Markovian models resolution on distributed memory machines
Résolution des modèles markoviens sur machines à mémoires distribuées
Abstract
L'évaluation de performances est primordiale pour la conception et le développement des systèmes informatiques. Ces derniers sont de plus en plus complexes et leur modèle sont de plus en plus gros. Pour résoudre ces modèles sur un calculateur, nous sommes confrontes a deux problèmes: la capacité mémoire et la rapidité avec laquelle on résout ces modèles. L'avènement des calculateurs parallèles constitue une bonne opportunité pour résoudre ces deux problèmes. Dans cette thèse, nous allons mettre en service le parallélisme pour résoudre les problèmes de l'évaluation de performance. Dans le cadre du calcul parallèle, nous abordons un probleme essentiel qui est le cout des communications dans les machines a mémoires distribuées. Une autre composante importante en parallélisme est le placement des données. Nous verrons l'impact de différents placements de données pour effectuer le produit vecteur-matrice qui constitue la brique de base des méthodes numériques itératives pour résoudre les modèles. Nous proposons des schémas itératives pour résoudre les problèmes markoviens. D'autre part, nous avons développe une parallélisation du solveur de modèles issus des réseaux d'automates stochastiques. En résolvant des problèmes de placement de taches et en réduisant le cout des communications, cette parallélisation nous permet de traiter des modèles de l'ordre de plusieurs millions d'états en un temps de calcul raisonnable