論文の概要: On the Limitations of Carbon-Aware Temporal and Spatial Workload
Shifting in the Cloud
- arxiv url: http://arxiv.org/abs/2306.06502v2
- Date: Sun, 10 Mar 2024 19:36:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-13 17:07:59.173090
- Title: On the Limitations of Carbon-Aware Temporal and Spatial Workload
Shifting in the Cloud
- Title(参考訳): 雲内におけるco-aware temporal and spatial workload shiftingの限界について
- Authors: Thanathorn Sukprasert, Abel Souza, Noman Bashir, David Irwin, Prashant
Shenoy
- Abstract要約: 当社は、クラウドワークロードにおける炭素認識スケジューリングのメリットと限界を理解するために、詳細なデータ駆動分析を実施しています。
この結果から, 限られた作業量シフトは二酸化炭素排出量を減少させるが, 現実的な削減は理想とは程遠いことが示唆された。
- 参考スコア(独自算出の注目度): 0.6642611154902529
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cloud platforms have been focusing on reducing their carbon emissions by
shifting workloads across time and locations to when and where low-carbon
energy is available. Despite the prominence of this idea, prior work has only
quantified the potential of spatiotemporal workload shifting in narrow
settings, i.e., for specific workloads in select regions. In particular, there
has been limited work on quantifying an upper bound on the ideal and practical
benefits of carbon-aware spatiotemporal workload shifting for a wide range of
cloud workloads. To address the problem, we conduct a detailed data-driven
analysis to understand the benefits and limitations of carbon-aware
spatiotemporal scheduling for cloud workloads. We utilize carbon intensity data
from 123 regions, encompassing most major cloud sites, to analyze two broad
classes of workloads -- batch and interactive -- and their various
characteristics, e.g., job duration, deadlines, and SLOs. Our findings show
that while spatiotemporal workload shifting can reduce workloads' carbon
emissions, the practical upper bounds of these carbon reductions are currently
limited and far from ideal. We also show that simple scheduling policies often
yield most of these reductions, with more sophisticated techniques yielding
little additional benefit. Notably, we also find that the benefit of
carbon-aware workload scheduling relative to carbon-agnostic scheduling will
decrease as the energy supply becomes "greener".
- Abstract(参考訳): クラウドプラットフォームは、ワークロードを時間とロケーションにシフトすることで、二酸化炭素排出量の削減に重点を置いてきた。
このアイデアが有力であるにも関わらず、以前の作業は、特定のリージョン内の特定のワークロードに対して、狭義の設定で時空間的なワークロードがシフトする可能性のみを定量化している。
特に、広範囲のクラウドワークロードにシフトするカーボンアウェアの時空間的ワークロードの理想的かつ実用的なメリットについて、上限を定量化する作業は限られている。
この問題に対処するため、我々は、クラウドワークロードに対する炭素対応時空間スケジューリングの利点と限界を理解するために、詳細なデータ駆動分析を行う。
主要なクラウドサイトを含む123リージョンの炭素強度データを使用して、バッチとインタラクティブという2つの幅広いワークロードのクラスと、ジョブ期間、期限、SLOなど、そのさまざまな特性を分析します。
その結果、時空間のワークロードシフトはワークロードの二酸化炭素排出量を削減できるが、これらの炭素削減の現実的な上限は現在限られており、理想とは程遠いことが判明した。
また、単純なスケジューリングポリシーがこれらの削減の大部分を生んでいることも示しています。
また, エネルギー供給が「緑化」するにつれて, 炭素非依存なスケジューリングと比較して, カーボンアウェアのワークロードスケジューリングの利点は減少することがわかった。
関連論文リスト
- GreenCourier: Carbon-Aware Scheduling for Serverless Functions [1.2092241176897844]
GreenCourierは、そのカーボン効率に基づいて、地理的に分散したリージョンにわたるサーバレス機能のランタイムスケジューリングを可能にするスケジューリングフレームワークである。
実験の結果、グリーンクーリエは他の手法と比較して、機能呼び出し当たりの二酸化炭素排出量を平均13.25%削減していることがわかった。
論文 参考訳(メタデータ) (2023-10-31T11:35:50Z) - Towards Carbon-Neutral Edge Computing: Greening Edge AI by Harnessing
Spot and Future Carbon Markets [24.462679595118672]
我々は、CERを複数の時間スケールで購入し、機械学習タスクをオフロードする場所を決定するオンラインアルゴリズムを提案する。
さらに,$T$-slot問題のNP硬度を考慮し,資源制限付きランダム化依存ラウンドリングアルゴリズムを提案する。
実炭素強度トレースによって駆動される理論解析と広範囲なシミュレーション結果は,提案アルゴリズムの優れた性能を示す。
論文 参考訳(メタデータ) (2023-04-22T11:14:16Z) - Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A
Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。
地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。
本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-04-17T02:12:30Z) - Chasing Low-Carbon Electricity for Practical and Sustainable DNN
Training [4.0441558412180365]
マイグレーションや延期を伴わずに,トレーニングの炭素フットプリントを削減できるソリューションを提案する。
具体的には、トレーニング中のリアルタイム炭素強度変化を観察し、GPUのエネルギー消費を制御する。
炭素強度のシフトに積極的に適応するために,軽量な機械学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-03-04T21:33:29Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳(メタデータ) (2023-02-16T18:35:00Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳(メタデータ) (2022-11-03T17:13:48Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳(メタデータ) (2022-06-10T17:04:04Z) - POEM: 1-bit Point-wise Operations based on Expectation-Maximization for
Efficient Point Cloud Processing [53.74076015905961]
我々は,効率的なポイントクラウド処理のために,期待最大化に基づくポイントワイズ処理をBNNに導入する。
私たちのPOEMは、最先端のバイナリポイントクラウドネットワークを6.7%まで大きく上回っている。
論文 参考訳(メタデータ) (2021-11-26T09:45:01Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳(メタデータ) (2021-09-25T12:37:05Z) - Green Algorithms: Quantifying the carbon footprint of computation [0.0]
本稿では,任意の計算タスクの炭素フットプリントを,標準化された信頼性の高い方法で推定する枠組みを提案する。
温室効果ガスの排出を解釈し、文脈的に解釈する指標が定義され、車や飛行機で走行する同等距離を含む。
我々は、ユーザが計算の炭素フットプリントを見積り、レポートできる、無料で利用可能なオンラインツールであるGreen Algorithmsを開発した。
論文 参考訳(メタデータ) (2020-07-15T11:05:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。