Scalabilité

Discussion

Nous avons proposé une solution pour calibrer le CSLA template et aiguiller les res-sources en terme de type et nombre. Cette approche est dirigée par les préférences du client du fournisseur, un aspect qui n’est pas considéré précédemment. Nous avons mis l’accent sur le fournisseur SaaS cependant notre approche est générique. Avec un simple "shift", notre modèle peut être utilisé par un fournisseur IaaS pour calibrer son SLA avec ses clients (exemple fournisseur SaaS) et ses fournisseurs (exemple fournis-seur d’énergie). Basée sur la programmation par contrainte, notre approche calcule à la volée (sur mesure) une solution dans un temps raisonnable. Elle permet de prendre en compte les paramètres QdS dynamiques de manière souple pour composer le meilleur processus métier vertical.

4.3 Synthèse

Dans ce chapitre, nous avons détaillé la spécification du langage CSLA tout en essayant de fournir des éléments de réponse aux limitations soulevées au niveau des travaux de l’état de l’art. Notre contribution n’est pas qu’un moyen de définition du SLA mais aussi un modèle économique avancé pour la gestion des contrats de niveaux de service.

Nous avons introduit plusieurs concepts à savoir principalement : la dégradation de fonctionnalité (mode) et la dégradation de QdS (fuzziness et confidence). Ainsi, nous avons proposé un modèle de pénalité à grain fin.

Dans la deuxième partie de ce chapitre, nous avons illustré notre solution de ca-librage de template CSLA. Nous avons modélisé le problème de dépendances SLA comme un problème d’optimisation multicritères. Notre prototype est basé sur la pro-grammation par contraintes. L’originalité de notre approche est l’appui sur les préfé-rences des clients pour calibrer le SLAS, l’énumération des k premières solutions, la flexibilité et la généricité. Notre approche est limitée à la phase de conception (design-time). Nous traitons la phase de l’exécution (run-time) dans les chapitres suivants.

5

HybridScale : dimensionnement automatique dirigé par SLA

Nous avons précédemment mis l’accent sur les limitations des approches existantes de gestion de capacité des ressources qui sont principalement : la non-considération du modèle économique en particulier la facturation et la non-prise en compte du temps d’initialisation des ressources. Afin de remédier à ces limitations, nous proposons Hy-bridScale: une approche de dimensionnement automatique dirigée parCSLA.

Ce chapitre commence avec une description de vue d’ensemble de HybridScale en clarifiant ses apports. Ensuite, nous introduisons BestPolicies qui proposent des politiques de gestion de l’élasticité du Cloud. Nous présentons, également,Forecasting, une technique de prédiction de la demande. Enfin, nous développons RightCapacity, une méthode de planification de capacité de ressources dirigée par SLA.

Sommaire

5.1 HybridScale, vue d’ensemble . . . 106 5.1.1 Nouveautés d’HybridScale . . . 106 5.1.2 Modèle conceptuel . . . 106 5.2 BestPolicies: politiques de gestion d’élasticité . . . 107 5.2.1 Politiques des prix . . . 107 5.2.2 Politiques de réaction . . . 108 5.2.3 Politiques de dimensionnement . . . 109 5.3 LoadForecasting : prédiction de charge de travail . . . 111 5.3.1 Modélisation d’une série chronologique . . . 111 5.3.2 Forecaster, la technique . . . 112 5.4 RightCapacity: planification de capacité dirigée par SLA . . . 114 5.4.1 Modèle Conceptuel. . . 114 5.4.2 Modèle analytique . . . 114 5.4.3 Planification des ressources, la méthode . . . 120

105

5.4.4 Planification de l’architecture logicielle, la méthode . . . 126 5.5 Synthèse . . . 127

5.1 HybridScale, vue d’ensemble

Cette section met en évidence l’approcheHybridScaleet ses apports. Nous commençons par clarifier les nouveautés d’HybridScale par rapport à l’état de l’art. Ensuite, nous illustrons une vue d’ensemble de cette solution.

5.1.1 Nouveautés d’HybridScale

La contribution principale de cette thèse est l’approcheHybridScale: une solution avan-cée pour gérer l’élasticité du Cloud. Cette approche est dirigée par CSLA et englobe d’autres contributions à savoirRightCapacityetBestPolicies. L’originalité deHybridScale est le triple hybride : ajustement réactif-proactif, dimensionnement vertical-horizontal et au niveau application-infrastructure. Elle est implémentée via une boucle de contrôle autonomique MAPE-K [Hor01].

Notre solution est modélisée par le quadruplet (Quand, Comment, Combien, Où) comme suit :

• Quand : réactif-proactif. L’ajustement est à la fois réactif et proactif. Des méthodes statistiques des séries chronologiques sont utilisées pour la prédiction de la de-mande. Nous proposons une technique de prédiction pour absorber le temps d’initialisation d’une instance. En cas de violation du SLA, suite à une erreur de prédiction, des actions réactives seront déclenchées.

• Comment : vertical-horizontal.HybridScaleconsidère le dimensionnement vertical et horizontal au niveau infrastructure. De plus, nous introduisons l’ajustement de contrôle d’admission par instance qui peut être vu comme un dimensionnement vertical. Au niveau application, nous proposons l’ajustement applicatif en traitant l’application comme une boîte blanche. Cet ajustement peut être également vu comme un dimensionnement vertical.

• Combien : méthode RightCapacity. Nous proposons la méthode RightCapacity pour calculer la capacité optimale. Cette méthode est basée sur la théorie des files d’attente. Elle est pilotée par BestPolicies qui est un ensemble de politiques de gestion de l’élasticité. L’originalité de RightCapacity est d’adresser plusieurs niveaux/couches. Elle tient en compte deux niveaux à savoir : l’application (SaaS) et l’infrastructure (IaaS).

• Où : application Web multi-tiers. HybridScale peut être appliquée à n’importe quelle application Web multi-tiers (par exemple e-commerce). Elle adresse à la fois le calcul, le stockage et la répartition de charge.

5.1.2 Modèle conceptuel

Afin de faire face à un environnement hautement dynamique comme le Cloud, il de-vient impératif de s’appuyer sur des modèles qui permettent au système de réagir au

contexte d’exécution pour le faire fonctionner de manière optimale (en termes de QdS et de coût) sans intervention humaine. Pour ce faire, nous nous appuyons sur l’infor-matique autonomique pour proposerHybridScale. Cette solution cherche à automatiser et optimiser la gestion de la capacité des ressources. Elle est basée sur une boucle de contrôle MAPE-K [Hor01].

La Figure 5.1 présente une vue d’ensemble du modèle conceptuel d’HybridScale.

Dirigé par des objectifs de haut niveau (compromis entre le profit de fournisseur SaaS et la satisfaction de ses clients (SLA)), le gestionnaire autonome utilise les informa-tions (performance, workload, application, ressources) provenant des capteurs et de la base des connaissances (BestPolicies) pour analyser (RightCapacity), planifier et exécuter des actions (dimensionnement vertical/horizontal, ajustement de contrôle d’admission, ajustement de l’application) sur l’élément géré à savoir le service SaaS.