skip to content
Evaluation de précision et vitesse de simulation pour des systèmes de calcul distribué à large échelle Preview this item
ClosePreview this item
Checking...

Evaluation de précision et vitesse de simulation pour des systèmes de calcul distribué à large échelle

Author: Pedro Antonio Madeira de Campos VelhoJean-François MéhautArnaud Legrand, Informaticien).Frédéric DesprezUniversité de Grenoble (2009-2014).All authors
Publisher: 2011.
Dissertation: Thèse de doctorat : Informatique : Grenoble : 2011.
Edition/Format:   Computer file : Document : Thesis/dissertation : French
Summary:
De nos jours, la grande puissance de calcul et l'importante capacité de stockage fournie par les systèmes de calcul distribué à large échelle sont exploitées par des applications dont les besoins grandissent continuellement. Les plates-formes de ces systèmes sont composées d'un ensemble de ressources reliées entre elles par une infrastructure de communication. Dans ce type de système, comme dans n'importe
Rating:

(not yet rated) 0 with reviews - Be the first.

Subjects
More like this

Find a copy online

Links to this item

Find a copy in the library

&AllPage.SpinnerRetrieving; Finding libraries that hold this item...

Details

Genre/Form: Thèses et écrits académiques
Material Type: Document, Thesis/dissertation, Internet resource
Document Type: Internet Resource, Computer File
All Authors / Contributors: Pedro Antonio Madeira de Campos Velho; Jean-François Méhaut; Arnaud Legrand, Informaticien).; Frédéric Desprez; Université de Grenoble (2009-2014).; École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble).; Laboratoire d'informatique de Grenoble.
OCLC Number: 800914047
Notes: Titre provenant de l'écran-titre.
Description: 1 online resource
Responsibility: Pedro Antonio Madeira de Campos Velho ; sous la direction de Jean-François Méhaut et de Arnaud Legrand.

Abstract:

De nos jours, la grande puissance de calcul et l'importante capacité de stockage fournie par les systèmes de calcul distribué à large échelle sont exploitées par des applications dont les besoins grandissent continuellement. Les plates-formes de ces systèmes sont composées d'un ensemble de ressources reliées entre elles par une infrastructure de communication. Dans ce type de système, comme dans n'importe quel environnement de calcul, il est courant que des solutions innovantes soient étudiées. Leur adoption nécessite une phase d'expérimentation pour que l'on puisse les valider et les comparer aux solutions existantes ou en développement. Néanmoins, de par leur nature distribuée, l'exécution d'expériences dans ces environnements est difficile et coûteuse. Dans ces systèmes, l'ordre d'exécution dépend de l'ordre des événements, lequel peut changer d'une exécution à l'autre. L'absence de reproductibilité des expériences rend complexe la conception, le développement et la validation de nouvelles solutions. De plus, les ressources peu- vent changer d'état ou intégrer le système dynamiquement ; les architectures sont partagées et les interférences entre applications, ou même entre processus d'une même application, peuvent affecter le comportement général du système. Enfin, le temps d'exécution d'application à large échelle sur ces sys- tèmes est souvent long, ce qui empêche en général l'exploration exhaustive des valeurs des éventuels paramètres de cette application. Pour toutes ces raisons, les expérimentations dans ce domaine sont souvent basées sur la simulation. Diverses approches existent actuellement pour simuler le calcul dis- tribué à large-échelle. Parmi celles-ci, une grande partie est dédiée à des architectures particulières, comme les grappes de calcul, les grilles de calcul ou encore les plates-formes de calcul bénévole. Néan- moins, ces simulateurs adressent les mêmes problèmes : modéliser le réseau et gérer les ressources de calcul. De plus, leurs besoins sont les même quelle que soit l'architecture cible : la simulation doit être rapide et passer à l'échelle. Pour respecter ces exigences, la simulation de systèmes distribués à large échelle repose sur des techniques de modélisation pour approximer le comportement du système. Cependant, les estimations obtenues par ces modèles peuvent être fausses. Quand c'est le cas, faire confiance à des résultats obtenus par simulation peut amener à des conclusions aléatoires. En d'autres mots, il est nécessaire de connaître la précision des modèles que l'on utilise pour que les conclusions basées sur des résultats de simulation soient crédibles. Mais malgré l'importance de ce dernier point, il existe très rarement des études sur celui-ci. Durant cette thèse, nous nous sommes intéressés à la problématique de la précision des modèles pour les architectures de calcul distribué à large-échelle. Pour atteindre cet objectif, nous avons mené une évaluation de la précision des modèles existants ainsi que des nouveaux modèles conçus pendant cette thèse. Grâce à cette évaluation, nous avons proposé des améliorations pour atténuer les erreurs dues aux modèles en utilisant SimGrid comme cas d'étude. Nous avons aussi évalué les effets des ces améliorations en terme de passage à l'échelle et de vitesse d'exécution. Une contribution majeure de nos travaux est le développement de modèles plus intuitifs et meilleurs que l'existant, que ce soit en termes de précision, vitesse ou passage à l'échelle. Enfin, nous avons mis en lumière les principaux en- jeux de la modélisation des systèmes distribuées à large-échelle en montrant que le principal problème provient de la négligence de certains phénomènes importants.

