Université de Rennes Energy estimation of cloud-native applications Estimation de la consommation d’énergie des applications cloud-native Monitoring énergétiqueCaches CPUTransferts de donnéesÉtude empiriquePuissance statiqueModélisation énergétiqueStress test personnalisé Energy MonitoringCPU CachesData TransfersEmpirical studyStatic PowerPower modelingCustom stress test Microprocesseurs multi-coeurs Consommation d'énergie Ce travail propose un cadre expérimental pour estimer la consommation énergétique des applications cloud-native. Nous montrons que la puissance statique des cœurs, dérivés des courants de fuites, peut atteindre 12% de la consommation d'énergie de l'intégralité de la puce et présentons une méthode en trois étapes pour l'estimer. Notre seconde contribution établit, via une méthode expérimentale, que fréquences Core/Uncore, volume de données et parallélisme dominent la consommation des caches, avec des modèles non linéaires atteignant R2 >= 95%, ouvrant la voie a une extension du capteur RAPL et a des stratégies d'optimisation énergétique. This thesis introduces an empirical framework for accurately estimating the energy footprint of cloud-native applications through two complementary studies. First, we demonstrate that static CPU power can account for up to 12% of package consumption and propose a three-step approach (data generation, offline thermal correction, static power estimation) that ensures transparency and reproductibility. Second, our custom memory-intensive stress test and correlation analysis pinpoint Core/Uncore frequencies, data volume, and parallelism degree as the main drivers of cache energy and power, enabling nonlinear regression models with R2 ≥95%. These insights lay the groundwork for an enhanced RAPL-like interface for cache monitoring and dynamic energy management strategies in cloud-native environments. Electronic Thesis or DissertationText en application/pdf1 : 4124 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/06737b1c-988b-46ac-b062-dc57a5c36dbc Barret Gaëtan 1998-12-06 FR 297467212 gaet.barret@gmail.com 2025URENS106 http://www.theses.fr/2025URENS106 2025-12-16 Informatique Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiChilletDanielintervenant_1109182197RouvoyRomainintervenant_2111762146PenhoatJoëlintervenant_3167182536PicardRolandintervenant_6297472089NiarSmaïlintervenant_4084751142BelleudyCécileintervenant_5112881912 MATISSEecoleDoctorale_1 267602553 INRIA-RENNES partenaireRecherche_1 133175863 ddc:004 ChilletDanielRouvoyRomainPenhoatJoëlNiarSmaïlBelleudyCécilePicardRolandUniversité de RennesMATISSE INRIA-RENNES ASCII PDF 4223043