Tache 5.1

Task 5.1: Network Dimensioning for Cloud Computing Environments

Objectifs

Appliquer des méthodes de simulation au dimensionnement de grands systèmes de cloud computing, en collaboration avec Alcatel-Lucent.

Structure

• Responsables: J.-M. Fourneau + H. Castel-Taleb
• Participants: F. Clévenot-Perronnin, M. Lourdiane, J. Jakubowicz, personnel Alcatel-Lucent (extérieur au projet)

Travail réalisé

Nous avons développé des algorithmes d'agrégations bornantes optimales afin d'analyser les performances de réseaux dont le trafic est représenté par un histogramme de trace de trafic réel. Le trafic a d'abord été supposé stationnaire, et l'utilisation de ces algorithmes a permis d'analyser une file en temps discret pour ce trafic. L'analyse exacte de la file est clairement très difficile à cause de l'explosion du nombre d'états. L'utilisation de cet algorithme de bornes permet d'obtenir un compromis entre qualité et complexité de calculs pour calculer des bornes des mesures de performances. Le trafic a été supposé ensuite non stationnaire (de type bursty). Un modèle de trafic a été réalisé afin de représenter le trafic selon trois phases : trafic faible, moyen, et intense. La représentation du trafic se fait par l’histogramme de trafic à chaque phase associé à la matrice de transition décrivant la probabilité de transition d’une phase à une autre. Pour appliquer les méthodes de bornes à l’analyse des performances de ce système, nous avons démontré la monotonie des mesures de performances en fonction des histogrammes d’entrée. D’une manière plus précise, nous montrons qu’à chaque phase, si les histogrammes de trafic sont comparables, alors le nombre de clients est comparable. Cela implique la comparaison de mesures de performances telles que les probabilités de blocage. Les résultats numériques nous ont permis de montrer l’influence du nombre d’états plus ou moins grand des histogrammes bornants agrégés sur la qualité des résultats, et les temps de calculs qui sont particulièrement longs pour le système exact. Ainsi l’intérêt de notre approche est que la méthode de bornes fournit un encadrement très intéressant et cela en un temps de calcul assez court. L’un des objectifs de ce travail est de l’appliquer à un réseau de type cloud où les demandes à l’entrée du réseau sont variables, représentées par un trafic sporadique, et où le nombre de machines virtuelles varie en fonction de la charge.