Caractérisation de la propagation des anomalies dans un environnement conteneurisé via une approche bayésienne adaptative

Résumé

Une architecture basée sur des conteneurs est une approche prometteuse pour la construction et le déploiement de systèmes distribués. L’expansion en matière de complexité de ces infrastructures a compliqué le processus de surveillance. En raison de la prolifération des objets et des mesures à suivre, la tâche de surveillance présente de sérieuses lacunes pour détecter une déviation de performance sur un seul conteneur et ses effets sur les autres conteneurs dépendants. Par conséquent, agir de manière prospective pendant la tâche de surveillance en prédisant l’état du système permet de contrôler les ressources du système et aide les outils d’orchestration à réagir de manière proactive en cas d’anomalies. En effet, la prédiction des anomalies est une option prometteuse pour aider à suivre le comportement anormal du système global. Ce travail étudie une approche d’apprentissage bayésienne adaptée, qui se base sur des mesures de suivi des niveaux d’utilisation des ressources pour détecter et prédire la propagation d’un comportement anormal dans une architecture distribué composée de noeuds dans lesquels différentes applications conteneurisées sont déployées. Notre évaluation montre un taux de précision de prédiction prometteur.

Date	16 juil. 2021
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Abdelouahed Gherbi (Directeur(-trice))