Design Of a Reinforcement Learning-Driven Scheduler For Efficient And Frugal Container Orchestration H/F - 95

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

- La conscience des responsabilités
- La coopération
- La curiositéObjective: The goal of this internship is to design and evaluate a new intelligent scheduling strategy using reinforcement learning (RL). The idea is to enable the system to learn how to make smarter scheduling decisions over time, optimizing
container placement and sizing,
dynamic resource allocation,
response time and energy consumption
and even inter-container dependencies such as shared data or communication patterns.
Your missions: During this internship, you will:
Explore and understand the orchestration framework developed within the team.
Conduct a state-of-the-art study on RL-based scheduling in cloud and distributed environments.
Design, implement, and train a new RL-based scheduler.
Develop a feature extraction module to characterize container behavior and guide the RL agent's decisions.
Evaluate your approach through experiments and benchmark comparisons