Mobile cloud computing was a promising paradigm to achieve gigabit access in the new-generation wireless networks by offloading the computation tasks of mobile devices to a central cloud data center. However, bandwidth congestion at the core network is an inherent limitation in terms of communication delays and energy consumption. Multi-access edge computing (MEC) was initially proposed to overcome the limitation of mobile cloud computing. It moves the cloud computing data center down into the access network to better meet the requirements of pervasive applications as the set of constraints in terms of quality of service can go beyond basic low-latency, high bandwidth and real-time access to radio-network information. However, colocating application servers, cellular core network and radio-access network sub-components at MEC hosts makes the resource assignment task a very important challenge to tackle as it has direct impact on network operations cost and end-to-end infrastructure reliability. This thesis investigates a set of robust resource scheduling solutions in the context of MEC. More precisely, we address different techniques to assign the available resources on a MEC host to a given task. We focus on the optimization of the resource orchestration decisions at both the infrastructure and the application levels. First, we address the base station to MEC hosts assignment orchestration decision while taking into account a data-driven assignment objective against traffic fluctuation.
Then, we go beyond MEC infrastructure management by proposing an In-network control scheme for efficiently placing MEC applications under stringent time constraints where a federated learning-based anomaly detection is considered.
L'informatique mobile combinée avec le cloud computing (ou le mobile cloud computing) consiste à décharger les tâches de calcul des appareils mobiles vers un centre de données central. Ce paradigme était prometteur pour obtenir des accès en gigabits dans les réseaux mobiles de nouvelle génération. Toutefois, la congestion de la bande passante au niveau du réseau cœur constitue une limitation inhérente en termes de temps de latence et de consommation d'énergie. L'informatique de périphérie connue aussi sous le nom du edge computing multi-accès ou MEC a été initialement proposée pour surmonter les limites du mobile cloud computing. Elle permet de déplacer les capacités de calcul des centres de données centralisées vers le réseau d'accès afin de mieux répondre aux exigences des applications omniprésentes, nécessitant des contraintes de qualité de service qui peuvent aller au-delà d'une faible latence ou d'une large bande passante. Toutefois, la colocalisation des serveurs d'application, du réseau cœur et des sous-composants du réseau d'accès radio dans les serveurs de périphérie rend l'allocation de ressources un défi très important à relever vu son impact direct sur le coût d'exploitation du réseau et sur la fiabilité de bout en bout de l'infrastructure.
Cette thèse étudie les solutions robustes d'allocation des ressources dans le contexte du edge computing multi-accès. Plus précisément, nous abordons différentes techniques pour affecter les ressources disponibles sur un ensemble d'hôtes MEC à une tâche donnée. Nous nous concentrons sur l'optimisation des décisions d'orchestration des ressources au niveau infrastructure et niveau applicatif. Tout d'abord, nous abordons le défi de l'orchestration de l'affectation des stations de base aux hôtes MEC, tout en tenant compte d'un objectif d'affectation basé sur les données contre la fluctuation du trafic généré par les utilisateurs mobiles. Ensuite, nous allons au-delà de la gestion de l'infrastructure MEC en proposant un schéma de contrôle en réseau pour placer efficacement des applications MEC sous des contraintes temporelles très strictes. Plus précisément, un système de détection d'anomalies basé sur l'apprentissage fédéré est utilisé.