[论文解读] OpenDC-STEAM: Realistic Modeling and Systematic Exploration of Composable Techniques for Sustainable Datacenters

Dante Niewenhuis, Sacheendra Talluri+2 more|arXiv (Cornell University)|Mar 12, 2026

Cloud Computing and Resource Management被引用 0

一句话总结

OpenDC-STEAM 是一个开源、可定制的数据中心仿真器，量化可持续性技术（水平扩展、电池、时序移位）在碳排放与性能上的影响及相互作用与失败的权衡。

ABSTRACT

The need to reduce datacenter carbon footprint is urgent. While many sustainability techniques have been proposed, they are often evaluated in isolation, using limited setups or analytical models that overlook real-world dynamics and interactions between methods. This makes it challenging for researchers and operators to understand the effectiveness and trade-offs of combining such techniques. We design OpenDC-STEAM, an open-source customizable datacenter simulator, to investigate the individual and combined impact of sustainability techniques on datacenter operational and embodied carbon emissions, and their trade-off with performance. Using STEAM, we systematically explore three representative techniques - horizontal scaling, leveraging batteries, and temporal shifting - with diverse representative workloads, datacenter configurations, and carbon-intensity traces. Our analysis highlights that datacenter dynamics can influence their effectiveness and that combining strategies can significantly lower emissions, but introduces complex cost-emissions-performance trade-offs that STEAM can help navigate. STEAM supports the integration of new models and techniques, making it a foundation framework for holistic, quantitative, and reproducible research in sustainable computing. Following open-science principles, STEAM is available as FOSS: https://github.com/atlarge-research/OpenDC-STEAM.

研究动机与目标

• 促使并实现对数据中心可持续性技术的整体评估，而非仅限于孤立分析。
• 提供一个灵活、可组合的仿真框架，以量化运营碳和隐含碳与性能之间的关系。
• 在不同工作负载和碳强度轨迹下，研究三种代表性技术（水平扩展、电池、时序移位）。
• 展示技术交互和现实世界动态如何影响排放减少与性能权衡。

提出的方法

• 将 STEAM 作为 OpenDC 仿真的开源、能力驱动扩展，具备运营/隐含碳、GPU 和可持续性技术的模块。
• 使用组件图、事件驱动的仿真架构，实现技术与模型的可组合性和松耦合。
• 为可配置的数据中心拓扑附加现成的统计功率模型、碳轨迹和故障模型，以进行仿真。
• 将可持续性技术实现为独立、可配置的组件（基于阈值的电池策略、负载移位、任务延迟/停止。
• 使用多种工作负载、区域碳轨迹和数据中心配置来评估技术，量化排放减少与 SLA 影响。

Figure 1 : STEAM quantifies the impact and trade-offs of sustainability techniques. In the figure, (A) results for the Surf workload are shown as total carbon reduction [%], (B) peak power draw [kW], and (C) average task delay [h]. Stars indicate the best performing technique for each metric. HS: Ho

实验结果

研究问题

• RQ1 在现实数据中心动力学下，水平扩展、电池使用与时序移位如何分别降低运营碳和隐含碳？
• RQ2 当这些技术组合在一起时，它们之间如何互动，成本、排放和性能之间会出现哪些权衡？
• RQ3 工作负载特征、硬件配置和碳强度轨迹如何影响每项技术的有效性？
• RQ4 故障和运营现象在多大程度上改变了相较单一技术分析的碳减排报告？
• RQ5 在协同使用多种技术以优化可持续性时，哪些最佳实践浮现？

主要发现

• 在理想条件下，降尺度可以在不损害服务质量的前提下将总碳排放降低可达 35%，但故障会把这一数字降至约 14%。
• 在许多区域，电池减少总碳排放；但在碳强度变动较低的某些区域，由于隐含碳成本和充放电动态，电池可能增加排放。
• 在考虑运营现象后，时序移位带来的排放减少低于某些先前工作，平均在 0.74%–2.85% 之间，跨工作负载和区域，Surf 的平均任务延迟约为 14 小时。
• 将多种技术结合可能提高排放减排，但也可能引入新的权衡，如电力波动和潜在的性能退化；效果取决于工作负载、区域和硬件。
• STEAM 的可组合设计使对单一和组合技术的系统化评估成为可能，包括与故障、检查点和作业调度策略的交互。
• 在 158 条碳轨迹和三种工作负载中，电池在 474 种情景中有 136 次实现 >5% 的减排，在某些配置下峰值功率拉升可达 8 倍。

Figure 2 : Example of a scenario challenging for analytical models to evaluate correctly.