Problématique

Durant ces quatre dernières années, nos activités de recherche ont été centrées, principalement, sur la conception et le développement de méthodes d’optimisation de requêtes décisionnelles en environnements parallèle et réparti à grande échelle. Les requêtes font références à des sources de données hétérogènes, et distribuées à grande échelle.

L’hétérogénéité des structures de données, des sources de données et des moteurs d’exécution (SGBD, SGF...) est abstraite au moyen d’une architecture de type Médiateur-Adaptateurs. Dans un contexte à grande échelle, les performances, en termes de temps de réponse, d’un plan d’exécution engendré par un optimiseur classique peuvent être mauvaises à cause :

• de la centralisation des décisions prises par l’optimiseur,
• de l’imprécision des estimations,
• et de l’indisponibilité des ressources (i.e. données, mémoire, CPU, et bande passante réseau).

Les problèmes d’optimisation dus aux imprécisions des estimations et à l’indisponibilité de données ont été étudiés en environnements parallèle et réparti, en considérant uniquement les modèles d’exécution distribuée classiques (e.g. échange de messages, appel de procédure distante).

De plus, nous pouvons constater que toutes les méthodes d’optimisation dynamique de requêtes proposées à ce jour sont centralisées. Ainsi, quel que soit l’environnement (centralisé, parallèle ou réparti) les méthodes d’optimisation dynamique sont supervisées par un processus maître qui contrôle tous les processus participant à l’optimisation et/ou à la réoptimisation dynamique pour effectuer toutes les adaptations nécessaires. Les processus réalisant les opérations en cours d’exécution ou en attente de libération de ressources sont donc entièrement contrôlés par l’optimiseur qui présente alors un goulet d’étranglement. Il engendre, en plus, un échange de messages relativement important sur un réseau à faible débit et à forte latence.

Il devient donc opportun de rendre autonome et auto-adaptable l’exécution des requêtes sur un réseau à grande échelle. Dans cette perspective, une approche à explorer consiste à s’appuyer sur le modèle de programmation à base d’agents mobiles. L’équipe s’intéresse à l’apport des agents mobiles à l’optimisation de requêtes réparties à grande échelle. Plus précisément, les activités de recherche de l’équipe (sur les quatre dernières années) sont centrées sur les problématiques suivantes :

• Réoptimisation dynamique de requêtes parallèles et allocation incrémentale dynamique de la mémoire ;
• Conception d’un modèle d’exécution pour l’évaluation et l’optimisation de requêtes réparties à base d’agents mobiles (mobilité logicielle) ;
• Optimisation de requêtes mobiles dépendant de la localisation.

 Revenir à la rubrique Equipe PYRAMIDE