Tolérance aux fautes à base de clusterisation dans un environnement de système distribué à large échelle

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Les environnements de systèmes distribués à large échelle offrent aux clients un parc de ressources illimitées pour le calcul et le stockage des données. Ces environnements peuvent être structurés sous forme de grille de calcul, de Cloud Computing ou de systèmes pair à pair. Les ressources de tels systèmes sont sujettes à des pannes de toutes nature (crash, déconnexion, byzantine etc.). L’objectif principal de cette thèse est (i) la proposition des techniques de tolérance aux fautes basé sur la clusterisation des ressources dans des environnements de grille de calcul et (ii) une clusterisation des tâches d’un système de workflow scientifique dans des environnements de Cloud Computing. Elles généralisent la problématique soulevée par le développement de deux heuristiques de clustering tolérant aux fautes, leurs implémentations et leurs évaluations par des simulations. Comme première contribution, nous proposons FT-GRC un modèle de tolérance aux fautes qui cherche à trouver le substitut le plus adéquat au nœud défaillant par la clusterisation des ressources de calcul sans aucune réplication. Ce modèle est basé sur des graphes colorés dynamiques qui puissent tenir compte des trois caractéristiques fondamentales des grilles, à savoir l'hétérogénéité, la dynamicité et le passage à l'échelle. Le mécanisme de tolérance aux fautes proposé utilise un algorithme de clustering à 1 saut (1- hop) appelé HCC pour transformer la grille en un ensemble de clusters interconnectés et parl’introduction d’une fonction de scoringqui permettes de calculer le niveau de performance de chaque nœud de la grille en fonction de leurs caractéristiques physiques et logiques. La combinaison de ces techniques, nous a permis de déterminer le choix des substituts de manière optimale en cherchant les substituts dans le même cluster (tolérance aux fautes local intra-cluster) puis par la recherche des plus proches substituts (tolérance aux fautes inter-cluster). Ainsi, nous avons utilisé une migration périodique des jobs du nœud défaillant vers les substituts appropriés. Dans la deuxième contribution, nous proposons un nouveau modèle de tolérance aux fautes appelée FT-HCC pour un système de workflow scientifique composé d’un ensemble de tâches clusterisées soumises dans un environnement de Cloud Computing. Nous avons appliqué cette approche à cinq workflows scientifiques en temps réel avec un modèle de workflow et des caractéristiques de calcul différents. Réduire le temps d’exécution (makespan) et le coût d'exécution est l'objectif principal de notre modèle de tolérance aux fautes afin d’augmenter les performances du workflow. Nous avons considéré les fautes internes tels que les défaillances de l'hôte, y compris les tâches de workflow et les instances VM. Du point de vue clustering, nous avons proposé deux stratégies de clustering de tâches tolérantes aux fautes pour améliorer les performances d'exécution de workflow : un Clustering Critique (CC) basé sur le chemin critique et un Clustering Horizontal (HC) basé sur les niveaux du workflow. La technique de tolérance aux fautes proposée applique une réplication active pour les tâches du chemin critique, et une réplication passive pour les tâches non critiques. Ainsi, nous exploitons le temps d'inactivité des VMs pour la réplication passive.

روابط وملفات

التعريف والنوع

رقم الوثيقة

f9bf743a-c0a8-43b2-8b6a-4899c4f483e6

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

1047655_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"Boudjelal Meftahm ","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Miloud Khaldi","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Mohammed Rebbah","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Tolérance aux fautes à base de clusterisation dans un environnement de système distribué à large échelle

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Large-scale distributed systems environments provide customers with an unlimited pool of resources for calculation and data storage. These environments can be characterized in the form of Grid Computing, Cloud Computing or peer-to-peer (P2P) systems. The resources of such systems are subject to failures of all kinds (crash, disconnection, byzantine etc.). The main objective of this thesis is (i) the proposal of fault tolerance techniques based on the resource clustering in grid computing environments and (ii) a task clustering of a scientific workflow system in Cloud Computing environments. They generalize the problem raised by the development of two fault-tolerant clustering heuristics, their implementations and their evaluations by simulations. As a first contribution, we propose FT-GRC a fault tolerance model that seeks to find the most suitable substitute for the failed node by the clustering of the grid resources. This model is based on dynamic colored graphs which can take into account the three basic characteristics of grid computing, such as dynamicity, heterogeneity and scalability. The proposed fault tolerance mechanism uses a 1-hop clustering algorithm called HCC to transform the grid into a set of interconnected clusters and by the introduction of a scoring function that calculates the level of performance of each node of the grid according to their physical and logical characteristics. The combination of these techniques allowed us to determine the choice of substitutes in an optimal way by looking for substitutes in the same cluster (intra-cluster fault tolerance) then by the search for the closest substitutes (inter-cluster fault tolerance). Thus, we used a periodic migration of jobs from the failed node to the appropriate substitutes. In the second contribution, we propose a new fault tolerance model called FT-HCC for a scientific workflow system composed of a set of clustered tasks submitted in a Cloud Computing environment. We applied this approach to five real-time scientific workflows with different workflow models and computational characteristics. Reducing execution time (makespan) and execution cost is the main objective of our fault-tolerance model in order to increase workflow performance. We considered internal faults such as host failures, including workflow tasks and VM instances. From a clustering point of view, we proposed two fault tolerant task clustering strategies to improve workflow execution performance: a Critical Clustering (CC) based on the critical path and a Horizontal Clustering (HC) based on the workflow levels. The proposed fault tolerance technique applies active replication for critical path tasks, and passive replication for non-critical tasks. Thus, we exploit the idle time of VMs for passive replication

كلمات الباحثين

Grille de calcul, Cloud Computing, Tolérance aux fautes, Clustering, Workflowscientifique, Niveau de performance.

إشراف وإعداد

الإشراف

Boudjelal Meftahm , Mohammed Rebbah

الإعداد

Miloud Khaldi

الاقتباسات الببليوغرافية