Abstract:
Dans cette thèse, nous nous sommes intéressés à l'analyse mathématique des modèles de files d'attente pour l'évaluation des performances dans le Cloud Computing. Dans un premier temps, nous avons exploité le modèle de files d'attente M/G/c/k pour la modélisation analytique stochastique du Cloud Data Center. La résolution analytique de ce modèle reste, à ce jour, un problème ouvert et complexe, car une solution analytique exacte est difficile à obtenir. Ainsi, nous avons fourni de nouvelles formules approximatives pour calculer la matrice des probabilités de transition associée à sa chaîne de Markov induite. Dans un deuxième temps, nous avons étendu le modèle d'attente M/G/c/k en ajoutant le phénomène d'impatience afin de tenir compte de l'effet du comportement des clients impatients sur le revenu total des fournisseurs de service Cloud et nous nous sommes intéressés au problème de la configuration optimale pour maximiser leur profit. Dans un troisième temps, nous avons proposé le modèle d'attente MMPP/G/c/k pour la modélisation analytique stochastique du Cloud Data Center afin de tenir compte de la variation des taux d'arrivées des demandes de service Cloud dans le temps et nous nous sommes intéressés au problème de la configuration optimale pour maximiser le profit dans les Cloud Data Centers hétérogènes. Enfin, dans un quatrième temps, nous avons abordé la modélisation analytique du Cloud élastique.
