| Version imprimable |
| Energy estimation of cloud-native applications (Estimation de la consommation d’énergie des applications cloud-native) | ||
Barret, Gaëtan - (2025-12-16) / Université de Rennes Energy estimation of cloud-native applications Langue : Anglais Directeur de thèse: Chillet, Daniel Laboratoire : INRIA-RENNES Ecole Doctorale : MATISSE Thématique : Informatique | ||
Mots-clés : Monitoring énergétique, Caches CPU, Transferts de données, Étude empirique, Puissance statique, Modélisation énergétique, Stress test personnalisé, Microprocesseurs multi-coeurs Résumé : Ce travail propose un cadre expérimental pour estimer la consommation énergétique des applications cloud-native. Nous montrons que la puissance statique des cœurs, dérivés des courants de fuites, peut atteindre 12% de la consommation d'énergie de l'intégralité de la puce et présentons une méthode en trois étapes pour l'estimer. Notre seconde contribution établit, via une méthode expérimentale, que fréquences Core/Uncore, volume de données et parallélisme dominent la consommation des caches, avec des modèles non linéaires atteignant R2 >= 95%, ouvrant la voie a une extension du capteur RAPL et a des stratégies d'optimisation énergétique. Résumé (anglais) : This thesis introduces an empirical framework for accurately estimating the energy footprint of cloud-native applications through two complementary studies. First, we demonstrate that static CPU power can account for up to 12% of package consumption and propose a three-step approach (data generation, offline thermal correction, static power estimation) that ensures transparency and reproductibility. Second, our custom memory-intensive stress test and correlation analysis pinpoint Core/Uncore frequencies, data volume, and parallelism degree as the main drivers of cache energy and power, enabling nonlinear regression models with R2 ≥95%. These insights lay the groundwork for an enhanced RAPL-like interface for cache monitoring and dynamic energy management strategies in cloud-native environments. Identifiant : rennes1-ori-wf-1-21925 | ||
| Exporter au format XML |