Algorithmes d’ordonnancement et de gestion des ressources pour l’edge, efficaces et respectueux de l’environnement

Résumé de la thèse

Au cours des dernières années, avec l'essor de l'informatique dans de nombreux domaines, nous avons pu observer une forte augmentation de l'utilisation des centres de données à travers le monde. Ainsi, ils ont augmenté en taille pour devenir de grandes installations avec un énorme coût environnemental, que ce soit lors de leur installation, par l'extraction, la transformation et le transport des matières premières nécessaires à leur construction, mais également lors de leur utilisation, par la consommation d'une quantité toujours plus importante d'électricité et d'eau pour leur fonctionnement.

Dans cette thèse, nous nous sommes concentrés sur l'aspect utilisation des centres de données, par la résolution de problèmes d'ordonnancement des tâches en cherchant à avoir une utilisation économe des ressources. Habituellement, il est considéré qu'un centre de calcul dispose d'une alimentation uniforme dans le temps, en termes de puissance ou de coût. Mais compte tenu des enjeux sociétaux et environnementaux actuels, il nous semble réaliste et important de remettre cette hypothèse en question. Ainsi, nous nous sommes confrontés à deux situations complémentaires. Nous avons commencé par étudier le défi lié à l'instabilité de la quantité d'électricité disponible, qui peut par exemple résulter de déséquilibres récurrents entre la production et la consommation d'électricité dans certaines régions du monde. Dans ce cas, il est nécessaire d'adapter l'utilisation des centres de données afin d'éviter de perdre le travail effectué et de garantir une qualité de service équivalente pour tous les utilisateurs et utilisatrices.

Nous avons ensuite étudié le système edge-cloud, qui consiste à mettre en relation plusieurs serveurs périphériques (edges) afin de privilégier, dans la mesure du possible, une utilisation locale des capacités de calcul, ce qui permet ainsi de réduire les coûts liés aux transferts vers un serveur cloud. Cette redistribution de la charge de travail peut également permettre de s'adapter aux spécificités de ces serveurs périphériques pour une meilleure utilisation de leurs ressources. Ainsi, pour les serveurs périphériques, nous avons également étudié l'impact d'une alimentation en énergies moins émettrices en carbone, telles que l'énergie solaire ou éolienne. Mais ces sources d'énergie présentent des variations dans leur production qui, lorsqu'elles sont complétées par une source d'énergie stable mais plus carbonée, se répercutent sur le coût en émissions de carbone du système, et il devient alors intéressant de les surveiller afin d'utiliser les serveurs périphériques lorsque leurs émissions de carbone sont au plus bas.

Les principales contributions de la thèse comprennent la modélisation des cas étudiés (capacité variable, edge-cloud) sous forme de problèmes d'ordonnancement, diverses analyses de complexité de ces problèmes, la conception de nombreux algorithmes et heuristiques (glouton, programmation dynamique, recherche de minimum local) visant à trouver de bons ordonnancements, leur implémentation en C++, ainsi qu'une évaluation approfondie de leurs performances expérimentales par rapport aux algorithmes classiques.

In recent years, with the rapid growth of IT across many sectors, there has been a huge increase in the use of data centers around the world. As a result, they have grown in size to become large facilities with a massive environmental cost, both during their construction, through the extraction, processing, and transport of the raw materials needed for their construction, and during their operation, through the consumption of ever-increasing amounts of electricity and water.

In this thesis, we focused on the operational aspect of data centers by solving task scheduling problems with the goal of achieving resource-efficient utilization. Typically, it is assumed that a data center has a constant power supply over time, in terms of both power and cost. However, given current societal and environmental challenges, we believe it is both realistic and important to question this assumption. Thus, we addressed two complementary scenarios. We began by studying the challenge posed by the instability of available electricity supply, which can result, for example, from recurring imbalances between electricity production and consumption in certain regions of the world. In this case, it is necessary to adapt data center usage to avoid losing work in progress and to ensure equivalent service quality for all users.

We then studied the edge-cloud system, which involves connecting multiple edge servers to prioritize, as much as possible, local use of computing capacity, thereby reducing costs associated with data transfers to a cloud server. This redistribution of the workload can also allow for adaptation to the specific characteristics of these edge servers to better utilize their resources. Thus, for edge servers, we also studied the impact of powering them with lower-carbon energy sources, such as solar or wind power. However, these energy sources exhibit fluctuations in their output which, when supplemented by a stable but higher-carbon energy source, affect the carbon emissions cost of the system. It therefore becomes advantageous to track them in order to use edge servers when their carbon emissions are at their lowest.

The main contributions of the thesis include the modeling of the cases studied (variable capacity, edge-cloud) as scheduling problems, various complexity analyses of these problems, the design of numerous algorithms and heuristics (greedy, dynamic programming, local minimum search) aimed at finding good schedules, their implementation in C++, as well as an extensive evaluation of their experimental performance compared to classical algorithms.