Université de Rennes Scalable data stream processing in heterogenous environments Scalabilité du traitement des flux de données dans des environnements hétérogènes traitement de fluxsystèmes distribuéshétérogénéitéedge-cloud continuum stream processingdistributed systemsheterogeneityedge-cloud continuum Traitement réparti Internet des objets Informatique géodistribuée Scalabilité (informatique) Le traitement de flux de données (DSP) dans le continuum edge-cloud hétérogène présente des défis majeurs. L'explosion des applications IoT génère des volumes de données sans précédent nécessitant un traitement en quasi-temps réel. Le continuum edge-cloud étend les infrastructures cloud traditionnelles en intégrant des nœuds de calcul de capacités diverses, introduisant une hétérogénéité réseau et de calcul. Les systèmes DSP comme Apache Flink rencontrent des obstacles spécifiques : déséquilibres de flux, variabilité des performances, et complexité du placement d'opérateurs. Nous analysons l'impact de l'hétérogénéité réseau et de calcul sur les performances DSP, et présentons un environnement d'évaluation pour systèmes DSP hétérogènes. Ces contributions visent à améliorer la compréhension des dynamiques complexes et fournir les bases pour exploiter efficacement le traitement géo-distribué. Data Stream Processing (DSP) in the heterogeneous edge-cloud continuum presents major challenges. The explosion of IoT applications generates unprecedented data volumes requiring near real-time processing. The edge-cloud continuum extends traditional cloud infrastructures by integrating computing nodes of diverse capacities, introducing network and compute heterogeneity. DSP systems such as Apache Flink encounter specific obstacles: flow imbalances, performance variability, and operator placement complexity. We analyze the impact of network and compute heterogeneity on DSP performance, and present an evaluation environment for heterogeneous DSP systems. These contributions aim to improve understanding of complex dynamics and provide foundations for effectively exploiting geo-distributed processing. Electronic Thesis or DissertationText en application/pdf1 : 8087 Kohttps://ged.univ-rennes1.fr/nuxeo/site/esupversions/7d6b4932-8b30-4cb0-b1da-1a8450d39a36 Arsalane Khaled 1995-10-14 XX 297454552 contact@khaled.ovh 2025URENS105 http://www.theses.fr/2025URENS105 2025-12-15 Informatique Université de Rennesthesis.degree.grantor_1 26693823X Doctorat non ouiPierreGuillaumeintervenant_119705613XQuinsonMartinintervenant_2104545046SailhanFrançoiseintervenant_5094213860HuetFabriceintervenant_3076390829PerezChristianintervenant_4094180962 MATISSEecoleDoctorale_1 267602553 IRISA partenaireRecherche_1 026386909 ddc:004 PierreGuillaumeQuinsonMartinHuetFabricePerezChristianSailhanFrançoiseUniversité de RennesMATISSE IRISA ASCII PDF 8280888