Topic description
Cette thèse s'inscrit dans le cadre du projet ANR SOCLOUD, qui vise à étudier les possibilités de concevoir un data center sobre et ouvert, respectueux des limites planétaires et socialement équitable envers ses utilisateur·ices. L'objectif est d'aller au-delà des simples questions d'efficacité énergétique, dont les gains sont quasi-systématiquement gommés par les effets négatifs indirects de premier ordre ou d'ordre supérieur, tels que l'effet rebond.
Il s'agit d'imaginer des mécanismes d'allocation de ressources, présentant des garanties formelles sur des propriétés traduisant ou étendant le concept de «convivialité» (au sens d'Illich) au contexte des data centers: efficience, équité, résilience, explicabilité, robustesse, etc. Pour ce faire, de nombreuses techniques de conception et d'analyse issues de l'optimisation combinatoire et de la théorie algorithmique des jeux pourront être mobilisées ; on pourra par exemple s'inspirer des algorithmes d'approximation (étude de compétitivité, augmentation de ressources, analyse primale-duale, etc.), de l'optimisation stochastique ou robuste (objectif en moyenne, caractérisation de scénarios, optimisation du min-max regret, etc.), de l'optimisation multi-objectifs (recherche de l'ensemble Pareto-optimal) ou encore des mécanismes d'allocation équitable (recherche de solutions envy-free, étude du Price of Fairness, etc.).
Plus généralement, les contributions visées sont les suivantes:
- Concevoir des algorithmes de gestion de ressources satisfaisant des propriétés de convivialité, et identifier les classes d'algorithmes associées à chaque combinaison de propriétés vérifiées;
- Identifier et quantifier les compromis inévitables entre certaines paires de propriétés;
- Comparer des algorithmes simples avec des approches plus sophistiquées, mais potentiellement moins flexibles ou moins résilientes;
- Étudier comment intégrer la notion d'usage au sein de l'analyse algorithmique, dans le but de prévenir les externalités négatives et les effets rebond;
- Exploiter des indicateurs sur l'état de la plateforme afin d'enrichir la prise de décision et/ou la modélisation du comportement des utilisateur·ices.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
This thesis is part of the SOCLOUD ANR project, which aims to explore the possibilities for designing a sustainable and open data center that respects planetary boundaries and is socially equitable toward its users. The goal is to go beyond mere questions of energy efficiency, whose gains are almost always offset by indirect negative effects, such as the rebound effect.
The goal of this thesis is to design resource allocation mechanisms that provide formal guarantees regarding properties that translate or extend the concept of ''conviviality' (in Illich's sense) to the context of data centers: efficiency, fairness, resilience, explainability, robustness, etc. To achieve this, numerous design and analysis techniques from combinatorial optimization and algorithmic game theory can be employed; for example, we can draw inspiration from approximation algorithms (competitiveness analysis, resource augmentation, primal-dual analysis, etc.), stochastic or robust optimization (average-objective, scenario characterization, min-max regret optimization, etc.), multi-objective optimization (Pareto-optimal set), or fair allocation mechanisms (envy-free solutions, Price of Fairness, etc.).
More generally, the intended contributions are as follows:
- Design resource management algorithms that satisfy conviviality properties, and identify the classes of algorithms associated with each verified combination of properties.
- Identify and quantify the inevitable trade-offs between certain pairs of properties.
- Compare simple algorithms with more sophisticated approaches that may be less flexible or resilient.
- Study how to integrate the concept of usage into algorithmic analysis, with the aim of preventing negative externalities and rebound effects.
- Leverage platform health indicators to enhance decision-making and/or the modeling of user behavior.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
WEB :
Funding category
Other public funding
Funding further details
ANR Financement d'Agences de financement de la recherche
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.