. La troisième révolution que

Plus en détail

ParMat : Parallélisation pour la simulation des Matériaux.

ParMat : Parallélisation pour la simulation des Matériaux. : Parallélisation pour la simulation des Matériaux. G. Bencteux (EDF) 3 septembre 2008 Outline 1 2 Un algorithme d ordre N pour les calculs ab initio (DFT/HF) 3 Simulation du dommage d irradiation par

Plus en détail

La tête dans les nuages

La 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 détail

Cloud Computing. Introduction. ! Explosion du nombre et du volume de données

Cloud 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 détail

Virtualisation & Sécurité

Virtualisation & Sécurité Virtualisation & Sécurité Comment aborder la sécurité d une architecture virtualisée? Quels sont les principaux risques liés à la virtualisation? Peut-on réutiliser l expérience du monde physique? Quelles

Plus en détail

Assemblée générale Aristote

Assemblée générale Aristote Assemblée générale Aristote Panorama 2011-2012 Philippe d Anfray Philippe.d-Anfray@cea.fr CEA DSM-Saclay CNES 5 juillet 2012 Assemblée générale Aristote CNES 5 juillet 2012 1 / 21 Comité de programme (1)

Plus en détail

Ordonnancement robuste et décision dans l'incertain

Ordonnancement 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

Table des matières. Résumé. Remerciements

Table des matières. Résumé. Remerciements 2 Table des matières Résumé Abstract Remerciements v vii ix 1 Introduction 1 1.1 Contexte et Motivation................................ 1 1.1.1 Consommation des Centres de Données................... 2

Plus en détail

Mesurer la consommation électrique des serveurs dans les data-centers: besoins & challenges Code-Watchers!

Mesurer la consommation électrique des serveurs dans les data-centers: besoins & challenges Code-Watchers! Mesurer la consommation électrique des serveurs dans les data-centers: besoins & challenges Code-Watchers! Laurent Lefèvre Inria - laurent.lefevre @ inria.fr M. Diouri, J.-P. Gelas, O. Gluck, A.-C. Orgerie,

Plus en détail

Cloud Computing : Utiliser Stratos comme PaaS privé sur un cloud Eucalyptus

Cloud Computing : Utiliser Stratos comme PaaS privé sur un cloud Eucalyptus Cloud Computing : Utiliser Stratos comme PaaS privé sur un cloud Eucalyptus Mr Romaric SAGBO Ministère de l'economie et des Finances (MEF), Bénin SWD Technologies Email : rask9@yahoo.fr Tél : +229 97217745

Plus en détail

Optimisation for Cloud Computing and Big Data

Optimisation for Cloud Computing and Big Data 1 / 23 Optimisation for Cloud Computing and Big Data Olivier Beaumont, Lionel Eyraud-Dubois 2 / 23 Aujourd hui Problèmes de fiabilité on va oublier la dynamicité Placement de VMs en programmation par contraintes

Plus en détail

Groupe de Discussion - IoT Enjeux de l adoption de réseaux de capteurs IPv6. Sébastien Dawans 06/06/2012

Groupe de Discussion - IoT Enjeux de l adoption de réseaux de capteurs IPv6. Sébastien Dawans 06/06/2012 Groupe de Discussion - IoT Enjeux de l adoption de réseaux de capteurs IPv6 Sébastien Dawans 06/06/2012 Le CETIC en quelques mots Software & Services Technologies Helping industry to exploit faster distributed,

Plus en détail

Annexe 6. Notions d ordonnancement.

Annexe 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 détail

ITIL Gestion de la capacité

ITIL Gestion de la capacité ITIL Sommaire 1 GENERALITES 3 2 PERIMETRE DE LA GESTION DES CAPACITES 3 3 ACTIVITES ET LIVRABLES DE LA GESTION DES CAPACITES 4 3.1 ACTIVITES ITERATIVES OU GESTION DE PERFORMANCES : 4 3.2 GESTION DE LA

Plus en détail

Conception d une infrastructure «Cloud» pertinente

Conception d une infrastructure «Cloud» pertinente Conception d une infrastructure «Cloud» pertinente Livre blanc d ENTERPRISE MANAGEMENT ASSOCIATES (EMA ) préparé pour Avocent Juillet 2010 RECHERCHE EN GESTION INFORMATIQUE, Sommaire Résumé........................................................

