Apprentissage artificiel pour l'ordonnancement des tâches dans les grilles de calcul
Institution:
Paris 11Disciplines:
Directors:
Abstract EN:
This thesis studies the application of the paradigm of reinforcement learning to the problem of resource allocation in systems of sharing computing resources on a large scale. Specifically, this work focuses on the achievement of a differentiated quality of service in terms of responsiveness of infrastructure, particularly fo the management of short-term jobs scheduling, commonly called reactive scheduling. The work presented in this thesis proposes an approach to resource allocation that aims to reconcile reactivity and fairshare. The resource allocation must maximize the realization of partially conflicting goals: differentiated quality of servil mentioned above, the weighted fairness and utilization. The weighted fairness are modeling two aspects of will of return on investment of institutions involved in the creation of shared computing infrastructure. Motivated by this general goal, which go beyond the computing infrastructure mentioned above, this work focuses on the specifie problem of workflow management applications that combine short term allocation requests and resource demands of conventional calculation.
Abstract FR:
Cette thèse étudie l'application du paradigme de l'apprentissage par renforcement au problème de l'allocation de ressources dans les systèmes de mutualisation des ressources de calcul à grande échelle. Plus précisément, ce travail porte sur la réalisation d'une qualité de service différenciée du point de vue du délai de réponse de l'infrastructure, en particulier pour la prise en charge des jobs à courte durée d'exécution, appelée couramment ordonnancement réactif. Les travaux présentés dans cette thèse proposent une approche de l'allocation de ressources qui vise à concilier réactivité et partage organisé. L'allocation de ressources doit optimiser la réalisation d'objectifs partiellement conflictuels : la qualité de service différenciée évoquée ci-dessus, l'équité pondérée et l'utilisation. L'équité pondérée et l'utilisation modélisent deux aspects de la volonté de retour sur investissement des institutions participant à la création d'infrastructures de calcul partagées. Motivé par ce but général, dont la portée dépasse l'infrastructure de calcul mentionnée ci-dessus, ce travail se concentre sur le problème spécifique de la gestion de flux de demandes combinant des demandes d'allocation quasi-immédiate de ressources de calcul pour une période de temps limitée et des demandes de ressource de calcul classiques.