Thèse Analyse de Performances en Ligne pour la Collecte de Traces à Large Échelle d'Applications Hpc H/F Doctorat.Gouv.Fr
- Bordeaux - 33
- CDD
- Service public d'état
À noter sur ce job
Vous avez ces compétences ? Cliquez dessus pour les ajouter rapidement à votre profil !
Détail du poste
Établissement : Université de Bordeaux École doctorale : Mathématiques et Informatique Laboratoire de recherche : LaBRI - Laboratoire Bordelais de Recherche en Informatique Direction de la thèse : Brice GOGLIN ORCID 0000000286714615 Début de la thèse : 2026-11-01 Date limite de candidature : 2026-09-30T23:59:59 Les applications de calcul haute-performance (HPC) sont généralement exécutées sur des machines dédiées, dont la programmation de façon efficace peut être complexe (utilisation d'accélérateurs, mémoires hétérogènes, parallélisme, ...). Il est donc souvent nécessaire d'avoir recours à des techniques d'analyse de performances pour comprendre précisément comment se comporte l'exécution d'un programme et déceler les problèmes de performances. Une technique couramment utilisée est de sauvegarder au cours de l'exécution tous les évènements qui ont eu lieu dans une 'trace', pour analyser cette trace par la suite. Une difficulté supplémentaire est que les applications HPC sont pour la plupart distribuées, c'est-à-dire exécutées sur plusieurs noeuds, pour pouvoir agréger la puissance de calcul de ces différents noeuds. Les machines les plus puissantes aujourd'hui ('exascale') possèdent plusieurs milliers de noeuds. À cette échelle, le volume des traces produites pour une exécution peut devenir trop important pour pouvoir être exploité.
L'objectif de cette thèse est d'analyser pendant l'exécution le comportement des différents composants de l'application (application elle-même, support d'exécution, bibliothèque de communications, ...) afin de détecter au plus tôt des problèmes de performance et réduire la collecte de traces au minimum nécessaire pour analyser les problèmes. Cette approche nécessitera de trouver les techniques d'analyse statistique permettant de détecter des comportements anormaux en terme de performances. L'ensemble des métriques à surveiller n'est d'ailleurs pas fixé à l'heure actuelle : il faudra certainement définir de nouvelles métriques caractérisant les performances du système et corréler ces métriques entre elles pour éviter les faux-positifs. L'application de ces techniques à un environnement distribué demandera également une réflexion.
Le profil recherché
Publiée le 04/09/2026 - Réf : 8c397cf561d3d5f99cc2c7e374759bf9