Meetup passé

Utilisation de l’IA pour exploiter les ressources inutilisées des clouds privés

Ce Meetup est passé

76 y sont allés

Détails

Bonjour à tous,

Le 18 mars prochain, nous accueillons Jean-Emile Dartois, chercheur travaillant chez IRT B-com sur la problématique de l'exploitation des ressources inutilisées sur des clouds privés. Il nous expliquera en détail la problématique de l'estimation des futures ressources disponibles dans le cloud et l'intérêt d'utiliser une régression quantile. Ci-dessous, un résumé de son intervention.

A bientôt,

Résumé:
Les cloud privés représentent plus de ¾ des capacités globales des centres de données, mais en moyenne, 55% de leurs ressources restent inutilisées [1]. Ce gâchis n’est pas acceptable compte tenu de la pollution engendrées par les centres de données. En effet, l'industrie électronique est un des premiers pollueurs et les investissements dans ce secteur sont en croissance continue (+15% par an) [2].

Nous développons au sein de l’IRT B-com une solution de cloud collaboratif (une forme d’airBnB des centres de données) ayant pour but de regrouper et de mettre à disposition de manière sécurisée les ressources informatiques non utilisées de multiples entreprises et administrations publiques. Il s'agit d'une alternative au cloud public, à la fois bas coût et souveraine, particulièrement adaptée à des applications de traitement de données de type Big Data.

Cependant, les clients de ce cloud collaboratif ne souhaite pas sacrifier la qualité du service même pour un hébergement à bas coût. Pour répondre à ce défi, une des solutions est d’utiliser l'Intelligence Artificielle pour estimer les futures ressources disponibles.

Dans cette présentation, je montrerai dans un premiers temps l'intérêt de l'utilisation de la Régression Quantile pour estimer les ressources inutilisées. Puis, je parlerai de l’utilisation de ce modèle prédictif pour dynamiquement allouer ces ressources inutilisées à un cluster Apache Spark orchestré par Kubernetes.

Biographie:
Jean-Emile Dartois est chercheur à IRT B-com depuis octobre 2014 et prépare depuis février 2017 un doctorat sur l’optimisation des centres de données. Il partage son temps entre la conception d'applications industrielles et la recherche académique. Il est impliqué dans l'architecture et le développement de projets Open Source (e.g. OpenStack Watcher) depuis de nombreuses années. Ses intérêts de recherche comprennent le Cloud Computing, l’utilisation du
machine learning, et les problématiques d’optimisation multi-critères.

Bibliographie:
[1] IDC White Paper | Quantifying Datacenter Inefficiency
[2] Cisco Global Cloud Index White Paper | Forecast and Methodology, 2016–2021