Thèse : Isolation des performances dans les centres de données cloud multi-locataires : une approche hybride basée sur la confiance

Résumé

Les infrastructures cloud modernes reposent sur le partage de ressources réseau
entre de multiples clients indépendants, appelés tenants. Les fournisseurs de
services s'engagent contractuellement à garantir à chaque tenant une allocation
de bande passante définie par un accord de niveau de service (SLA). Or, le
protocole de transport dominant dans ces environnements ,TCP, ignore ces
contrats: il répartit la bande passante proportionnellement au nombre de flux
ouverts, et non aux allocations contractuelles. Un tenant qui ouvre davantage de
connexions capture mécaniquement une part plus importante de la capacité réseau,
au détriment de ses voisins. Ce phénomène, connu sous le nom de problème du
voisin bruyant, peut entraîner des dégradations de performance significatives
dans des environnements de production.

Cette thèse adresse le problème à sa racine, au niveau du goulot
d'étranglement réseau, à travers trois contributions. La première consiste à
dériver des modèles fluidiques par tenant pour les deux variantes TCP communes
dans les datacenters modernes - NewReno et CUBIC - directement à partir de
leurs spécifications RFC, en étendant le cadre classique de Hollot-Misra au
contexte multi-tenant et en caractérisant mathématiquement le couplage entre
les dynamiques des tenants via la file partagée. La deuxième contribution
présente TAQM (Tenant-Aware Active Queue Management), une architecture qui
résout ce couplage en séparant le trafic de chaque tenant dans des files
indépendantes avec un ordonnancement pondéré équitable, puis synthétise un
régulateur quadratique linéaire par tenant à partir des modèles dérivés -
avec une analyse mathématique de découplage. La troisième contribution introduit
un mécanisme adaptatif basé sur la confiance qui observe en ligne la
prédictibilité du trafic de chaque tenant et ajuste automatiquement les matrices
de coût du régulateur, supprimant ainsi toute configuration manuelle de
paramètres et rendant le système entièrement autonome. En intégrant la théorie
du contrôle avec une adaptation basée sur la confiance, ces travaux permettent
une gestion autonome et tenant-aware des ressources réseau dans les datacenters
multi-tenants, offrant des garanties mathématiques de stabilité et des
améliorations de performance empiriques qui représente une avancée significative vers une
infrastructure datacenter auto-gérée.

Abstract

Modern cloud infrastructures rely on sharing network resources among multiple
independent clients, called tenants. Service providers contractually commit to
guaranteeing each tenant a bandwidth allocation defined by a service level
agreement (SLA). However, the dominant transport protocol in these environments
,which is TCP, ignores these contracts: it distributes bandwidth proportionally to
the number of open flows, not to contractual allocations. A tenant that opens
more connections mechanically captures a larger share of network capacity at the
expense of its neighbors. This phenomenon, known as the noisy neighbor problem,
can cause significant performance degradation in production environments.

This thesis addresses the problem at its root, at the network bottleneck,
through three contributions. The first derives per-tenant fluid-flow models for
the two common TCP variants in modern datacenters - NewReno and CUBIC -
directly from their RFC specifications, extending the classical Hollot-Misra
framework to the multi-tenant setting and mathematically characterizing the
coupling between tenant dynamics through the shared queue. The second
contribution presents TAQM (Tenant-Aware Active Queue Management), an
architecture that resolves this coupling by separating each tenant's traffic
into independent queues with weighted fair scheduling, then synthesizes a
per-tenant Linear Quadratic Regulator from the derived models - with
mathematical decoupling analysis. The third contribution introduces a
trust-based adaptive mechanism that monitors each tenant's traffic
predictability online and automatically adjusts the regulator cost matrices,
removing the need for any manual parameter configuration and making the system
fully autonomous. By integrating control theory with confidence-based
adaptation, this work achieves autonomous, tenant-aware network resource
management in multi-tenant datacenters, providing mathematical stability
guarantees and empirical performance improvements which represents a meaningful step toward self-managing datacenter infrastructure.