Un système pour rendre les centres de données plus efficaces

Darong Huang et David Atienza © Alex Widerski CC BY SA
Le système CloudProphet, en cours de développement au sein du Laboratoire des systèmes embarqués, vise à réduire l'empreinte carbone des centres de données en utilisant des ressources informatiques de manière plus efficace.
Les ressources des centres de données sont utilisées par les clients de manière non seulement imprévisible, mais aussi peu transparente, car le personnel des centres de données n'est pas autorisé à observer les processus utilisés par leurs clients. Pour remédier au problème de l'allocation efficace des ressources informatiques, ce qu’il faudrait serait une boule de cristal. La boule de cristal développée à l'EPFL s'appelle CloudProphet.
«Les entreprises comme Google et Amazon fournissent des machines virtuelles à leurs clients», explique David Atienza, directeur du Laboratoire des systèmes embarqués (ESL) de la Faculté des sciences et techniques de l’ingénieur. «Mais ces clients ne vous disent rien sur ce qu'ils font réellement, et nous n’avons pas le droit d’y jeter un coup d'œil. Il est donc difficile de prédire le comportement des applications — ce sont des boîtes noires».
En identifiant les processus applicatifs de l'extérieur et en basant la prédiction des performances uniquement sur les informations des compteurs matériels, CloudProphet apprend à anticiper les demandes de ressources d'une application. Les réseaux neuronaux se multiplient dans une forme d'apprentissage automatique, construisant une image des besoins prévus.
«Les centres de données disposent d'outils de diagnostic pour l'identification et la prédiction des performances des applications, mais ils ne peuvent prétendre qu'à un taux d'amélioration de 18%. Nous obtenons des résultats qui dépassent de plusieurs ordres de grandeur ce chiffre», explique Darong Huang, doctorant à l'ESL. «Nos résultats viennent d'être publiés dans la revue IEEE Transactions on Sustainable Computing. Nous espérons que CloudProphet ouvrira la voie à un système de gestion des ressources plus intelligent pour les centres de données modernes, réduisant ainsi leur empreinte carbone».
David Atienza explique que les doctorants et les boursiers postdoctoraux sont financés par l'industrie pour travailler sur ces projets, en assurant la maintenance des systèmes à distance.
«Les chefs de projet de l'industrie sont invités à donner des conseils sur les contraintes physiques et logistiques en place afin que nous nous rapprochions le plus possible d'une application réelle», explique-t-il.
Le nouveau centre de données de l'EPFL, le bâtiment CCT (Centrale de Chauffe par Thermopompe), propose une opportunité supplémentaire d'appliquer cette technologie au monde réel. En collaboration avec le Laboratoire des systèmes électriques distribués de Mario Paolone, le centre EcoCloud, et le Centre de l’Energie de l'EPFL, un cadre sera mis en place pour tester ces systèmes.
«Une fois que nous aurons déterminé dans quelle mesure l'empreinte carbone des données est réduite, nous pourrons déterminer si l'étape suivante consiste à octroyer une licence pour le logiciel ou à créer une entreprise dérivée», conclut David Atienza.
D. Huang, L. Costero, A. Pahlevan, M. Zapater and D. Atienza, "CloudProphet: A Machine Learning-Based Performance Prediction for Public Clouds," in IEEE Transactions on Sustainable Computing, doi: 10.1109/TSUSC.2024.3359325