Large-Scale Distributed Computing (LSDC) systems are in production today to solve problems that require huge amounts of computational power or storage. Such systems are composed by a set of computational resources sharing a communication infrastructure. In such systems, as in any computing environment, specialists need to conduct experiments to validate alternatives and compare solutions. However, due to the distributed nature of resources, performing experiments in LSDC environments is hard and costly. In such systems, the execution flow depends on the order of events which is likely to change from one execution to another. Consequently, it is hard to reproduce experiments hindering the development process. Moreover, resources are very likely to fail or go off-line. Yet, LSDC archi- tectures are shared and interference among different applications, or even among processes of the same application, affects the overall application behavior. Last, LSDC applications are time consuming, thus conducting many experiments, with several parameters is often unfeasible. Because of all these reasons, experiments in LSDC often rely on simulations. Today we find many simulation approaches for LSDC. Most of them objective specific architectures, such as cluster, grid or volunteer computing. Each simulator claims to be more adapted for a particular research purpose. Nevertheless, those simulators must address the same problems: modeling network and managing computing resources. Moreover, they must satisfy the same requirements providing: fast, accurate, scalable, and repeatable simulations. To match these requirements, LSDC simulation use models to approximate the system behavior, neglecting some aspects to focus on the desired phe- nomena. However, models may be wrong. When this is the case, trusting on models lead to random conclusions. In other words, we need to have evidence that the models are accurate to accept the con- clusions supported by simulated results. Although many simulators exist for LSDC, studies about their accuracy is rarely found. In this thesis, we are particularly interested in analyzing and proposing accurate models that respect the requirements of LSDC research. To follow our goal, we propose an accuracy evaluation study to verify common and new simulation models. Throughout this document, we propose model improvements to mitigate simulation error of LSDC simulation using SimGrid as case study. We also evaluate the effect of these improvements on scalability and speed. As a main contribution, we show that intuitive models have better accuracy, speed and scalability than other state-of-the art models. These better results are achieved by performing a thorough and systematic analysis of problematic situations. This analysis reveals that many small yet common phenomena had been neglected in previous models and had to be accounted for to design sound models.

Reviews

User-contributed reviews
Retrieving GoodReads reviews...
Retrieving DOGObooks reviews...

Tags

Be the first.
Confirm this request

You may have already requested this item. Please select Ok if you would like to proceed with this request anyway.

