Introduction : Rappels concernant MUST

• Mathieu Gauthier-Lafaye (CNRS)

Room: Auditorium Marcel Vivargent En introduction à cette réunion, nous rappellerons les caractéristiques de la plateforme numérique MUST et en évoquerons briévement les composants essentiels, à savoir : - la ferme de calcul et le service de gestion des tâches de calcul ou *jobs* (HTCondor) - le stockage des données dans les espaces MUSTFS basés sur Ceph - le parc GPUs

Nouveautés HTCondor

• Patrice Couillez

Room: Auditorium Marcel Vivargent L'évolution récente de ce service offre de nouvelles fonctionnalités pour l'utilisateur qui seront présentées.

Mise en pratique des conteneurs sur les CPUs/GPUs de MUST... et 2 ou 3 autres "trucs"

• Pierre Aubert (LAPP)

Room: Auditorium Marcel Vivargent Cette présentera mettra en avant l'importance de la gestion des environnements de développement et les possibilités offertes pat les technologies de conteneurisation.

VRE, un nouvel environnement pour MUST

• Léo CHAZALLET (LAPP)

Room: Auditorium Marcel Vivargent VRE (Virtual Research Environnement) propose un nouvel environnement de recherche pour l'utilisateur final facilitant l'analyse selon des approches potentiellement communes à tous les domaines pour l'authentification, l'accès aux données, la soumission de workflows de calcul et l'accès uniforme à des moyens de calcul locaux ou distants. Cette approche est mise en œuvre dans le cadre de la Science Ouverte promue par l'initiative European Open Science Cloud (EOSC) mais présente un intérêt plus large. Le point d'entrée d'une telle plateforme (pour un utilisateur final) est une instance jupyterhub déployée sur une infrastructure Kubernetes évolutive, fournissant une interface graphique interactive permettant aux chercheurs d'accéder, d'analyser et de partager des données.

Qanat, un outil de gestion de vos projets de calcul développé et utilisé par le LISTIC

• Ammar Miam (LISTIC)

Room: Auditorium Marcel Vivargent Qanat est un système de suivi des flux de tâches de calcul et de gestion des données associées, particulièrement utile pour les projets de Machine Learning mais également dès qu'il s'agit de gérer le cycle de vie d'un grand nombre de tâches de calculs et/ou des soumissions récurrentes ou multiples. Pour en savoir plus : [https://ammarmian.github.io/qanat/](https://ammarmian.github.io/qanat/)