Plus en détail

Enseignant: Lamouchi Bassem Cours : Système à large échelle et Cloud Computing

Enseignant: 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 détail

ETUDE ET IMPLÉMENTATION D UNE CACHE L2 POUR MOBICENTS JSLEE

ETUDE 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 détail

+ = OpenStack Presentation. Raphaël Ferreira - CoFounder. @ enovance. Credits : Thanks to the OpenStack Guys 1

+ = OpenStack Presentation. Raphaël Ferreira - CoFounder. @ enovance. Credits : Thanks to the OpenStack Guys 1 + = OpenStack Presentation Raphaël Ferreira - CoFounder @ enovance Credits : Thanks to the OpenStack Guys 1 INTRODUCTION 2 Les entreprises déploient des clouds pour... Répondre aux besoins de ressources

Plus en détail

Evaluation des performances de programmes parallèles haut niveau à base de squelettes

Evaluation 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 détail

Prise en compte des ressources dans les composants logiciels parallèles

Prise en compte des ressources dans les composants logiciels parallèles Prise en compte des ressources dans les composants logiciels parallèles Aperçus de l action RASC et du projet Concerto F. Guidec Frederic.Guidec@univ-ubs.fr Action RASC Plan de cet exposé Contexte Motivations

Plus en détail

Smart Energy & Power Quality Solutions. www.energy-portal.com. La solution Cloud pour votre gestion d Energie

Smart Energy & Power Quality Solutions. www.energy-portal.com. La solution Cloud pour votre gestion d Energie Smart Energy & Power Quality Solutions www.energy-portal.com La solution Cloud pour votre gestion d Energie ENERGY-PORTAL Energy-Portal Vos avantages La solution cloud développée spécifiquement pour les

Plus en détail

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou

Allocation de ressources pour réseaux virtuels Projet de fin d études. Mikaël Capelle. Marie-José Huguet Slim Abdellatif Pascal Berthou Allocation de ressources pour réseaux virtuels Projet de fin d études Mikaël Capelle Marie-José Huguet Slim Abdellatif Pascal Berthou 27 Juin 2014 Plan 1 Introduction - La virtualisation de réseau 2 3

Plus en détail

Journée Utiliateurs 2015. Nouvelles du Pôle ID (Informatique) Pierre Neyron, LIG/CNRS

Journée Utiliateurs 2015. Nouvelles du Pôle ID (Informatique) Pierre Neyron, LIG/CNRS Journée Utiliateurs 2015 Nouvelles du Pôle ID (Informatique) Pierre Neyron, LIG/CNRS 1 Pôle ID, Grid'5000 Ciment Une proximité des platesformes Autres sites G5K Grenoble + CIMENT Pôle ID = «Digitalis»

Plus en détail

3A-IIC - Parallélisme & Grid GRID : Définitions. GRID : Définitions. Stéphane Vialle. Stephane.Vialle@supelec.fr http://www.metz.supelec.

3A-IIC - Parallélisme & Grid GRID : Définitions. GRID : Définitions. Stéphane Vialle. Stephane.Vialle@supelec.fr http://www.metz.supelec. 3A-IIC - Parallélisme & Grid Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Principes et Objectifs Evolution Leçons du passé Composition d une Grille Exemple d utilisation

Plus en détail

Business & High Technology

Business & High Technology UNIVERSITE DE TUNIS INSTITUT SUPERIEUR DE GESTION DE TUNIS Département : Informatique Business & High Technology Chapitre 09 : CC : Cloud Computing Sommaire Introduction... 2 Définition... 2 Les différentes

Plus en détail

APX et VCE, Modèle d industrialisation de l intégration et du déploiement. Olivier BERNARD, VCE

APX et VCE, Modèle d industrialisation de l intégration et du déploiement. Olivier BERNARD, VCE APX et VCE, Modèle d industrialisation de l intégration et du déploiement Olivier BERNARD, VCE Généralisation des réseaux, suprématie d IP Consumérisation des terminaux informatiques Evolution vers une

Plus en détail

Le Cloud Computing et le SI : Offre et différentiateurs Microsoft

Le Cloud Computing et le SI : Offre et différentiateurs Microsoft Le Cloud Computing désigne ces giga-ressources matérielles et logicielles situées «dans les nuages» dans le sens où elles sont accessibles via Internet. Alors pourquoi recourir à ces centres serveurs en

