优化云资源利用：异构资源与SLA保障研究

"这篇博士学位论文主要探讨了如何利用云环境中未使用的异构资源来支持具有服务水平协议（SLA）保证的应用程序。研究由IRISA（UMR6074）计算机科学和随机系统研究所的成员让-埃米尔·达图瓦完成，并在2020年9月4日于雷恩的大学进行了答辩。论文涉及了多个相关领域，包括数学、信息技术和通信科学。评审团由阿德里安·莱布雷教授等专家组成，指导老师为奥利维尔·巴拉斯和贾利勒·布霍布扎教授。 论文中提到了多个研究成果，包括： 1. 提出了一种使用机器学习算法来预测和建模基于容器的虚拟化系统的存储输入/输出（I/O）性能的方法，这有助于优化资源分配，确保SLA的满足（Dartois等人，2018年）。 2. 探讨了如何通过分位数矩阵来回收未使用的云资源，同时维持SLA，这是通过2018年的IEEE云计算技术与科学国际会议（CloudCom）发表的成果（Dartois等人，2018年）。 3. 引入了一个名为"Cuckoo"的框架，该框架旨在机会性地映射短暂和异构的云资源，以提高资源利用率（Dartois等人，2019年）。 4. 研究了如何在不可信的云环境中通过跟踪应用程序的指纹来检测潜在的攻击，此研究在2019年的IEEE第27届计算机和电信系统建模、分析和仿真国际研讨会（MASCOTS）上发布（Dartois等人，2019年）。 5. 提出了一种方法，能够在满足SLA的同时，利用云中的未使用资源为大数据应用程序提供支持，这也是在MASCOTS 2019会议上发表的（Dartois等人，2019年）。 6. 最后，还介绍了一个名为"Salamander"的作业整体规划系统，该系统设计用于短暂的云资源上，以优化资源管理和调度（Handaoui等人，2020年）。 这些研究揭示了在云环境中有效管理和利用未使用资源的重要性，以提高服务质量和效率，同时确保SLA的承诺得以兑现。通过机器学习、矩阵理论和创新的映射策略，作者为解决云资源管理和优化问题提供了新的视角和解决方案。"