Résumé:
Cette thèse a pour but de proposer une méthodologie permettant de prévoir les performances des systèmes autonomiques.
L'idée est de comparer différentes approches d'auto-adaptabilité, et d'identifier la configuration la plus adéquate
et optimisée pour le système cible. Cette méthodologie est basée sur un nouveau langage de description d'architecture
et une approche de modélisation et d'analyse de performances basée sur les réseaux de Petri stochastiques.
Nous illustrons notre méthodologie à travers trois principaux exemples d'illustration. Un premier portant sur les applications
multi-tiers, un second sur l'auto-dimensionnement des machines virtuelles, et le troisième se concentrant sur les
applications Cloud modernes à bases de microservices et exécutées sur un cluster de conteneurs. Enfin l'efficacité de
notre approche est étudiée à travers un ensemble de résultats expérimentaux.
