Détection et analyse de données aberrantes pour l'adaptation de ressources dans des environnements virtualisés

Résumé

L'intégration de l’infonuagique aux technologies de télécommunications a apporté plusieurs avantages aux opérateurs des réseaux et les fournisseurs de services de communication. En effet, l’utilisation de plusieurs noeuds virtuels d’une plateforme de services déployés sur une même machine physique permet de réduire considérablement les coûts et la consummation d’énergie. Avec l’élasticité et l’extensibilité offertes par cette nouvelle technologie, le contrôle des charges de travail dans les systèmes virtualisés est devenu une nécessité afin d’assurer une bonne qualité de service. Dans ce travail de recherche, nous abordons le problème de gestion de la charge de travail dans des infrastructures déployées dans des environnements virtualisés. Notre objectif est de proposer et valider un mécanisme d'adaptation qui assure une gestion dynamique et efficace des ressources dans des environnements virtualisés. L’approche proposée consiste tout d’abord, à tester et analyser les performances d’une plateforme IMS virtualisée que nous avons installée en nous basant sur OpenIMS Core. Ensuite, à analyser les données collectées d’IMS afin de détecter les données aberrantes « Outliers potentiels ». Nous proposons également d’effectuer la mise en correspondance entre les métriques de niveau service et celles de niveau ressource à travers l’analyse de leur variation en utilisant la method de Modified z-score. Cette analyse est basée aussi sur des données extraites d’autres environnements virtualisés tels que Google Cluster et le cloud de l’ÉTS afin d’avoir une solution générique adaptée à plusieurs systèmes virtualisés. En plus, nous effectuons une comparaison entre les deux méthodes de détection des « Outliers » à savoir le « Modified zscore » et le « Mahalanobis ». Notre analyse montre que le « Mahalanobis » donne de meilleurs résultats par rapport au « Modified z-score ». Les résultats obtenus permettent de repérer les variations importantes pouvant nécessiter une adaptation de ressources dans le système. Ces résultats nous ont permis de concevoir et de développer un algorithme d’adaptation des ressources en nous basant sur la méthode de Mahalanobis.

Date	11 déc. 2018
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Nadjia Kara (Directeur(-trice))