Post-Doctorat à Orange Labs
Application du concept de 'Computational Storage' à l'internet des objets (IoT)
Un objectif clé de l'Internet des objets (IoT) consiste à transformer les masses de données générées par les objets connectés en connaissances et services utiles pour les utilisateurs. Cependant, la gestion de gros volumes de données densément distribuées à l'échelle de l'IoT, nécessite la mise en place de nouvelles infrastructures et solutions qui permettent de traiter et stocker efficacement les données.
%Les données sont traditionellement traitées et stockées dans des infrastructures centralisés de \textit{Cloud Computing}. Pendant que les données sont transférées au \textit{Cloud}, la réaction à un évènement critique pourrait être trop tardive. Pour résoudre ce problème et permettre un traitement prompt des données, il faut faire ces calculs à proximité du lieu où les données sont collectées.
Dans ce contexte, où la taille des données à manipuler est considérable, il est important de déplacer et exécuter les calculs à côté des données (au lieu de transférer de gros volumes de données sur le réseau). C'est dans ce cadre que s'inscrive l'application du concept de \textit{Computational Storage} pour l'IoT. Ce concept permet d'initialiser le traitement et le stockage des données au plus près des objets connectés, permettant ainsi de réduire le trafic réseau et améliorer la sécurité et la confidentialité des données.
Cette réflexion s'inscrit en ligne droite avec le paradigme de \textit{Fog Computing} qui permet d'étendre le \textit{Cloud Computing} jusqu'à la bordure du réseau. Le Fog Computing fournit une infrastructure de calcul et de stockage largement répartie, représentant ainsi un support idéal pour appliquer le concept de Computational Storage dans le contexte de l'IoT.
Dans ce contexte, j'ai mis en place une plateforme intergicielle de Computational Storage appelé Prostor, qui fournit: (i) un modèle de programmation pour les applications IoT traitant des flux de données, et (ii) un environnement d'exécution pour ces applications. Prostor permet de traiter des flux de données dynamiques (\textit{fast data}) sur des échelles de temps courtes, en se basant sur des architectures de type \textit{Fog Computing}. Prostor permet en outre la distribution à large échelle des applications IoT sur une infrastructure de type Fog computing au plus près des objets connectés, tout en optimisant les flux de données de ces applications.
Dans ce contexte, où la taille des données à manipuler est considérable, il est important de déplacer et exécuter les calculs à côté des données (au lieu de transférer de gros volumes de données sur le réseau). C'est dans ce cadre que s'inscrive l'application du concept de Computational Storage pour l'IoT. Ce concept permet d'initialiser le traitement et le stockage des données au plus près des objets connectés, permettant ainsi de réduire le trafic réseau et améliorer la sécurité et la confidentialité des données.
Cette réflexion s'inscrit en ligne droite avec le paradigme de Fog Computing qui permet d'étendre le Cloud Computing jusqu'à la bordure du réseau. Le Fog Computing fournit une infrastructure de calcul et de stockage largement répartie, représentant ainsi un support idéal pour appliquer le concept de Computational Storage dans le contexte de l'IoT.
Dans ce contexte, j'ai mis en place une plateforme intergicielle de Computational Storage appelé Prostor, qui fournit: (i) un modèle de programmation pour les applications IoT traitant des flux de données, et (ii) un environnement d'exécution pour ces applications. Prostor permet de traiter des flux de données dynamiques (fast data) sur des échelles de temps courtes, en se basant sur des architectures de type Fog Computing. Prostor permet en outre la distribution à large échelle des applications IoT sur une infrastructure de type Fog computing au plus près des objets connectés, tout en optimisant les flux de données de ces applications.