Votre rôle
Votre rôleest d’effectuer un travail de thèse sur: «Apprentissage Supervisé de la Disponibilité pour un Jumeau Numérique des Infrastructures de Virtualisation»
Contexte global et problématique du sujet
L'hébergement d'applications sensibles aux interruptions sur des datacenters distribués, également connu sous le terme « edge computing », requiert la mise en place de schémas de protection multi-sites et une compréhension approfondie des risques de défaillance associés [1], [2]. De plus, le développement récent de Jumeaux Numériques [3] pour l'exploitation automatisée des réseaux d'infrastructure nécessite la création de modèles de réseau et l'implémentation d'une collecte automatisée d'informations afin de synchroniser l'état du jumeau numérique avec celui des éléments d'infrastructure. L'orchestration dynamique de conteneurs de virtualisation (Kubernetes) et les architectures de monitoring associées (Prometheus) ouvrent de nouvelles perspectives pour la collecte d'informations et l'adaptation automatique face à la dégradation potentielle des infrastructures [4], [5], [6].
Objectif scientifique
L’objectif de cette thèse est de modéliser la statistique de défaillance des éléments d’infrastructure et de développer un apprentissage supervisé de ses paramètres, dans le but de compresser les mesures effectuées par des sondes d’infrastructure pour un Jumeau Numérique.
Verrous à lever
1) Eviter la perte des courts évènements de défaillance lors de l’historisation par sous-échantillonnage
2) Agréger les statistiques d’évènements rares de défaillance d’un ensemble d’infrastructures en production
3) Construire un modèle de disponibilité permettant de générer des paramètres synthétiques (disponibilité, probabilité d’état)
4) Prototyper un exporter à intégrer dans une chaîne de mesure Prometheus.
Références
[1] I. Narayanan, Right-sizing Geo-distributed Data Centers for Availability and Latency, 2017
[2] K. Sayad, Interdependency-Aware Resource Allocation for High Availability of 5G-enabled Critical Infrastructures Services, 2022
[3] A. Thelen, A Comprehensive Review of Digital Twin - Part 1: Modeling and Twinning Enabling Technologies, 2022
[4] D. Tazzioli, Stateful Service Migration Support for Kubernetes-based Orchestration in Industry 4.0, 2024
[5] T. Trung Le, Hidden Markov Models for diagnostics and prognostics of systems under multiple deterioration modes, 2014
[6] A. Samir, Self-Adaptive Healing for Containerized Cluster Architectures with Hidden Markov Models, 2019
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.