AIT ABA Massinissa

doctorant à Sorbonne Université
Équipe : ALSOC
https://lip6.fr/Massinissa.Ait-Aba

Direction de recherche : Alix MUNIER

Co-encadrement : ZAOURAR Lilia

Optimisation de l’énergie et de la performance d’applications sur des micro-servers hétérogènes

Les applications récentes dans l'industrie ou dans la recherche nécessitent souvent des calculs massifs. Ainsi, les applications deviennent plus exigeantes en vitesse de calcul, ce qui engendre une très grande consommation énergétique des plateformes matérielles. Les plateformes de calcul hétérogènes offrent un bon compromis avec une puissance de calcul importante tout en préservant l'énergie consommée pour l'exécution d'applications parallèles de hautes performances. Elles représentent donc de nos jours des moyens de calcul intéressants. Afin de profiter des avantages offerts par l'hétérogénéité en termes de performance, la gestion efficace et automatique des ressources de calcul est de plus en plus importante pour exécuter des applications parallèles. Ces nouvelles architectures ont ainsi donné lieu à de nouveaux problèmes d'ordonnancement qui allouent et séquencent les calculs sur les différentes ressources en optimisant un ou plusieurs critères. L'objectif de cette thèse est de déterminer un ordonnancement efficace d'une application parallèle sur un système de ressources hétérogènes afin de minimiser le temps d'exécution total (makespan) de l'application tout en respectant une contrainte d'énergie.
Deux classes de plateformes hétérogènes ont été considérées dans notre travail : des architectures totalement hétérogènes qui combinent plusieurs éléments de traitement (CPUs, GPUs, FPGAs), et des plateformes hybrides limitées à deux types de processeurs (CPU + GPU par exemple) en très grand nombre.
Nous proposons plusieurs stratégies d'ordonnancement d'applications sur les deux plateformes avec deux modèles d'exécution.
Les expériences préliminaires des algorithmes proposés en utilisant différentes applications et des plateformes de tailles différentes ont donné de bons résultats par rapport aux méthodes existantes dans la littérature.

Soutenance : 04/06/2020

Membres du jury :

M Loris MARCHAL, CNRS, Univ. Lyon, LIP, France. [Rapporteur]
M Jean-Marc NICOD, CNRS, Univ. Bourgogne Franche-Comte, UTBM, France [Rapporteur]
M Lionel LACASSAGNE, LIP6, Sorbonne Université, France.
Mme Safia KEDAD-SIDHOUM, CNAM, CEDRIC, Paris, France.
M Guillaume PALLEZ, Inria, Labri & Univ. of Bordeaux, France.
M Denis TRYSTRAM, CNRS, Inria, Grenoble INP, LIG, France.
Mme Lilia ZAOURAR, LCE, CEA LIST, France.
Mme Alix MUNIER KORDON, LIP6, Sorbonne Université, France.

Date de départ : 31/08/2020

Publications 2018-2020