La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

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

Téléchargements

Téléchargements par mois depuis la dernière année

Plus de statistiques...

Boulares, Manel (2018). Détection et analyse de données aberrantes pour l'adaptation de ressources dans des environnements virtualisés. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

[thumbnail of BOULARES_Manel.pdf]
Prévisualisation
PDF
Télécharger (1MB) | Prévisualisation

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.

Titre traduit

Detection and analysis of outliers for resource adaptation in virtualized environments

Résumé traduit

The integration of the cloud computing with telecommunications technologies has brought several benefits to network operators and communication service providers. Indeed, the use of several virtual nodes of a service platform deployed on the same physical machine can significantly reduce costs and energy consumption. With the elasticity and scalability offered by this new technology, controlling workloads in virtualized systems has become a necessity to ensure a good quality of service. In this research, we discuss the problem of workload management in virtualized environments. Our goal is to propose and validate an adaptation mechanism that ensures a dynamic and efficient resource management in virtualized environments. The proposed approach consists in the first place of testing and analyzing the performance of a virtualized IMS platform that we installed based on OpenIMS Core. Then, we analyzed the data collected from IMS to detect potential outliers. In addition, we performed the mapping between service-level and resource-level metrics through the analysis of their variation using the modified z-score method. This analysis was also based on data extracted from other virtualized environments such as Google Cluster and the ÉTS in order to have a generic solution adapted to several virtualized systems. In addition, we performed a comparison between the two methods of outliers detection namely modified z-score and mahalanobis. Our analysis showed that mahalanobis gives us better results compared to modified z-score. The results obtained made it possible to identify important variations that may require the adaptation of resources in the system. Finally, we designed and developed a resource adaptation algorithm based on the Mahalanobis method.

Type de document: Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires: "Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise avec mémoire en génie des technologies de l'information" Comprend des références bibliographiques (pages 163-165).
Mots-clés libres: infonuagique, réseau IMS, virtualisation, SIP, charge de travail, adaptation des ressources, système IMS, détection d’outliers, distance de Mahalanobis
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Kara, Nadjia
Programme: Maîtrise en ingénierie > Génie des technologies de l'information
Date de dépôt: 08 mars 2019 16:36
Dernière modification: 08 mars 2019 16:36
URI: https://espace.etsmtl.ca/id/eprint/2219

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt