Cette thèse étudie la gestion de ressources pour des services de calcul intensif à la demande sur une grappe de calcul partagée. L’objectif étant de définir des outils d’exploitation qui permettent d’allouer dynamiquement les ressources pour l’exécution des requêtes à la demande, de partager équitablement les ressources entre les différents services, tout en maximisant leur utilisation. Financé par le pôle de compétitivité Minalogic dans le cadre du projet Ciloe, ce travail s’adresse à des petites organisations de types PME ou PMI dont les budgets de fonctionnement ne permettent pas de supporter les charges d’une infrastructure de calcul dédiée.

La première partie présente un état de l’art sur la gestion de ressources dans les domaines de nuage de calcul et de calcul intensif. Puis, tirant partie de cette étude, nous avons défini et mis en oeuvre une architecture virtualisée pour faciliter l’exécution dynamique des requêtes en s’appuyant sur un gestionnaire de ressources spécifique que nous avons développé. Nous avons enfin proposé une stratégie et des algorithmes d’ordonnancement de tâches qui permettent de partager proportionnellement les ressources entre les services des différentes entreprises tout en maximisant l’utilisation. En effet, cette stratégie qui repose sur des techniques de bail de ressources introduit une flexibilité qui offre un compromis efficace entre équité et une meilleure utilisation de ressources. Pour évaluer notre travail, nos contributions concernant notamment la gestion dynamique de tâches et les algorithmes de partage de ressources ont été implémentées dans un prototype logiciel que nous avons développé. Basé sur des standards ouverts, ce prototype s’appuie sur des outils de virtualisation ouverts et performants tels que OpenNebula et Xen pour allouer et manipuler les machines virtuelles sur les noeuds de la grappe. Notre architecture a été évaluée à partir de ce prototype et diverses charges de travail qui ont été injectées sur une plateforme expérimentale en grandeur nature déployée dans Grid’5000. Les résultats montrent que ces différentes contributions satisfont les objectifs fixés tout en étant performantes et efficaces.