Le framework Kubernetes est un système d'orchestration de conteneurs, open-source, bien connu et largement utilisé dans les contextes industriels et universitaires. Dans la littérature, plusieurs stratégies d'ordonnancement de conteneurs ont été proposées. Chacune d'entre elles utilise une approche spécifique pour sélectionner un nœud parmi ceux disponibles dans l'infrastructure du nuage. Le nœud sélectionné accueillera, donc, le conteneur nouvellement soumis. La majorité des stratégies d'ordonnancement des conteneurs proposées font cette sélection sur la base d'un critère unique, tel que le nombre de conteneurs en cours d'exécution ou la quantité de ressources disponibles dans l'infrastructure en nuage [1]. Cependant, l'ordonnancement basé sur un seul critère dégrade les performances car l’orchestrateur a une vision limitée de l'état de l'infrastructure du nuage et des besoins de l'utilisateur.

L’objectif de ce stage est de proposer une nouvelle stratégie d'ordonnancement de conteneurs pour Kubernetes, basée sur l’apprentissage par renforcement. L'objectif de cette nouvelle stratégie est d’optimiser le dimensionnement, l’ordonnancement et l’assignation de plusieurs conteneurs soumis en ligne par les utilisateurs, en tenant compte des contraintes de l'utilisateur en termes de temps de réponse, des objectifs du fournisseur de nuage en termes de réduction de consommation d'énergie et des dépendances qui peuvent exister entre certains conteneurs (ex : partage de données d’une même application).

Lors de ce stage l’étudiant va

·         Prendre en main le framework Kubernetes (installation de clusters de calcul orchestrés par kubernetes)

·         Faire un état de l’art des stratégies d’ordonnancement proposé pour Kubernetes

·         Proposer une nouvelle stratégie d’ordonnancement pour Kubernetes

Ce sujet de stage sera suivi d’une thèse de doctorat.

#StageList

Candidat à ce stage, vous êtes en dernière année de formation de deuxième cycle universitaire ou d’école d’ingénieur et disposez d’une bonne connaissance en machine learning, des connaissances en RL seraient un plus, et programmation Python. Des connaissances en calcul parallèle dans le cloud et techniques de containerisation seraient appréciables. Exigeant et investi, vous avez à cœur de proposer des solutions innovantes et de travailler dans un milieu à la pointe de la technologie qui vous permettra de répondre aux enjeux de demain. Le candidat devra être doté d’un bon relationnel et posséder la capacité de travailler en équipe et en autonomie.