Exploration et optimisation des architectures RAID et des technologies de virtualisation pour des serveurs de données haute performance
Face aux besoins toujours croissants de la simulation numérique, les
supercalculateurs doivent sans cesse évoluer pour améliorer leurs performances
et ainsi maintenir une haute qualité de service pour les utilisateurs.
Ces besoins se répercutent sur les systèmes de stockage, qui pour être
performants, fiables et capacitifs, doivent contenir des technologies de
pointe en ce qui concerne l'optimisation du placement des données et de
l'ordonnancement des accès I/O. L'objectif de la thèse est d'étudier ces
technologies telles que le GPU-based RAID et la virtualisation d'I/O, de
les évaluer et d'établir des optimisations permettant d'améliorer les
performances des systèmes de stockage HPC.
Ordonnancement des accès I/O sur bandes magnétiques à l'aide de l'apprentissage automatique
Les simulations numériques sont utilisées pour obtenir des réponses à des
phénomènes physiques qui ne sont pas reproductibles, soit parce qu'ils sont
trop dangereux soit parce qu'ils sont trop coûteux. Les modèles utilisés
pour ces simulations sont de plus en plus complexes, en termes de taille et
de précision, et nécessitent l'accès à des capacités de calcul et de stockage
de données toujours plus importantes. À cet effet, et afin d'optimiser les
coûts, l'utilisation de technologies de stockage de masse telles que les
bandes magnétiques est cruciale. Cependant, pour assurer une bonne performance
du système dans son ensemble, le développement d'algorithmes et de mécanismes
liés au placement des données et à l'ordonnancement des accès sur bandes est
essentiel. L'objectif de la thèse est d'étudier la technologie des bandes
magnétiques, ainsi que les mécanismes existants tels que la RAO (Recommended
Access Order) ou la rétention de requêtes ; et de mettre en
œuvre de nouvelles stratégies pour l'optimisation des performances des
bandes magnétiques.