Principales contributions de la thèse et leur originalité

L’originalité de cette thèse réside dans la conception d’un nouveau cadre hiérarchique d’opti- misation de l’intégration des VNRs dans un environnement multiCloud, un problème émergent qui n’a été que récemment adressé dans la littérature. Le cadre développé vise conjointement à optimiser le niveau de performance et de QdS des applications à héberger chez les mul- tiples fournisseurs d’IaaS (CPs), et à minimiser les coûts d’approvisionnement des ressources informatiques et réseautiques pour le SP. La phase la plus délicate pour ce dernier étant d’opérer une démarche stratégique et rentable de sélection des CPs éligibles à héberger ses applications, les principales contributions de ce travail de recherche ont été apportées au niveau de la résolution du problème de partitionnement des VNRs à travers le réseau multi- Cloud. Toutefois, l’efficacité d’une telle stratégie ne saurait être évaluée sur un ensemble de critères de performance et d’économie, sans résoudre le problème subséquent d’hébergement des segments de VNRs dans les réseaux d’infrastructure des CPs sélectionnés durant la phase de partitionnement. Cette perspective nous a alors conduits à concevoir dans cette thèse, un cadre de résolution globale de l’ensemble du processus du VNE dans l’environnement multi- Cloud, dont les principales contributions peuvent être détaillées comme suit :

1. Modélisation mathématique d’applications complexes : Plutôt que de tradi- tionnellement considérer un modèle IaaS n’offrant uniquement que des services d’hé- bergement de VMs, nous avons pu proposer un cadre d’intégration des requêtes dans un environnement multiCloud, permettant de considérer et de modéliser des applica- tions complexes. Ces dernières sont formulées sous forme de VNRs, encapsulées dans plusieurs machines virtuelles (VMs), échangeant du trafic non négligeable entre elles à travers les liaisons virtuelles (VLs), ce qui ajoute plus de complexité au problème. Le cadre propose une modélisation des VNRs soumises par le SP, incluant leurs besoins en performance et contraintes en QdS et en localisation, et prend en compte tous les types de ressources que peut exiger une VM, tout en pondérant l’importance de chacune des composantes de ressources requises, dans l’optique d’optimiser les per- formances de la VM en fonction de l’application qu’elle encapsule. La modélisation proposée prend également en charge les applications sensibles au délai, formulées par le SP en spécifiant un délai maximal pour certains trafics inter-VMs à router.

2. Modélisation mathématique de l’environnement multiCloud basée sur les

politiques restrictives des CPs : L’une des contributions de ce travail porte sur

la modélisation de l’environnement multiCloud sous-jacent et des données collectées dans le référentiel d’informations, qui s’aligne aux politiques restrictives des CPs. En effet, comparé aux modèles existants qui assument soit une connaissance complète

et détaillée des réseaux sous-jacents, ou sinon utilisent néanmoins des informations confidentielles sur les CPs dans leur stratégie, nous avons pu dans notre modélisation étudier le niveau d’accès restreint du VNP sur l’environnement multiCloud, et conce- voir une stratégie de partitionnement des VNRs basée sur les informations limitées et agrégées, publiées par les CPs. Par ailleurs, dans le but de fournir une meilleure efficacité de la stratégie de partitionnement proposée, nous avons enrichi la visibilité du VNP sur l’environnement multiCloud, en ajoutant dans la modélisation des don- nées statistiques de performance sur les PoPs des CPs qui ne sont pas considérées confidentielles.

3. Conception d’un nouveau modèle de programmation mathématique pour

résoudre le problème de partitionnement multiCloud des VNRs : Pour for-

maliser mathématiquement notre stratégie de sélection des CPs et résoudre le problème de partitionnement des VNRs, nous avons utilisé des techniques de programmation linéaire en nombres entiers ou Integer Linear Programming (ILP), dont les différents paramètres utilisés pour définir la fonction objectif et les contraintes linéaires du mo- dèle, résultent de la modélisation préalable des VNRs et de l’environnement multi- Cloud sous-jacent. L’originalité dans le modèle ILP proposé repose sur la stratégie de sélection des CPs qu’il exécute, qui consiste en une optimisation conjointe de la per- formance et la QdS des VMs et des VLs aux emplacements géographiques de choix du SP, tout en prenant en compte la nature dynamique de l’environnement multiCloud et les mises à jour périodiques des données publiées dans le référentiel d’informations. De plus, le modèle de programmation définit le routage du trafic inter-VMs entre les CPs hôtes, en minimisant le nombre de réseaux de transit transit traversés, ce qui réduit considérablement le délai de communication inter-VMs tout en évitant les violations de contraintes de délai maximal imposées sur les VLs.

