Workflow scheduling on Cloud-Fog computing

Ordonnancement des workflows dans Cloud-Fog computing La technologie du workflow, qui tend à automatiser les processus et à fournir des outils pour leur gestion, est aujourd'hui un domaine de recherche actif. Ces processus regroupent une multitude de tâches automatisées pour remplir un objectif donné sous des contraintes fortes. Pour cela, l'ordonnancement de ces tâches dans les ressources informatiques appropriées contribue à atteindre les objectifs, à respecter les contraintes et à optimiser l'exécution du workflow dans son ensemble.Au fil des ans, divers domaines ont été automatisés par le concept de flux de travail, notamment l'astronomie, la bio-informatique, les affaires et, plus récemment, le domaine de l'IdO. La diversité des domaines couverts se traduit par différents types d'applications automatisées par le même workflow. Les tâches scientifiques nécessitent des capacités de calcul élevées, et les tâches IoT cherchent à être exécutées avec un temps de réponse minimal.Aujourd'hui, l'informatique en nuage retient toujours l'attention des chercheurs en raison de ses puissantes capacités à planifier de manière optimale des flux de travail intensifs. Cependant, la croissance constante des objets connectés, des appareils mobiles et des applications en temps réel qui doivent être exécutées avec un temps de réponse réduit rend la mission du Cloud difficile. Les dispositifs et applications mentionnés sont présentés avec le concept d'Internet des objets et modélisent avec d'autres entités des processus d'un objectif spécifique. La plupart de ces processus impliquent une automatisation avec un flux de travail soumis à des contraintes de précédence entre ses tâches. Le flux de travail, avec ses multiples types, nécessite d'être planifié de manière optimale tout en respectant les différentes contraintes imposées. Dans cette thèse, nous proposons des approches pour traiter le problème de l'ordonnancement des flux de travail sous contraintes et objectifs. Nos approches sont modélisées par un Système Multi-Agents (SMA) dans l'environnement informatique Fog-Cloud afin de traiter simultanément différentes mesures de QoS, à savoir le coût, le makespan et la latence. Nos approches ont été validées par simulation avec la plateforme workflowsim en utilisant différents types de flux de travail et un modèle de système basé sur les services d'Amazon EC2. Tous les résultats obtenus démontrent l'efficacité de nos approches pour générer des solutions d'ordonnancement optimales en termes de métriques de QoS et respectant les contraintes.