{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:2941"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:2941","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Caractérisation de la propagation des anomalies dans un environnement conteneurisé via une approche bayésienne adaptative","abstract":"Une architecture basée sur des conteneurs est une approche prometteuse pour la construction et le déploiement de systèmes distribués. L’expansion en matière de complexité de ces infrastructures a compliqué le processus de surveillance. En raison de la prolifération des objets et des mesures à suivre, la tâche de surveillance présente de sérieuses lacunes pour détecter une déviation de performance sur un seul conteneur et ses effets sur les autres conteneurs dépendants. Par conséquent, agir de manière prospective pendant la tâche de surveillance en prédisant l’état du système permet de contrôler les ressources du système et aide les outils d’orchestration à réagir de manière proactive en cas d’anomalies. En effet, la prédiction des anomalies est une option prometteuse pour aider à suivre le comportement anormal du système global. Ce travail étudie une approche d’apprentissage bayésienne adaptée, qui se base sur des mesures de suivi des niveaux d’utilisation des ressources pour détecter et prédire la propagation d’un comportement anormal dans une architecture distribué composée de noeuds dans lesquels différentes applications conteneurisées sont déployées. Notre évaluation montre un taux de précision de prédiction prometteur.","abstract_html":"Une architecture basée sur des conteneurs est une approche prometteuse pour la construction et le déploiement de systèmes distribués. L’expansion en matière de complexité de ces infrastructures a compliqué le processus de surveillance. En raison de la prolifération des objets et des mesures à suivre, la tâche de surveillance présente de sérieuses lacunes pour détecter une déviation de performance sur un seul conteneur et ses effets sur les autres conteneurs dépendants. Par conséquent, agir de manière prospective pendant la tâche de surveillance en prédisant l’état du système permet de contrôler les ressources du système et aide les outils d’orchestration à réagir de manière proactive en cas d’anomalies. En effet, la prédiction des anomalies est une option prometteuse pour aider à suivre le comportement anormal du système global. Ce travail étudie une approche d’apprentissage bayésienne adaptée, qui se base sur des mesures de suivi des niveaux d’utilisation des ressources pour détecter et prédire la propagation d’un comportement anormal dans une architecture distribué composée de noeuds dans lesquels différentes applications conteneurisées sont déployées. Notre évaluation montre un taux de précision de prédiction prometteur.","abstract_has_math":false,"creators":["Ben Dahsen, Soufiene"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2021,"date_issued":"2021-07-16","date_published":"2021-07-16","updated_at":"2026-11-18T22:09:14Z","subjects":["conteneur, cluster, apprentissage bayésien, prédiction d’anomalie"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE2941"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE2941","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/2941/1/BEN_DAHSEN_Soufiene.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A2941","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ben Dahsen, Soufiene"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2021-07-16"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["conteneur, cluster, apprentissage bayésien, prédiction d’anomalie"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE2941","https://espace.etsmtl.ca/id/eprint/2941/1/BEN_DAHSEN_Soufiene.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Une architecture basée sur des conteneurs est une approche prometteuse pour la construction et le déploiement de systèmes distribués. L’expansion en matière de complexité de ces infrastructures a compliqué le processus de surveillance. En raison de la prolifération des objets et des mesures à suivre, la tâche de surveillance présente de sérieuses lacunes pour détecter une déviation de performance sur un seul conteneur et ses effets sur les autres conteneurs dépendants. Par conséquent, agir de manière prospective pendant la tâche de surveillance en prédisant l’état du système permet de contrôler les ressources du système et aide les outils d’orchestration à réagir de manière proactive en cas d’anomalies. En effet, la prédiction des anomalies est une option prometteuse pour aider à suivre le comportement anormal du système global. Ce travail étudie une approche d’apprentissage bayésienne adaptée, qui se base sur des mesures de suivi des niveaux d’utilisation des ressources pour détecter et prédire la propagation d’un comportement anormal dans une architecture distribué composée de noeuds dans lesquels différentes applications conteneurisées sont déployées. Notre évaluation montre un taux de précision de prédiction prometteur."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Caractérisation de la propagation des anomalies dans un environnement conteneurisé via une approche bayésienne adaptative"]}]}],"canonical_facts":{"dc:creator":["Ben Dahsen, Soufiene"],"dc:date":["2021-07-16"],"dc:description":["Une architecture basée sur des conteneurs est une approche prometteuse pour la construction et le déploiement de systèmes distribués. L’expansion en matière de complexité de ces infrastructures a compliqué le processus de surveillance. En raison de la prolifération des objets et des mesures à suivre, la tâche de surveillance présente de sérieuses lacunes pour détecter une déviation de performance sur un seul conteneur et ses effets sur les autres conteneurs dépendants. Par conséquent, agir de manière prospective pendant la tâche de surveillance en prédisant l’état du système permet de contrôler les ressources du système et aide les outils d’orchestration à réagir de manière proactive en cas d’anomalies. En effet, la prédiction des anomalies est une option prometteuse pour aider à suivre le comportement anormal du système global. Ce travail étudie une approche d’apprentissage bayésienne adaptée, qui se base sur des mesures de suivi des niveaux d’utilisation des ressources pour détecter et prédire la propagation d’un comportement anormal dans une architecture distribué composée de noeuds dans lesquels différentes applications conteneurisées sont déployées. Notre évaluation montre un taux de précision de prédiction prometteur."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE2941","https://espace.etsmtl.ca/id/eprint/2941/1/BEN_DAHSEN_Soufiene.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["conteneur, cluster, apprentissage bayésien, prédiction d’anomalie"],"dc:title":["Caractérisation de la propagation des anomalies dans un environnement conteneurisé via une approche bayésienne adaptative"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:09:14Z"}