Plus en détail

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

Plus en détail

Conception des systèmes répartis

Conception 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 détail

Conception et contrôle des SMA tolérants aux fautes

Conception et contrôle des SMA tolérants aux fautes Conception et contrôle des SMA tolérants aux fautes Une plate-forme multiagents tolérante aux fautes à base de réplication Nora FACI Contexte SMA large échelle Nombre important d agents Ressources éloignées

Plus en détail

Cloud Computing : Généralités & Concepts de base

Cloud 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 détail

L activité Datacenter de Cap Ingelec

L activité Datacenter de Cap Ingelec D O S S I E R D E P R E S S E L activité Datacenter de Cap Ingelec SOMMAIRE INTRODUCTION Présentation de l entreprise et chiffres clés... 2/3 L ACTIVITÉ Datacenter Des missions d audit... 4/5 La réhabilitation

Plus en détail

Entreprise. Gestion énergétique de votre parc informatique

Entreprise. Gestion énergétique de votre parc informatique Entreprise Gestion énergétique de votre parc informatique AVOB Energy Saver 5, c est l opportunité pour votre entreprise de réduire drastiquement le coût énergétique et l empreinte carbone de son parc

Plus en détail

e need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France

e need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France e need L un des premiers intégrateurs opérateurs Cloud Computing indépendants en France Sommaire Cloud Computing Retours sur quelques notions Quelques chiffres Offre e need e need Services e need Store

Plus en détail

Lʼavenir 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 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 détail

Retours d expériences et perspectives sur les aspects énergétiques

Retours d expériences et perspectives sur les aspects énergétiques Retour d expériences Retours d expériences et perspectives sur les aspects énergétiques d un mesocentre (Grenoble) GreenDays@Luxembourg CIMENT, LIG 28-29 Janvier 2013 Bruno Bzeznik Retour d expériences

Plus en détail

La gestion du poste de travail en 2011 : Panorama des technologies

La gestion du poste de travail en 2011 : Panorama des technologies La gestion du poste de travail en 2011 : Panorama des technologies François Clémence C.R.I Université Paul Verlaine Metz UFR Sciences Humaines et Arts clemence@univ-metz.fr Olivier Mathieu C.R.I Université

Plus en détail

Description des UE s du M2

Description des UE s du M2 Parcours en deuxième année Unités d Enseignement (UE) ECTS Ingénierie des réseaux haut 4 débit Sécurité des réseaux et 4 télécoms Réseaux mobiles et sans fil 4 Réseaux télécoms et 4 convergence IP Infrastructure

Plus en détail

Temps Réel. Jérôme Pouiller Septembre 2011

Temps Réel. Jérôme Pouiller <j.pouiller@sysmic.org> Septembre 2011 Temps Réel Jérôme Pouiller Septembre 2011 Sixième partie VI Architectures des OS temps réels J. Pouiller Temps Réel 172 / 197 18 Problématique des OS RT 19 Systèmes Symétriques

Plus en détail

Procédure pas à pas de découverte de l offre. Service Cloud Cloudwatt

Procédure pas à pas de découverte de l offre. Service Cloud Cloudwatt Procédure pas à pas de découverte de l offre Service Cloud Cloudwatt Manuel Utilisateur 03/07/2014 Cloudwatt - Reproduction et communication sont interdites sans autorisation 1/45 Contenu 1. Introduction...

Plus en détail

Utilisation du Wimax dans le cadre d une plate-forme expérimentale SmartGrid. Aristote, 14 octobre 2010 Patrick Coudray EDF R&D

Utilisation du Wimax dans le cadre d une plate-forme expérimentale SmartGrid. Aristote, 14 octobre 2010 Patrick Coudray EDF R&D Utilisation du Wimax dans le cadre d une plate-forme expérimentale SmartGrid Aristote, 14 octobre 2010 Patrick Coudray EDF R&D La plate-forme Menofis Déployée par EDF R&D (Dept MIRE) sur le site de Clamart

Plus en détail

Le Cloud Open-Mind! Emilien Macchi

Le Cloud Open-Mind! Emilien Macchi Le Cloud Open-Mind! 1 Sommaire Introduction Comprendre Swift Comprendre Glance Comprendre Nova Déploiement Divers 2 OpenStack Introduction 3 Qu est-ce-qu OpenStack? Projet OpenSource ambitieux Catégorie

Plus en détail

Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique

Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique Gestion d énergie dans smart ZAE un smart grid à l échelle d une Zone d Activité Economique Auteur: Rémy Rigo-Mariani Equipe LAPLACE: X. Roboam, Groupe GENESYS S. Astier, Groupe GENESYS B. Sareni, Groupe

