Contexte
Les progrès récents observés à la fois dans les technologies de virtualisation (VM, conteneurs, etc.) et les TIC (SDN, NFV, plan de données programmable) ont favorisé la prolifération du edge computing. L’utilité du Edge computing s’est également accentuée avec l’avènement des applications IoT, du big data et des techniques d’IA qui rendent possible, aujourd’hui, le traitement de ces données. En effet, l’exploitation des ressources disponibles en périphérie du réseau représente une solution complémentaire et parfois alternative ou cloud computing, notamment pour des applications contraintes en termes de délais ou de volume de trafic ou nécessitant une continuité de fonctionnement, même en cas de connectivité intermittente. Ces tendances ont, ensemble, favorisé la naissance du paradigme « Continuum Coud-Edge » qui implique une prise en compte conjointe et efficace des ressources de calcul et de communication.
Problématique et objectifs de la thèse
Nous n'en sommes encore qu'aux débuts de ce paradigme et de nombreux défis sont à relever pour comprendre comment ce continuum cloud-edge devrait évoluer. En effet, si l’allocation de ressources a été largement investiguée dans le passé, la prise en compte du contexte réseau dans ce continuum reste encore très peu étudiée. Si l’on veut que cette collaboration entre le cloud et le edge soit efficace et puisse répondre au mieux aux besoins des applications malgré un contexte très hétérogène en termes de ressources, le réseau ne devrait plus être abstrait en un connecteur point à point, mais considéré comme une constituante à part entière dans la distribution de l’application.
C’est dans ce cadre que s’inscrit cette thèse. En effet, notre objectif est de proposer un framework pour un déploiement efficace des applications IoT grâce à une gestion collaborative des ressources de la périphérie du réseau jusqu’à l’infrastructure dorsale du cloud. Nous fixons également pour objectif de proposer des solutions de placement de services sensible au contexte réseau, basées sur des techniques d’apprentissage par renforcement profond, afin de mieux prendre en compte des problématiques liées à ce dernier telles que la mobilité ou l’intermittence de la connectivité.
Les travaux de cette thèse seront validés par simulation, mais aussi par expérimentation grâce à une plateforme de test mise à notre disposition dans le cadre d’un projet de recherche qui commence (le projet AAP PME NaviDEC). C’est une plateforme qu’on va développer avec nos partenaires pour faciliter le déploiement des services IoT dans le domaine maritime, ainsi que des applications de traitement d’images. Les algorithmes ainsi conçus vont être intégrés à Kubernetes, logiciel open source qui fait l’unanimité dans le domaine de l’orchestration des services et testés sur cette plateforme.
[1] I. Afolabi, T. Taleb, K. Samdanis, A. Ksentini, and H. Flinck, “Network slicing and soft- warization: A survey on principles, enabling technologies, and solutions,” IEEE Communi- cations Surveys Tutorials, vol. 20, pp. 2429–2453, thirdquarter 2018.
[2] B. Yi, X. Wang, K. Li, S. k. Das, and M. Huang, “A comprehensive survey of network function virtualization,” Computer Networks, vol. 133, pp. 212 – 262, 2018.
[3] ETSI, “Network functions virtualisation (nfv);architectural framework,” in ETSI GS NFV 002 v1.2.1, ETSI, 2014.
[4] I. Alawe, Y. Hadjadj-Aoul, A. Ksentini, P. Bertin, C. Viho, and D. Darche, “An efficient and lightweight load forecasting for proactive scaling in 5G mobile networks,” in CSCN 2018 - IEEE Conference on Standards for Communications and Networking, (Paris, France), pp. 1– 6, IEEE, Oct. 2018.
[5] T. Taleb, K. Samdanis, B. Mada, H. Flinck, S. Dutta, and D. Sabella, “On multi-access edge computing: A survey of the emerging 5G network edge cloud architecture and orchestration,” IEEE Commun. Surveys Tuts., vol. 19, no. 3, pp. 1657–1681, Jul.–Sep. 2017.
[6] T. Taleb, S. Dutta, A. Ksentini, I. Muddesar, and H. Flinck, “Mobile edge computing potential in making cities smarter,” IEEE Commun. Mag., vol. 55, no. 3, pp. 38–43, Mar. 2017.
[7] Y. Hadjadj-Aoul, and S. Ait Chellouche: “Gestion des accès massifs des équipements dans les réseaux NB-IoT : une stratégie basée sur l’apprentissage par renforcement”, In ISTE Editions, Chapter 2, 2021.