Linked Data


\n\n

Primary Entity<\/h3>\n
<http:\/\/www.worldcat.org\/oclc\/800914047<\/a>> # Evaluation de pr\u00E9cision et vitesse de simulation pour des syst\u00E8mes de calcul distribu\u00E9 \u00E0 large \u00E9chelle<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nbgn:Thesis<\/a>, schema:MediaObject<\/a>, schema:CreativeWork<\/a>, bgn:ComputerFile<\/a> ;\u00A0\u00A0\u00A0\nbgn:inSupportOf<\/a> \"Th\u00E8se de doctorat : Informatique : Grenoble : 2011.<\/span>\" ;\u00A0\u00A0\u00A0\nlibrary:oclcnum<\/a> \"800914047<\/span>\" ;\u00A0\u00A0\u00A0\nlibrary:placeOfPublication<\/a> <http:\/\/id.loc.gov\/vocabulary\/countries\/fr<\/a>> ;\u00A0\u00A0\u00A0\nschema:about<\/a> <http:\/\/dewey.info\/class\/004\/<\/a>> ;\u00A0\u00A0\u00A0\nschema:about<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/modeles_reseaux<\/a>> ; # Mod\u00E8les r\u00E9seaux<\/span>\n\u00A0\u00A0\u00A0\nschema:about<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/calcul_distribue<\/a>> ; # Calcul distribu\u00E9<\/span>\n\u00A0\u00A0\u00A0\nschema:about<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/simulation<\/a>> ; # Simulation<\/span>\n\u00A0\u00A0\u00A0\nschema:about<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/evaluation_de_performance<\/a>> ; # Evaluation de performance<\/span>\n\u00A0\u00A0\u00A0\nschema:author<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/madeira_de_campos_velho_pedro_antonio_1981<\/a>> ; # Pedro Antonio Madeira de Campos Velho<\/span>\n\u00A0\u00A0\u00A0\nschema:contributor<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/legrand_arnaud_1977_informaticien<\/a>> ; # Informaticien). Arnaud Legrand<\/span>\n\u00A0\u00A0\u00A0\nschema:contributor<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/mehaut_jean_francois_19<\/a>> ; # Jean-Fran\u00E7ois M\u00E9haut<\/span>\n\u00A0\u00A0\u00A0\nschema:contributor<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/desprez_frederic<\/a>> ; # Fr\u00E9d\u00E9ric Desprez<\/span>\n\u00A0\u00A0\u00A0\nschema:contributor<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Organization\/laboratoire_d_informatique_de_grenoble<\/a>> ; # Laboratoire d\'informatique de Grenoble.<\/span>\n\u00A0\u00A0\u00A0\nschema:contributor<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Organization\/universite_de_grenoble_2009_2014<\/a>> ; # Universit\u00E9 de Grenoble (2009-2014).<\/span>\n\u00A0\u00A0\u00A0\nschema:contributor<\/a> <http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Organization\/ecole_doctorale_mathematiques_sciences_et_technologies_de_l_information_informatique_grenoble<\/a>> ; # \u00C9cole doctorale math\u00E9matiques, sciences et technologies de l\'information, informatique (Grenoble).<\/span>\n\u00A0\u00A0\u00A0\nschema:datePublished<\/a> \"2011<\/span>\" ;\u00A0\u00A0\u00A0\nschema:description<\/a> \"De nos jours, la grande puissance de calcul et l\'importante capacit\u00E9 de stockage fournie par les syst\u00E8mes de calcul distribu\u00E9 \u00E0 large \u00E9chelle sont exploit\u00E9es par des applications dont les besoins grandissent continuellement. Les plates-formes de ces syst\u00E8mes sont compos\u00E9es d\'un ensemble de ressources reli\u00E9es entre elles par une infrastructure de communication. Dans ce type de syst\u00E8me, comme dans n\'importe quel environnement de calcul, il est courant que des solutions innovantes soient \u00E9tudi\u00E9es. Leur adoption n\u00E9cessite une phase d\'exp\u00E9rimentation pour que l\'on puisse les valider et les comparer aux solutions existantes ou en d\u00E9veloppement. N\u00E9anmoins, de par leur nature distribu\u00E9e, l\'ex\u00E9cution d\'exp\u00E9riences dans ces environnements est difficile et co\u00FBteuse. Dans ces syst\u00E8mes, l\'ordre