Performance- and energy-aware architecture for containerized cloud–edge continuum systems

Résumé

D’ici 2030, la demande en électricité du secteur des technologies de l’information (TI) devrait atteindre environ 3 200 TWh, principalement sous l’effet de la croissance rapide de l’intelligence artificielle (IA) et des services cloud natifs. Cette évolution place l’efficacité énergétique au cœur des objectifs opérationnels pour les fournisseurs des infrastructures infonuagique. Néanmoins, atteindre une exploitation écoénergétique des environnements cloud natifs demeure un défi majeur en raison de la mutualisation, de l’hétérogénéité des microservices et de la variabilité dynamique des charges de travail, où chaque service présente des caractéristiques de performance spécifiques ainsi que des contrats de niveau de service ((Service Level Agreement -SLA)) stricts. Afin d’éviter toute dégradation des performances, les fournisseurs d’infrastructures cloud exploitent fréquemment les ressources de calcul à leur niveau de performance maximal, ce qui entraîne d’importantes pertes d’efficacité énergétique. Les processeurs modernes intègrent des mécanismes avancés de gestion de l’énergie, tels que la mise à l’échelle dynamique de la tension et de la fréquence (Dynamic Voltage and Frequency Scaling, DVFS), l’ajustement de la fréquence de l’uncore — qui regroupe les composants du processeur situés hors des cœurs de calcul, notamment certaines parties de la hiérarchie mémoire et de l’interconnexion — ainsi que le contrôle des états d’inactivité du processeur (C-states). Ces mécanismes permettent d’ajuster dynamiquement le compromis entre performance et consommation énergétique. Malgré leur potentiel, l’exploitation efficace de ces mécanismes dans les environnements cloud-native demeure difficile en raison de la complexité des interactions entre les paramètres matériels du comportement des charges de travail et des exigences de performance des applications hébergées. Les gouverneurs énergétiques existants, tels que intel_pstate et schedutil, s’appuient principalement sur des métriques d’utilisation matérielles et fonctionnent sans tenir compte des exigences de performance au niveau des microservices. Par conséquent, ils ne permettent pas de concilier efficacement efficacité énergétique et respect strict des exigences de performance. Cette thèse vise à répondre à cette limitation en développant des approches de gestion énergétique sensibles et adaptées aux performances des architectures de microservices cloud-natifs. Les méthodes proposées coordonnent dynamiquement le contrôle de la fréquence des cœurs de l’unité central de traitement (Central processing Unit-CPU), de la fréquence uncore et des états d’inactivité, en fonction des caractéristiques des charges de travail et des contraintes de performance des microservices hébergés. Pour ce faire, cette thèse conçoit et étudie des stratégies de contrôle intelligentes, incluant des approches heuristiques ainsi que des contrôleurs basés sur l’apprentissage par renforcement, capables de s’adapter de manière dynamique à la variabilité des charges, aux interférences en environnement mutualisés et à l’évolution des exigences en matière de performances. Les approches proposées sont implémentées et évaluées sur une plateforme expérimentale infonuagique native basée sur Kubernetes, en utilisant des charges de travail représentatives de microservices et une télémétrie énergétique très détaillée. Les résultats expérimentaux montrent que les solutions proposées réduisent significativement la consommation énergétique au niveau système, tout en garantissant le respect des exigences de performance strictes dans divers scénarios de déploiement et conditions de charge de travail. Ces résultats confirment l’efficacité d’une gestion de la puissance tenant compte de la charge de travail pour améliorer le rendement énergétique sans nuire aux performances des applications. Cette thèse contribue ainsi au développement de stratégies novatrices de contrôle, d’implémentations de systèmes et d’analyses expérimentales pour le calcul cloud-native durable. Les solutions proposées offrent des mécanismes pratiques et déployables permettant d’améliorer la proportionnalité énergétique des infrastructures cloud, en participant à l’émergence de systèmes cloud durables, adaptatifs et sensibles aux performances.

Date	9 mai 2026
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Nadjia Kara (Directeur(-trice)) & Abdelouahed Gherbi (Codirecteur(-trice))