Le domaine du calcul haute performance (HPC) vise à fournir aux scientifiques des systèmes capables de répondre aux exigences d'applications scientifiques complexes. Ces systèmes, les supercalculateurs, sont en constante évolution afin de relever de nouveaux défis et de répondre à de nouvelles exigences. Cependant, bien que la puissance de calcul de ces plateformes soit généralement le principal critère pour les définir, des infrastructures entières doivent passer à l'échelle pour atteindre les performances visées. En particulier, ces dernières années le volume de données traitées par le HPC a connu une augmentation drastique, et en retour, les exigences et les limites des systèmes de stockage à grande échelle ont pris une place centrale. Il est ainsi fondamental d'obtenir des connaissances suffisantes sur la manière dont les applications utilisent ces ressources et sur la manière de répondre à une large variété de cas d'utilisation afin d'obtenir de meilleures performances. Dans cette thèse, nous présentons une méthode pour acquérir de telles connaissances : permettre une meilleure simulation des systèmes de stockage complexes, afin de faciliter l'exploration rapide et en profondeur d'un large éventail de politiques de gestion, de choix de conception ou d'atténuation des goulots d'étranglement propres au HPC.
The field of High Performance Computing (HPC), aims to provide scientists with systems able to sustain the requirements of complex scientific applications. These systems, supercomputers, have been in constant evolution in order to overcome new challenges and requirements. However, while the computing power of such platforms is generally the leading metric to define them, entire infrastructures must scale along in order to achieve the targetted performances. In particular, the recent years have seen a drastic increase in the volume of data handled by HPC, and in turn, large scale storage systems requirements and limitations are becoming of particular interest. Obtaining sufficient knowledge on how the applications are using these resources and how to accommodate a variety of use-cases is fundamental to progress towards even better performances. In this work, we present one method for acquiring such knowledge: enabling better simulation of complex storage systems, in order to facilitate broad and fast exploration of a wide array of management policies, design choices or bottleneck mitigations.
SUTER Frédéric ; M ; Senior Research Scientist ; Oak Ridge National Laboratory, TN, États-Unis
BOITO Francieli ; F ; Maître de conférences ; Université de Bordeaux, INRIA Bordeaux
ACQUAVIVA Jean-Thomas ; M ; Team Lead Research Group ; DDN Storage Bologne, Italie
ANTONIU Gabriel; M; Directeur de recherche; Inria, Centre Inria de l’Université de Rennes
TESSIER François; M; chercheur (ISFP); Inria, Centre Inria de l’Université de Rennes