Éléments de gestion des ressources de calcul dans les réseaux actifs hétérogènes

Active network technology envisions deployment of virtual execution environments within network elements, such as switches and routers, so that inhomogeneous processing can be applied to network traffic associated with services, flows, or even individual packets. To use such a technology safely and efficiently, individual nodes must have a meaningful understanding of the resource requirements for specifie network traffic. Well-accepted metrics exist for expressingbandwidth requirements (bits per second) and memory requirements (bytes) in units independent of the capabilities of particular nodes. Unfortunately, no well-accepted metric exists for meaningfully expressing processing (i.e., CPU time) requirements in a platform-independent form. Based on its execution trace, we model an active application as a set of scenario Each scenario has a probability of occurrence and is characterized by the set of node services calledby the packets of the application during their execution. Node performances are captured by specific benchmarks. The combination of these information allows anode to predict how many CPU time an active application will need to execute. We show that the node can then use this prediction to manage more efficiently its resources. We also propose model evolutions to validate the approach in more general contexts.Fruit des progrès réalisés dans plusieurs domaines de la science informatique ces dernières années, le concept de réseau actif est actuellement à l'étude pour permettre l'introduction de nouveaux services réseau de façon plus dynamique que dans les réseaux actuels. Il donne aux applications la possibilité de définir la pile de protocoles qu'elles souhaitent voir employée pour le traitement de leurs paquets aux noeuds du réseau. Dans ce nouveau contexte très variable, pour qu'un noeud puisse gérer intelligemment ses ressources en calcul il faut que les applications actives lui déclarent leurs besoins. Malheureusement, s'il existe des unités bien établies pour exprimer les besoins en mémoire (octet) ou en bande passante (bit/seconde) d'un programme, il n'existe pas d'unité pour exprimer les besoins en calcul (temps processeur) qui puisse se traduire sur les machines aux performances parfois très différentes composant un réseau actif.Dans l'hypothèse où les différents comportements possibles d'une application sont identifiés et peuvent être répétés dans une phase initiale de traçage, nous proposons de modéliser une application par une série de scénarios, où un scénario a une certaine probabilité d'occurrence et est caractérisé par une suite de services que les paquets de l'application demandent aux noeuds sur lesquels ils s'exécutent. Les performances des noeuds actifs sont évaluées par des benchmarks dédiés. La combinaison de ces deux informations permet à un noeud de prévoir a priori combien de temps CPU l'exécution d'une application active est susceptible de demander. Nous montrons que le noeud peut alors utiliser cette information pour réaliser une "gestion renseignée", plus efficace que la "gestion arbitraire" classique. Nous proposons également de faire évoluer les modèles afin que notre approche reste satisfaisante avec des hypothèses moins restrictives