Monitoring des “applications scientifiques” dans un environnement combiné “Cloud-Grid”

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”.