Analyse des travaux présentés dans la littérature

L’analyse de la littérature actuelle nous permet d’observer que cette dernière est assez peu fournie en ce qui concerne le problème du VNE dans un contexte multiCloud. En effet, nombreux sont les efforts sur le sujet du VNE qui ont été apportés dans un cadre ne faisant intervenir qu’un seul CP. Les travaux proposés se sont alors orientés sur plusieurs modèles de VNE intraCloud, dans le but d’optimiser l’utilisation des ressources et l’équilibrage des charges (Ayoubi et al., 2015, 2016; Shahriar et al., 2017; Khan et al., 2016), ou de minimiser l’énergie et l’impact écologique (Justafort et al., 2015; Khoshkholghi et al., 2017), ou alors de maximiser les revenus du CP (Chowdhury et al., 2012; Hesselbach et al., 2016; Zhang et al., 2014; Amokrane et al., 2015). Les travaux les plus intéressants se basent tout de même sur des modèles multiobjectif de représentation du problème d’hébergement intraCloud des demandes (Houidi et al., 2015; Larumbe et Sanso, 2013; Melo et al., 2015; Pyoung et Baek, 2018). De telles approches permettent notamment de refléter plus adéquatement la réalité, en offrant au CP la possibilité de considérer simultanément plusieurs aspects critiques à optimiser dans son réseau, tout en lui laissant la flexibilité quant au choix de leur priorité dans la même fonction multicritère. Cependant, tel que mentionné précédemment, les solutions développées dans la littérature pour résoudre le problème du VNE intraCloud se basent essentiellement sur une maîtrise complète et détaillée du réseau d’infrastructure sous-jacent, et sont généralement orientées dans les intérêts du CP. De ce fait, ces solutions ne peuvent être appliquées dans le cadre d’un réseau multiCloud, qui nécessite d’une part une phase préalable de sélection

des différents CPs selon des politiques restrictives de confidentialité limitant les informations sur le réseau global. D’autre part, un tel contexte fait intervenir différents acteurs ayant des objectifs d’optimisation conflictuels. Toutefois, tel qu’observé dans la littérature, ces solutions sont souvent utilisées pour résoudre la phase de VNE intraCloud, subséquemment à la phase de sélections de CPs. Cette démarche permet souvent d’évaluer et de valider la stratégie de partitionnement des VNRs adoptée.

À l’égard du problème émergent du VNE dans un environnement multiCloud, les quelques travaux recensés dans la littérature, portant intérêt aux objectifs du SP, se sont majoritai- rement intéressés à la minimisation des coûts d’approvisionnement pour ce dernier (Dietrich et al., 2015; Gong et al., 2016; Mano et al., 2016; Chaisiri et al., 2012; Ran et al., 2016). Cependant, dans la plupart des cas, les modèles proposés ne considèrent que des VMs à traiter, sans prendre en compte le trafic pouvant exister entre elles (Chaisiri et al., 2012; Ran et al., 2016). D’autres ne considèrent que des coûts de ressources fixes (Dietrich et al., 2015; Gong et al., 2016; Mano et al., 2016), et n’intègrent donc pas des mécanismes de tarification dynamique basée sur la disponibilité des ressources chez les CPs ou sur la durée de vie des requêtes à héberger. De ce fait, à chaque arrivée de requêtes à traiter dans le système, ces modèles ont toujours tendance à sélectionner les mêmes CPs ayant les prix les plus réduits, ce qui ne permet pas de garantir un taux d’acceptation élevé et un degré de performance satisfaisant toutes les contraintes de QdS imposées par le SP.

Les autres travaux qui visent par contre la maximisation du taux d’acceptation et de la per- formance des VNRs partitionnées, sans tenir compte des aspects économiques, considèrent souvent certaines informations normalement dissimulées par les CPs pour réaliser leurs mo- dèles de partitionnement (Leivadeas et al., 2013), ce qui ne permet pas d’apprécier l’effica- cité de ces derniers vis-à-vis des politiques de confidentialité des CPs à respecter. D’autres travaux prenant en compte les restrictions sur le domaine (Li et al., 2016; Mechtri et al., 2017), manquent de considérer dans leurs modèles de partitionnement toutes les ressources et contraintes conjointement relatives aux VMs et aux VLs, ce qui ne permet pas de repré- senter des applications complexes avec tous les besoins associés en performance et en QdS. Par ailleurs, ces travaux proposés dans le cadre du VNE multiCloud, s’intéressant soit uni- quement à la minimisation des coûts d’approvisionnement pour le SP, ou soit à l’optimisation des performances et de la QdS des VNRs, ne laissent donc pas l’opportunité au SP de sélec- tionner les différents services et ressources Cloud selon le niveau de performance et de QdS souhaité, tout en minimisant, en même temps, les coûts d’approvisionnement y résultant. Quant aux approches de résolution du problème recensées dans la littérature, il est mani- feste que les méthodes exactes peuvent certes procurer des solutions optimales, cependant,

elles ne sont limitées que sur des instances de petite taille capables d’être résolues en un temps raisonnable. La résolution d’une telle complexité de problème combinatoire nécessite indubitablement le développement de méthodes approximatives rapides et performantes, per- mettant de fournir des solutions acceptables en un temps de calcul polynomiale, notamment pour des instances de grande taille du problème. Bien que plusieurs approches approxima- tives de résolution aient été proposées dans la littérature, les métaheuristiques ou méthodes hybrides semblent les plus adéquates pour traiter le problème. En effet, les méthodes d’ap- prentissage automatique, bien que intéressantes et sophistiquées, nécessitent toutefois une base de données étiquetées énorme et temporellement couteuse pour entraîner et tester le système de VNE, ce qui peut être laborieux à acquérir au final.

En regard de l’état actuel de la littérature sur le sujet émergent du VNE dans un environ- nement multiCloud, et en particulier pour ce qui a trait au problème du partitionnement des VNRs, nous nous efforcerons dans cette thèse à intégrer tous les aspects précédemment mentionnés. Le cadre de VNE multiCloud que nous proposons dans ce travail permettra de considérer des applications allant des plus simples aux plus complexes, et prendra en compte l’ensemble des besoins en performance et contraintes de QdS associés aux demandes, ainsi que les politiques restrictives des CPs. Le but sera, plus précisément, de conjointement maximiser le taux d’acceptation des demandes à héberger dans les différents Clouds et d’optimiser les performances des applications, tout en minimisant, au mieux possible pour le SP, les coûts d’approvisionnement des ressources et services. Le cadre proposé intégrera également des ap- proches de résolution automatiques et avancées, permettant de pallier la nature NP-Difficile du problème.

CHAPITRE 3 DÉMARCHE MÉTHODOLOGIQUE DE L’ENSEMBLE DU