Imprimer |
Automatic resource management in geo-distributed multi-cluster environments (Gestion automatique des ressources dans les environnements multi-clusters géo-distribués) Tamiru, Mulugeta Ayalew - (2021-09-20) / Universite de Rennes 1 Automatic resource management in geo-distributed multi-cluster environments
| |||
Langue : Anglais Directeur(s) de thèse: Pierre, Guillaume; Elmroth, Erik; Tordsson, Johan Discipline : Informatique Laboratoire : IRISA Ecole Doctorale : MATHSTIC Classification : Informatique Mots-clés : Cloud hybride, multi-cloud, Fog Computing, orchestration de conteneurs, Kubernetes
| |||
Résumé : Les environnements informatiques géo-distribués tels que le cloud hybride, le multi-cloud et le Fog Computing doivent être gérés de manière autonome à grande échelle pour améliorer l'utilisation des ressources, maximiser les performances et réduire les coûts. Cependant, la gestion des ressources dans ces environnements informatiques géo-distribués est difficile en raison de leur large distribution géographique, de mauvaises conditions de réseau, de l'hétérogénéité des ressources et de la capacité limitée. Dans cette thèse, nous abordons certains des défis de la gestion des ressources en utilisant la technologie des conteneurs. Tout d'abord, nous présentons une analyse expérimentale de l'autoscaling dans les clusters Kubernetes au niveau des conteneurs et des machines virtuelles. Deuxièmement, nous proposons un contrôleur proportionnel pour améliorer dynamiquement la stabilité des déploiements géo-distribués dans les fédérations Kubernetes. Enfin, nous proposons un système d'orchestration de conteneurs pour les environnements géo-distribués qui offre des capacités de placement, d'autoscaling, d'éclatement, de routage réseau et de provisionnement dynamique des ressources riches en politiques. Abstract : Geo-distributed computing environments such as hybrid cloud, multi-cloud and Fog Computing need to be managed autonomously at large scales to improve resource utilization, maximize performance, and save costs. However, resource management in these geo-distributed computing environments is difficult due to wide geographical distributions, poor network conditions, heterogeneity of resources, and limited capacity. In this thesis, we address some of the resource management challenges using container technology. First, we present an experimental analysis of autoscaling in Kubernetes clusters at the container and Virtual Machine levels. Second, we propose a proportional controller to dynamically improve the stability of geo-distributed deployments at run-time in Kubernetes Federations. Finally, we develop a container orchestration framework for geo-distributed environments that offers policy-rich placement, autoscaling, bursting, network routing, and dynamic resource provisioning capabilities. |