4. Adoption d’un modèle de résolution multiobjectif du problème d’héberge-

ment intraCloud des segments de VNRs : Afin d’intégrer dans les infrastructures

Cloud sélectionnées les segments de VNRs issus de la phase de partitionnement, nous avons adopté une approche multiobjectif basée sur un modèle ILP mixte ou Mixed- Integer Linear Programming (MILP) que nous avons adaptée au cadre de VNE mul- tiCloud proposé. Le modèle multiobjectif vise précisément à minimiser, pour les CPs, les coûts d’utilisation de leurs ressources serveur et réseau, les coûts d’énergie, l’im- pact écologique et le délai de routage du trafic. L’implémentation d’une telle approche s’est avérée pertinente car permettant de refléter davantage la réalité du contexte multiCloud, mais également d’évaluer la stratégie de partitionnement appliquée selon plusieurs critères de performance, incluant le taux d’acceptation, le taux de partition-

nement, le délai de communication, le temps d’exécution et les violations de contraintes de QdS.

5. Développement d’une approche de résolution heuristique permettant de

pallier la nature NP-Difficile du problème du partitionnement des VNRs :

Une autre originalité de la thèse repose sur les mécanismes automatiques de résolution mis en œuvre. En effet, le modèle ILP proposé, résolu dans un premier temps avec une approche exacte, ne permet pas de traiter des instances de grande taille du problème car entraînant des temps de calcul exponentiellement longs dû à la nature complexe du problème. Pour pallier cette difficulté, nous avons élaboré une approche de résolution heuristique basée sur la Recheche Taboue ou Tabu Search (TS). L’approche proposée nous permet d’offrir un excellent compromis entre qualité des solutions générées par la métaheuristique et le temps d’exécution réduit à une complexité polynomiale. 6. Optimisation conjointe de la performance et QdS des applications et des

coûts d’approvisionnement pour le SP : Dans le but de minimiser les coûts

d’approvisionnement de ressources et de services pour le SP, une extension du modèle ILP de partitionnement est proposée, afin d’y intégrer les objectifs économiques du SP. Cette optimisation conjointe dans la stratégie de sélection des CPs nous permet d’apporter une nouveauté dans la littérature, en offrant un modèle de partitionnement multiCloud des VNRs regroupant divers facteurs de performance, de QdS et d’écono- mie à optimiser pour le SP, ce qui lui laisse le choix de sélectionner les CPs selon ses objectifs de préférence.

7. Développement d’une approche heuristique hybride pour la résolution du

nouveau modèle de partitionnement des VNRs : Une autre contribution de la

thèse constitue un apport autant dans l’élaboration de mécanismes avancés de réso- lution du problème de partitionnement multiCloud des VNRs, mais également dans l’adaptation des métaheuristiques aux problèmes combinatoires complexes. En effet, pour résoudre plus efficacement et en un temps de calcul réduit le nouveau modèle stratégique de partitionnement des VNRs, nous avons développé une approche hybride basée sur une combinaison intégrative des métaheuristiques de colonies de fourmis ou Ant Colony Optimization (ACO), choisie pour ses capacités d’adaptation, et de TS, connue pour son efficacité en matière de recherche locale. Cette contribution apporte une originalité par l’utilisation, peu commune, des techniques d’hybridation de dif- férentes métaheuristiques, permettant de tirer profit des capacités de chacune des méthodes combinées et d’obtenir des solutions davantage de meilleure qualité.

8. Réduction considérable du temps d’exécution des approches heuristiques

par la définition de fonctions de calcul avancées : La dernière contribution de

notre travail, est relative à la méthode d’évaluation des configurations de solutions générées par les approches heuristiques proposées. En effet, au lieu de communément évaluer entièrement et itérativement une solution à chaque modification de la confi- guration, ce qui est très couteux en temps de calcul, l’idée nous est venue de définir des fonctions de calcul de gains et de variations de coût, afin d’accélérer considérable- ment le temps d’exécution dans l’exploration de l’espace de recherche. À cet effet, des fonctions de calcul de gains sont établies pour l’approche basée sur TS, afin d’unique- ment évaluer la différence entre le coût d’une solution actuelle et celui d’une solution voisine. Aussi, pour l’approche hybride, dans les phases de construction probabiliste d’une configuration de solution par l’algorithme d’ACO, des fonctions de calcul de variations de coût sont définies pour uniquement évaluer la différence de coût générée par l’ajout d’un nouveau composant à la configuration partielle d’une solution actuelle. Cette technique est plus compliquée à implémenter, mais elle nous permet de réduire considérablement l’ordre de complexité du temps de calcul de O(n2_{) à O(n).}

Du point de vue global de l’ensemble du processus de VNE dans un environnement multi- Cloud, le cadre proposé dans cette thèse pour l’intégration des VNRs dans les infrastructures Cloud, incluant la modélisation du problème et les mécanismes avancés de résolution, permet- tra d’offrir au SP un modèle décisionnel varié, dans une perspective de sélection stratégique et optimisée des multiples ressources et services Cloud les mieux adaptés en fonction de ses intérêts et de ses objectifs.