Use of Internet Embedding Tools for Heterogeneous Resources Aggregation

Abstract

Dans cet article nous nous intéressons aux plateformes de grande échelle comme BOINC, qui consistent en un ensemble de ressources hétérogènes qui utilisent Internet comme réseau de communications. Dans ce contexte, nous étudions un problème d'agrégation de ressources dans lequel l'objectif est de construire des groupes de noeuds de telle sorte que chaque groupe ait une capacité totale supérieure à une certaine valeur, et tels qu'au sein d'un même groupe, deux noeuds ne soient pas trop éloignés l'un de l'autre. Dans ce contexte, la distance entre deux participants correspond à la latence d'une communication entre eux. Notre objectif est de fournir des algorithmes assurant des facteurs d'approximations prouvés. Dans de telles plateformes, il n'est pas réaliste de supposer connaître l'intégralité de la matrice des latences (qui donne, pour chaque paire de noeud, la latence les séparant). Il est nécessaire d'avoir recours à des outils de plongements comme Vivaldi ou Sequoia. Ces outils permettent de travailler sur des espaces métriques spécifiques bien décrits, dans lesquels la distance entre deux points peut être obtenue directement à partir d'une petite quantité d'informations disponible à chaque noeud. Nous présentons le problème de Bin Covering avec Contrainte de Distance (BCCD), et proposons pour ce problème des algorithmes dédiés à chacun des espaces métriques induits par chacun des outils de plongement que nous étudions. Ensuite nous proposons une comparaison de ces algorithmes en nous appuyant sur des mesures de latences réelles, qui nous permet de décider quel couple algorithme/outil de plongement offre en pratique, sur des jeux de données réalistes, le meilleur équilibre entre prédictions de distance et facteur d'approximation pour ce problème d'agrégation de ressources.