Anthony NASSAR : "Optimisation de l'utilisation des ressources dans les systèmes informatiques distribués pour les applications automobiles"

Travaux de thèse d'Anthony NASSAR : "Optimisation de l'utilisation des ressources dans les systèmes informatiques distribués pour les applications automobiles"

Résumé : L'un des principaux défis de l'industrie automobile à l'ère du numérique est de fournir à ses clients un niveau fiable et omniprésent de services connectés. Les voitures intelligentes font leur entrée sur le marché depuisquelques années maintenant pour offrir aux conducteurs et aux passagers des trajets plus sûrs, plus confortables et plus divertissants. Tout cela en concevant, dans les coulisses, des systèmes informatiques performants tout en préservant l'utilisation des ressources. La performance d'une architecture Big Data dans l'industrie automobile repose sur le maintien de la tendance croissante des véhicules connectés et le maintien d'une qualité de service élevée. Le Cloud du Groupe PSA a un souci particulier d'assurer un service de traitement des données en temps réel pour tous les véhicules connectés de la marque : avec 200k véhicules connectés vendus chaque année, l'infrastructure est constamment remise en question. Par conséquent, cette thèse se concentre principalement sur l'optimisation de l'allocation des ressources tout en considérant les spécificités des applications de traitement en flux continu et en proposant une architecture de composants modulaire et affinée pour les scénarios automobiles. Premièrement, nous passons en revue un processus fondamental et essentiel dans Stream Processing Engines, un algorithme d'allocation de ressources. Le défi central du déploiement d'applications de streaming consiste à mapper le graphe opérateur, représentant la logique de l'application, aux ressources physiques disponibles pour améliorer ses performances. Nous avons ciblé ce problème en montrant que l'approche basée sur le parallélisme des données inhérent ne conduit pas nécessairement aux meilleures performances de tous les types d'applications. Deuxièmement, nous revisitons l'architecture Big Data et concevons une architecture de bout en bout qui répond aux exigences d'aujourd'hui des applications gourmandes en données. Nous faisons rapport de la plateforme Big Data de CV, notamment celle déployée par le Groupe PSA. En particulier, nous présentons des technologies et des produits open source utilisés dans différents composants de plate-forme pour collecter, stocker, traiter et, surtout, exploiter le Big Data et souligner pourquoi le système Hadoop n'est plus la solution de facto du Big Data. Nous terminons par un bilan détaillé de l'architecture tout en justifiant les choix effectués lors de la conception et de la mise en oeuvre.

Composition du jury : 

M.Ahmed MOSTEFAOUI, MCF Université Bourgogne - Franche-Comté, Directeur de thèse
M. Richard CHBEIR, Professeur,  Université de Pau et des Pays de l'Adour Rapporteur
Mme Salima BENBERNOU, Professeur Université Paris Descartes, Rapporteure
M. François DESSABLES,  Ingénieur Groupe PSA, Co-directeur de thèse
M. Christophe CERIN, Professeur, Institut Galilée - LIPN UMR CNRS 7030, UNIVERSITÉ SORBONNE PARIS NORD, Examinateur

Localisation : Amphithéâtre 3, IUT BELFORT-MONTBÉLIARD 9 avenue du Maréchal Juin 90016 BELFORT