Plus en détail

Info0804. Cours 6. Optimisation combinatoire : Applications et compléments

Info0804. 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 détail

FOURNIR UN SERVICE DE BASE DE DONNÉES FLEXIBLE. Database as a Service (DBaaS)

FOURNIR UN SERVICE DE BASE DE DONNÉES FLEXIBLE. Database as a Service (DBaaS) FOURNIR UN SERVICE DE BASE DE DONNÉES FLEXIBLE Database as a Service (DBaaS) 1 The following is intended to outline our general product direction. It is intended for information purposes only, and may

Plus en détail

Graphes de Terrain. Dynamiques de l internet. Clémence Magnien. 14 février 2013. LIP6 CNRS and Université Pierre et Marie Curie. prenom.nom@lip6.

Graphes de Terrain. Dynamiques de l internet. Clémence Magnien. 14 février 2013. LIP6 CNRS and Université Pierre et Marie Curie. prenom.nom@lip6. Graphes de Terrain Dynamiques de l internet Clémence Magnien LIP6 CNRS and Université Pierre et Marie Curie prenom.nom@lip6.fr 14 février 2013 1/72 1/72 Jusqu à présent on a supposé : une seule route entre

Plus en détail

GRIDKIT: Pluggable Overlay Networks for Grid Computing

GRIDKIT: Pluggable Overlay Networks for Grid Computing GRIDKIT: Pluggable Overlay Networks for Grid Computing Paul Grace, Geoff Coulson, Gordon Blair, Laurent Mathy, Wai Kit Yeung, Wei Cai, David Duce, Chris Cooper Computing Department, Lascaster University

Plus en détail

Séminaire 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 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 détail

IBM Tivoli Monitoring, version 6.1

IBM Tivoli Monitoring, version 6.1 Superviser et administrer à partir d une unique console l ensemble de vos ressources, plates-formes et applications. IBM Tivoli Monitoring, version 6.1 Points forts! Surveillez de façon proactive les éléments

Plus en détail

ORACLE PAAS CLOUD MANAGEMENT

ORACLE PAAS CLOUD MANAGEMENT ORACLE PAAS CLOUD MANAGEMENT Jean-Marc Digne Ingénieur Avant-Vente Oracle France 1 The following is intended to outline our general product direction. It is intended for information purposes only, and

Plus en détail

Chapitre 4: Introduction au Cloud computing

Chapitre 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 détail

CA Automation Suite for Data Centers

CA Automation Suite for Data Centers FICHE PRODUIT : CA Automation Suite for Data Centers CA Automation Suite for Data Centers agility made possible «La technologie a devancé la capacité à la gérer manuellement dans toutes les grandes entreprises

Plus en détail

FAMILLE 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 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 détail

Nom de l entreprise : HI HEISE INNOVATION Nom du projet : Cahier des charges Personne à contacter dans l entreprise : Monsieur HEISE Adresse : 13

Nom de l entreprise : HI HEISE INNOVATION Nom du projet : Cahier des charges Personne à contacter dans l entreprise : Monsieur HEISE Adresse : 13 Table des matières 1. Le projet...2 2. Souscription de services hébergés...2 3. Caractéristiques générales des...2 Datacenters...2 4. Hyperviseurs et machines virtuelles...2 5. Configuration détaillée

Plus en détail

A Les différentes générations VMware

A Les différentes générations VMware Architecture de VMware vsphere 4 A Les différentes générations VMware VMware est né en 1998 avec l'invention du premier hyperviseur en environnement x86 et il en est aujourd'hui à la 4ème génération. Voyons

Plus en détail

Application 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 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 détail

Limitations of the Playstation 3 for High Performance Cluster Computing

Limitations 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 détail

Livre blanc. La sécurité de nouvelle génération pour les datacenters virtualisés

Livre 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 détail

Maîtrise énergétique des centres de données

Maîtrise 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 détail

Introduction à l informatique temps réel Pierre-Yves Duval (cppm)

Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Introduction à l informatique temps réel Pierre-Yves Duval (cppm) Ecole d informatique temps réel - La Londes les Maures 7-11 Octobre 2002 -Définition et problématique - Illustration par des exemples -Automatisme:

Plus en détail

4.2 Unités d enseignement du M1

4.2 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 détail