La popularité du service web soulève de nombreux problèmes liés à sa performance. L'utilisation de mécanismes " intelligents " dans le système permet de surmonter la difficulté liée aux méthodes plus traditionnelles pour prendre en compte toute la complexité engendrée par l'introduction des paramètres influents sur la qualité de service d'un serveur web. C'est dans ce contexte que se situent les présents travaux de thèse. Nous nous intéressons au problème de l'évaluation des performances d'un serveur web et du mécanisme d'accès au réseau local sans fil en mode infrastructure. Au lieu d'utiliser les méthodes traditionnelles pour modéliser leurs performances, nous proposons d'utiliser les capacités d'apprentissage et de généralisation des réseaux de neurones pour apprendre ces performances à partir des données obtenues des expérimentations et des simulations. D'abord, nous étudions les effets des différents paramètres influents d'un serveur Web sur ses métriques des performances. Les résultats obtenus permettent de donner des idées aux administrateurs système et réseau sur les façons d'ajuster les paramètres du serveur afin d'améliorer ses performances. Nous proposons aussi un modèle simple basé sur la file d'attente représentant l'architecture du serveur web (processeur, mémoire et disque) en utilisant la technique itérative basée sur les équations MVA (Mean Value Analysis). Ensuite, la thèse propose une nouvelle approche basée sur l'utilisation des réseaux de neurones pour modéliser les performances d'un serveur web en tenant compte ses paramètres d'optimisation. Ces modèles ont été ensuite implémentés sur un serveur web réel, Apache avec un système d'exploitation FreeBSD afin de mettre en place un mécanisme de contrôle de surcharge à boucle ouverte du serveur. Cette stratégie de contrôle permet d'éviter la surcharge du serveur. Un mécanisme de contrôle mixte basé sur la combinaison de deux contrôleurs, neuronal à boucle ouverte et à action proportionnelle intégrale, PI a été élaboré. Ces derniers permettent ensemble d'améliorer considérablement le mécanisme de contrôle d'admission du serveur Web. Enfin on s'est intéressé à la modélisation des performances du mécanisme d'accès au réseau sans fil en mode infrastructure. Les deux modèles, mathématique et neuronal servent à estimer le débit maximal observé sur chaque station sans fil en fonction de la taille de paquet, de la vitesse de transmission et du nombre de stations pour les protocoles UDP et TCP. Les résultats obtenus permettent à l'utilisateur de connaître la capacité d'une borne hot spots de son réseau sans fil.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00725472 |
| Date | 23 June 2009 |
| Creators | Rafamantanantsoa, Fontaine |
| Publisher | Université Blaise Pascal - Clermont-Ferrand II |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0337 seconds