d\'ex\u00E9cution d\u00E9pend de l\'ordre des \u00E9v\u00E9nements, lequel peut changer d\'une ex\u00E9cution \u00E0 l\'autre. L\'absence de reproductibilit\u00E9 des exp\u00E9riences rend complexe la conception, le d\u00E9veloppement et la validation de nouvelles solutions. De plus, les ressources peu- vent changer d\'\u00E9tat ou int\u00E9grer le syst\u00E8me dynamiquement ; les architectures sont partag\u00E9es et les interf\u00E9rences entre applications, ou m\u00EAme entre processus d\'une m\u00EAme application, peuvent affecter le comportement g\u00E9n\u00E9ral du syst\u00E8me. Enfin, le temps d\'ex\u00E9cution d\'application \u00E0 large \u00E9chelle sur ces sys- t\u00E8mes est souvent long, ce qui emp\u00EAche en g\u00E9n\u00E9ral l\'exploration exhaustive des valeurs des \u00E9ventuels param\u00E8tres de cette application. Pour toutes ces raisons, les exp\u00E9rimentations dans ce domaine sont souvent bas\u00E9es sur la simulation. Diverses approches existent actuellement pour simuler le calcul dis- tribu\u00E9 \u00E0 large-\u00E9chelle. Parmi celles-ci, une grande partie est d\u00E9di\u00E9e \u00E0 des architectures particuli\u00E8res, comme les grappes de calcul, les grilles de calcul ou encore les plates-formes de calcul b\u00E9n\u00E9vole. N\u00E9an- moins, ces simulateurs adressent les m\u00EAmes probl\u00E8mes : mod\u00E9liser le r\u00E9seau et g\u00E9rer les ressources de calcul. De plus, leurs besoins sont les m\u00EAme quelle que soit l\'architecture cible : la simulation doit \u00EAtre rapide et passer \u00E0 l\'\u00E9chelle. Pour respecter ces exigences, la simulation de syst\u00E8mes distribu\u00E9s \u00E0 large \u00E9chelle repose sur des techniques de mod\u00E9lisation pour approximer le comportement du syst\u00E8me. Cependant, les estimations obtenues par ces mod\u00E8les peuvent \u00EAtre fausses. Quand c\'est le cas, faire confiance \u00E0 des r\u00E9sultats obtenus par simulation peut amener \u00E0 des conclusions al\u00E9atoires. En d\'autres mots, il est n\u00E9cessaire de conna\u00EEtre la pr\u00E9cision des mod\u00E8les que l\'on utilise pour que les conclusions bas\u00E9es sur des r\u00E9sultats de simulation soient cr\u00E9dibles. Mais malgr\u00E9 l\'importance de ce dernier point, il existe tr\u00E8s rarement des \u00E9tudes sur celui-ci. Durant cette th\u00E8se, nous nous sommes int\u00E9ress\u00E9s \u00E0 la probl\u00E9matique de la pr\u00E9cision des mod\u00E8les pour les architectures de calcul distribu\u00E9 \u00E0 large-\u00E9chelle. Pour atteindre cet objectif, nous avons men\u00E9 une \u00E9valuation de la pr\u00E9cision des mod\u00E8les existants ainsi que des nouveaux mod\u00E8les con\u00E7us pendant cette th\u00E8se. Gr\u00E2ce \u00E0 cette \u00E9valuation, nous avons propos\u00E9 des am\u00E9liorations pour att\u00E9nuer les erreurs dues aux mod\u00E8les en utilisant SimGrid comme cas d\'\u00E9tude. Nous avons aussi \u00E9valu\u00E9 les effets des ces am\u00E9liorations en terme de passage \u00E0 l\'\u00E9chelle et de vitesse d\'ex\u00E9cution. Une contribution majeure de nos travaux est le d\u00E9veloppement de mod\u00E8les plus intuitifs et meilleurs que l\'existant, que ce soit en termes de pr\u00E9cision, vitesse ou passage \u00E0 l\'\u00E9chelle. Enfin, nous avons mis en lumi\u00E8re les principaux en- jeux de la mod\u00E9lisation des syst\u00E8mes distribu\u00E9es \u00E0 large-\u00E9chelle en montrant que le principal probl\u00E8me provient de la n\u00E9gligence de certains ph\u00E9nom\u00E8nes importants.