Skip to Main content Skip to Navigation
New interface
Conference papers

Ordonnancement multi-objectifs de workflows dans le cloud : un modèle plus réaliste avec tâches de durée stochastique

Aurélie Kong Win Chang 1, 2, 3 
2 ROMA - Optimisation des ressources : modèles, algorithmes et ordonnancement
Inria Grenoble - Rhône-Alpes, LIP - Laboratoire de l'Informatique du Parallélisme
3 AVALON - Algorithms and Software Architectures for Distributed and HPC Platforms
Inria Grenoble - Rhône-Alpes, LIP - Laboratoire de l'Informatique du Parallélisme
Résumé : La souplesse en terme de disponibilité de ressources que permet le cloud rend possible une adaptation de l'ordonnancement des tâches qui y sont exécutées face à l'imprévisibilité de cer-tains paramètres. Cependant, les méthodes d'ordonnancement existantes utilisent des modèles trop simplifiés : les workflows sont totalement déterministes ou leur structure n'est pas consi-dérée, ou encore la modélisation du cloud ignore certains aspects capitaux de cette plateforme. Cet article propose un modèle prenant en compte le fait que le nombre d'instructions consti-tuant une tâche peut ne pas être déterministe sans pour autant sacrifier totalement la com-plexité de la plateforme ou la structure du workflow. Nous proposons en outre quelques pistes pour l'élaboration d'une méthode d'ordonnancement multi-objectifs reposant sur ce modèle.
Document type :
Conference papers
Complete list of metadata

Cited literature [1 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01679699
Contributor : Aurélie Kong Win Chang Connect in order to contact the contributor
Submitted on : Wednesday, January 10, 2018 - 10:43:27 AM
Last modification on : Tuesday, October 25, 2022 - 4:23:42 PM
Long-term archiving on: : Friday, May 4, 2018 - 5:33:09 AM

File

ComPAS2017_paper_19.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01679699, version 1

Collections

Citation

Aurélie Kong Win Chang. Ordonnancement multi-objectifs de workflows dans le cloud : un modèle plus réaliste avec tâches de durée stochastique. Compas 2017 - Conférence d’informatique en Parallélisme, Architecture et Système, Jun 2017, Sophia Antipolis, France. pp.1-7. ⟨hal-01679699⟩

Share

Metrics

Record views

102

Files downloads

470