[论文解读] Let's Wait Awhile: How Temporal Workload Shifting Can Reduce Carbon Emissions in the Cloud

Philipp Wiesner, Ilja Behnke+3 more|arXiv (Cornell University)|Oct 25, 2021

Cloud Computing and Resource Management被引用 9

一句话总结

本文提出在云数据中心实施时间工作负载迁移，通过在电网碳强度较低的时段调度延迟容忍型工作负载，以减少碳排放。基于德国、法国、英国和加州2020年的实际碳强度数据，作者证明，将工作负载迁移至清晨或周末时段，可在某些地区实现超过20%的减排，即使在中等时间约束下，减排幅度仍超过5%。

ABSTRACT

Depending on energy sources and demand, the carbon intensity of the public power grid fluctuates over time. Exploiting this variability is an important factor in reducing the emissions caused by data centers. However, regional differences in the availability of low-carbon energy sources make it hard to provide general best practices for when to consume electricity. Moreover, existing research in this domain focuses mostly on carbon-aware workload migration across geo-distributed data centers, or addresses demand response purely from the perspective of power grid stability and costs. In this paper, we examine the potential impact of shifting computational workloads towards times where the energy supply is expected to be less carbon-intensive. To this end, we identify characteristics of delay-tolerant workloads and analyze the potential for temporal workload shifting in Germany, Great Britain, France, and California over the year 2020. Furthermore, we experimentally evaluate two workload shifting scenarios in a simulation to investigate the influence of time constraints, scheduling strategies, and the accuracy of carbon intensity forecasts. To accelerate research in the domain of carbon-aware computing and to support the evaluation of novel scheduling algorithms, our simulation framework and datasets are publicly available.

研究动机与目标

• 探究在云数据中心将延迟容忍型工作负载迁移至电网碳强度较低时段的减排潜力。
• 分析2020年德国、法国、英国和加州在不同能源结构下的碳强度区域差异。
• 评估时间约束、调度策略和预测准确度对工作负载迁移碳减排效果的影响。
• 提供公开可用的仿真框架和数据集，以加速碳感知调度相关研究。

提出的方法

• 收集并分析了2020年四个地区（德国、法国、英国、加州）来自公开来源（如electricityMap、National Grid ESO）的每小时碳强度数据。
• 基于执行时间灵活性和结果交付约束，识别并表征了延迟容忍型工作负载。
• 开发了仿真框架，用于模拟两种工作负载迁移场景：一种具有严格截止时间，另一种具有宽松截止时间及可中断性。
• 利用历史碳强度数据，在不同预测准确度水平下评估调度策略。
• 采用滚动窗口线性回归和统计分解模型，评估碳强度预测的可靠性。
• 集成真实碳强度预测数据（如来自National Grid ESO）以模拟现实调度条件。

实验结果

研究问题

• RQ1 在能源结构各异的地区，时间工作负载迁移在云数据中心减少碳排放的潜力如何？
• RQ2 时间约束和工作负载可中断性如何影响工作负载迁移可实现的碳减排量？
• RQ3 电网碳强度预测的准确度在多大程度上影响调度策略的有效性？
• RQ4 在不同地区，哪些时间段（如清晨、周末）具有最高的碳强度降低潜力？
• RQ5 能源基础设施和可再生能源渗透率的区域差异如何影响时间工作负载迁移的可行性？

主要发现

• 在太阳能资源丰富的地区（如德国和加州），将延迟容忍型工作负载迁移至清晨时段，可实现显著的碳减排，原因在于夜间化石燃料使用量较低。
• 在大多数地区，周末工作负载迁移可实现超过20%的减排，因为工业和商业需求减少导致电网碳强度显著降低。
• 即使在中等时间约束下，只要工作负载结果无需在下一个工作日交付，所有研究区域的碳排放仍可减少5%以上。
• 当调度策略充分利用工作负载的可中断性并放宽时间约束时，可实现最高的碳排放减少，从而更好地与低碳时段对齐。
• 碳强度预测，特别是基于滚动窗口回归模型的预测，显示出足够的准确度以支持有效的调度决策，但区域间模型可迁移性仍有限。
• 本研究开发的仿真框架和数据集已公开提供，旨在支持未来碳感知调度研究，包括时间与地理分布相结合的混合策略。