<\/span>\"@fr<\/a> ;\u00A0\u00A0\u00A0\nschema:description<\/a> \"Large-Scale Distributed Computing (LSDC) systems are in production today to solve problems that require huge amounts of computational power or storage. Such systems are composed by a set of computational resources sharing a communication infrastructure. In such systems, as in any computing environment, specialists need to conduct experiments to validate alternatives and compare solutions. However, due to the distributed nature of resources, performing experiments in LSDC environments is hard and costly. In such systems, the execution flow depends on the order of events which is likely to change from one execution to another. Consequently, it is hard to reproduce experiments hindering the development process. Moreover, resources are very likely to fail or go off-line. Yet, LSDC archi- tectures are shared and interference among different applications, or even among processes of the same application, affects the overall application behavior. Last, LSDC applications are time consuming, thus conducting many experiments, with several parameters is often unfeasible. Because of all these reasons, experiments in LSDC often rely on simulations. Today we find many simulation approaches for LSDC. Most of them objective specific architectures, such as cluster, grid or volunteer computing. Each simulator claims to be more adapted for a particular research purpose. Nevertheless, those simulators must address the same problems: modeling network and managing computing resources. Moreover, they must satisfy the same requirements providing: fast, accurate, scalable, and repeatable simulations. To match these requirements, LSDC simulation use models to approximate the system behavior, neglecting some aspects to focus on the desired phe- nomena. However, models may be wrong. When this is the case, trusting on models lead to random conclusions. In other words, we need to have evidence that the models are accurate to accept the con- clusions supported by simulated results. Although many simulators exist for LSDC, studies about their accuracy is rarely found. In this thesis, we are particularly interested in analyzing and proposing accurate models that respect the requirements of LSDC research. To follow our goal, we propose an accuracy evaluation study to verify common and new simulation models. Throughout this document, we propose model improvements to mitigate simulation error of LSDC simulation using SimGrid as case study. We also evaluate the effect of these improvements on scalability and speed. As a main contribution, we show that intuitive models have better accuracy, speed and scalability than other state-of-the art models. These better results are achieved by performing a thorough and systematic analysis of problematic situations. This analysis reveals that many small yet common phenomena had been neglected in previous models and had to be accounted for to design sound models.<\/span>\"@fr<\/a> ;\u00A0\u00A0\u00A0\nschema:exampleOfWork<\/a> <http:\/\/worldcat.org\/entity\/work\/id\/1126561979<\/a>> ;\u00A0\u00A0\u00A0\nschema:genre<\/a> \"Th\u00E8ses et \u00E9crits acad\u00E9miques<\/span>\"@fr<\/a> ;\u00A0\u00A0\u00A0\nschema:inLanguage<\/a> \"fr<\/span>\" ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Evaluation de pr\u00E9cision et vitesse de simulation pour des syst\u00E8mes de calcul distribu\u00E9 \u00E0 large \u00E9chelle<\/span>\"@fr<\/a> ;\u00A0\u00A0\u00A0\nschema:productID<\/a> \"800914047<\/span>\" ;\u00A0\u00A0\u00A0\nschema:url<\/a> <https:\/\/tel.archives-ouvertes.fr\/tel-00625497<\/a>> ;\u00A0\u00A0\u00A0\nschema:url<\/a> <http:\/\/www.theses.fr\/2011GRENM027\/abes<\/a>> ;\u00A0\u00A0\u00A0\nschema:url<\/a> <http:\/\/www.theses.fr\/2011GRENM027\/document<\/a>> ;\u00A0\u00A0\u00A0\nwdrs:describedby<\/a> <http:\/\/www.worldcat.org\/title\/-\/oclc\/800914047<\/a>> ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n\n

