About the role
Votre rôle est d’effectuer un travail de thèse sur l' «Optimisation du scaling des fonctions 5G+/6G sur les infras edge à large échelle».
Contexte global et problématique du sujet
Les opérateurs télécoms font face à une évolution profonde et rapide des services et de l’infrastructure. Ils sont constamment tenus d’accélérer le renouvellement de leurs offres afin de faire face à de nouveaux défis et opportunités. C’est dans ce contexte que le concept des fonctions réseau « Cloud-native » [1][2][3] prend de plus en plus d’ampleur. Grâce aux progrès remarquables des technologies de conteneurisation, cette nouvelle génération de fonctions réseau a vu le jour. La principale logique est de mettre en œuvre des fonctions réseau évolutives, autoréparables, progressives et flexibles tout en utilisant les principes du "cloud native". Cela inclut principalement la décomposition des fonctions réseau de l'opérateur en de multiples composants logiciels légers et interdépendants appelés micro-services, tout en encapsulant chacun d'eux dans un conteneur [4].
L'évolution vers un modèle "cloud native" présente plusieurs avantages, mais nécessite l'évolution de l'architecture télécom afin de répondre aux exigences des services réseau basés sur des conteneurs, en particulier l’optimisation de la gestion du cycle de vie (LCM) des services réseau basés sur des micro-services. L'orchestrateur permettra l'exploitation de l'infrastructure NFV et le LCM de ces fonctions tout en satisfaisant leurs exigences.
Objectif scientifique
En utilisant les paradigmes d’optimisation, de recherche opérationnelle et les techniques d’apprentissage, on souhaite concevoir et développer une nouvelle approche permettant un scaling coordonné des groupes de micro-services composant le service réseau. La gestion coordonnée des micro-services est considérée par quelques travaux très récents sans considérer explicitement les fonctions d'élasticité. Nous pouvons citer le travail présenté dans [5] qui se concentre sur l'implémentation de la synchronisation des micro-services. Une approche préliminaire de la coordination des micro-services est proposée dans [6] avec une solution à base d'agents pour la gestion autonome des micro-services. Une approche de dimensionnement est proposée dans [7] où la corrélation entre la caractérisation de la charge de travail et les tendances du modèle de charge de travail sont exploitées pour trouver la bonne taille du micro-service.
L’idée est de faire évoluer conjointement des groupes de micro-services. Ce travail s'inspirera des solutions existantes pour les gestionnaires hiérarchiques autonomes dans le cloud [8] mais prendra en compte les contraintes spécifiques liées à la gestion de l'élasticité des fonctions réseau déployées dans des infrastructures distribuées. Des approches basées sur l'IA telles que l'apprentissage par renforcement [9] peuvent être utilisées pour analyser les interactions entre les micro-services et identifier des modèles.
about you
Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste
- Compétence en développement logiciel, langages, cloud, git
- Connaissance des réseaux IP et mobiles
- Connaissances en Intelligence artificielle, Machine learning, probabilités, algorithmique
- Expérience du Travail en équipe
- Goût pour la coopération avec des universités et des entreprises extérieures à Orange.
- Maîtrise du Français et de l’Anglais
- Esprit de synthèse
- Capacité à rédiger et à présenter à l’oral
Formation demandée (master, diplôme d’ingénieur, doctorat, domaine scientifique et technique …)
BAC + 5, Master ou école d’ingénieur en Informatique et réseaux pour poursuivre en doctorat.
Expériences souhaitées (stages, …)
Expérience de développement logiciel et intérêt démontré pour le sujet.
Références
[1]“The Road to Cloud Native VNF”, Nati Shalom, Cloudify, 2016. Available:
http://getcloudify.org/cloud-native-vnf.html
[2]
“Cloud-Native NFV Architecture for Agile Service Creation & Scaling”, Roz Roseboro, Mellanox Technologies. 2016, Available:
https://www.mellanox.com/related-docs/whitepapers/wp-heavyreading-nfv-architecture-for-agile-service.pdf
[3]
“The application of cloud native design principles to network functions virtualization”, Martin Taylor, Metaswitch Networks, 2017, Available:
http://www.metaswitch.com/resources/the-application-of-cloud-native-design-principles-to-network-functions-virtualization
[4]
D. Namiot and M. Sneps-Sneppe, “On micro-services architecture,”
International Journal of Open Information Technologies, vol. 2, no. 9, 2014
[5]
De Iasio and al. “A framework for microservices synchronization”. In: Software: Practice and Experience 51.1 (2021), pp. 25–45
[ 6]
Luca Florio and Elisabetta Di Nitto. “Gru: An Approach to Introduce Decentralized Autonomic Behavior in Microservices Architectures”. In: 2016 IEEE International Conference on Autonomic Computing (ICAC). 2016, pp. 357–362
[7]
P. Agarwal and J. Lakshmi, "Sizing and Coordinated Scaling of Microservices," 2020 IEEE International Conference on Cloud Computing in Emerging Markets (CCEM), 2020, pp. 1-8
[8]
Hugo Bruneliere, Zakarea Al-Shara, Frederico Alvares, Jonathan Lejeune, and Thomas Ledoux. “A Model-based Architecture for Autonomic and Heterogeneous Cloud Systems”. In: CLOSER 2018 -8h International Conference on Cloud Computing and Services Science. Vol. 1. Best Paper Award. Funchal, Portugal, Mar. 2018, pp. 201–212.
[9]
Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. Second. The MIT Press, 2018.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.