Abstract:
L’intégration entre l’infrastructure grille et Cloud est considérée comme un nouveau paradigme
qui améliore la gestion de la grille dans son mod`ele actuel car le syst`eme d’administration
Cloud IaaS fournit une fléxibilité pour faciliter et simplifier la gestion des ressources déployées
pour l’exécution des applications scientifiques. Cependant, l’environnement “Grid-Cloud”
rajoute une complexité dans l’architecture résultante, et la virtualisation des services de
calcul entraine inévitablement des pertes de performance par rapport `a l’utilisation directe
des ressources physiques, ainsi que l’imprévisibilité de la charge de travail des applications
scientifiques qui conduit généralement soit `a une infrastructure sous-chargée ou `a une infrastructure surchargée.
L’une des problématiques d’un environnement “Grid-Cloud” est de garantir une certaine
performance des applications scientifiques qui s’exécutent dans un environnement virtualis´e
avec une charge de travail imprévisible. Dans ce cas de figure, un monitoring multi niveaux
pour surveiller le comportement des applications scientifiques, suivi d’une interpr´etation de
l’utilisation des ressources pour prédire périodiquement la demande future sont n´ecessaires.
Cela permet de déterminer les besoins en ressources pour assurer la haute disponibilité des
applications scientifiques dans un environnement “Grid-Cloud”.
Dans le présent travail, nous nous appuyons sur un monitoring multi niveaux et une approche de modélisation pour prédire la performance des applications scientifiques et effectuer
une mise `a l’échelle automatique dans un environnement combiné “Grid-Cloud”. Pour ce
faire, nous avons proposé une approche multi niveaux de monitoring basée modèle de performance des applications scientifiques, et qui s’exécutent sur des services grille déployées
dans un environnement cloud. Notre modèle de performance se base sur les approches de
modélisation prédictives, plus précisément “l’analyse des séries chronologiques”.