Related Entities<\/h3>\n
<http:\/\/dewey.info\/class\/004\/<\/a>>\u00A0\u00A0\u00A0\u00A0a \nschema:Intangible<\/a> ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Organization\/ecole_doctorale_mathematiques_sciences_et_technologies_de_l_information_informatique_grenoble<\/a>> # \u00C9cole doctorale math\u00E9matiques, sciences et technologies de l\'information, informatique (Grenoble).<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Organization<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"\u00C9cole doctorale math\u00E9matiques, sciences et technologies de l\'information, informatique (Grenoble).<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Organization\/laboratoire_d_informatique_de_grenoble<\/a>> # Laboratoire d\'informatique de Grenoble.<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Organization<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Laboratoire d\'informatique de Grenoble.<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Organization\/universite_de_grenoble_2009_2014<\/a>> # Universit\u00E9 de Grenoble (2009-2014).<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Organization<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Universit\u00E9 de Grenoble (2009-2014).<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/desprez_frederic<\/a>> # Fr\u00E9d\u00E9ric Desprez<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Person<\/a> ;\u00A0\u00A0\u00A0\nschema:familyName<\/a> \"Desprez<\/span>\" ;\u00A0\u00A0\u00A0\nschema:givenName<\/a> \"Fr\u00E9d\u00E9ric<\/span>\" ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Fr\u00E9d\u00E9ric Desprez<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/legrand_arnaud_1977_informaticien<\/a>> # Informaticien). Arnaud Legrand<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Person<\/a> ;\u00A0\u00A0\u00A0\nschema:birthDate<\/a> \"1977<\/span>\" ;\u00A0\u00A0\u00A0\nschema:deathDate<\/a> \";<\/span>\" ;\u00A0\u00A0\u00A0\nschema:familyName<\/a> \"Legrand<\/span>\" ;\u00A0\u00A0\u00A0\nschema:givenName<\/a> \"Arnaud<\/span>\" ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Informaticien). Arnaud Legrand<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/madeira_de_campos_velho_pedro_antonio_1981<\/a>> # Pedro Antonio Madeira de Campos Velho<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Person<\/a> ;\u00A0\u00A0\u00A0\nschema:birthDate<\/a> \"1981<\/span>\" ;\u00A0\u00A0\u00A0\nschema:deathDate<\/a> \"\" ;\u00A0\u00A0\u00A0\nschema:familyName<\/a> \"Madeira de Campos Velho<\/span>\" ;\u00A0\u00A0\u00A0\nschema:givenName<\/a> \"Pedro Antonio<\/span>\" ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Pedro Antonio Madeira de Campos Velho<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Person\/mehaut_jean_francois_19<\/a>> # Jean-Fran\u00E7ois M\u00E9haut<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Person<\/a> ;\u00A0\u00A0\u00A0\nschema:birthDate<\/a> \"19..<\/span>\" ;\u00A0\u00A0\u00A0\nschema:deathDate<\/a> \"\" ;\u00A0\u00A0\u00A0\nschema:familyName<\/a> \"M\u00E9haut<\/span>\" ;\u00A0\u00A0\u00A0\nschema:givenName<\/a> \"Jean-Fran\u00E7ois<\/span>\" ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Jean-Fran\u00E7ois M\u00E9haut<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/calcul_distribue<\/a>> # Calcul distribu\u00E9<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Thing<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Calcul distribu\u00E9<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/evaluation_de_performance<\/a>> # Evaluation de performance<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Thing<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Evaluation de performance<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/modeles_reseaux<\/a>> # Mod\u00E8les r\u00E9seaux<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Thing<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Mod\u00E8les r\u00E9seaux<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/experiment.worldcat.org\/entity\/work\/data\/1126561979#Thing\/simulation<\/a>> # Simulation<\/span>\n\u00A0\u00A0\u00A0\u00A0a \nschema:Thing<\/a> ;\u00A0\u00A0\u00A0\nschema:name<\/a> \"Simulation<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/id.loc.gov\/vocabulary\/countries\/fr<\/a>>\u00A0\u00A0\u00A0\u00A0a \nschema:Place<\/a> ;\u00A0\u00A0\u00A0\ndcterms:identifier<\/a> \"fr<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/www.theses.fr\/2011GRENM027\/document<\/a>>\u00A0\u00A0\u00A0\nrdfs:comment<\/a> \"Acc\u00E8s au texte int\u00E9gral<\/span>\" ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n
<http:\/\/www.worldcat.org\/title\/-\/oclc\/800914047<\/a>>\u00A0\u00A0\u00A0\u00A0a \ngenont:InformationResource<\/a>, genont:ContentTypeGenericResource<\/a> ;\u00A0\u00A0\u00A0\nschema:about<\/a> <http:\/\/www.worldcat.org\/oclc\/800914047<\/a>> ; # Evaluation de pr\u00E9cision et vitesse de simulation pour des syst\u00E8mes de calcul distribu\u00E9 \u00E0 large \u00E9chelle<\/span>\n\u00A0\u00A0\u00A0\nschema:dateModified<\/a> \"2020-10-07<\/span>\" ;\u00A0\u00A0\u00A0\nvoid:inDataset<\/a> <http:\/\/purl.oclc.org\/dataset\/WorldCat<\/a>> ;\u00A0\u00A0\u00A0\u00A0.\n\n\n<\/div>\n\n

Content-negotiable representations<\/p>\n