論文の概要: GreenCourier: Carbon-Aware Scheduling for Serverless Functions

• arxiv url: http://arxiv.org/abs/2310.20375v1
• Date: Tue, 31 Oct 2023 11:35:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-01 15:34:59.926241
• Title: GreenCourier: Carbon-Aware Scheduling for Serverless Functions
• Title（参考訳）: GreenCourier: サーバレス機能のためのカーボンアウェアスケジューリング
• Authors: Mohak Chadha, Thandayuthapani Subramanian, Eishi Arima, Michael Gerndt, Martin Schulz, Osama Abboud
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.2092241176897844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents GreenCourier, a novel scheduling framework that enables the runtime scheduling of serverless functions across geographically distributed regions based on their carbon efficiencies. Our framework incorporates an intelligent scheduling strategy for Kubernetes and supports Knative as the serverless platform. To obtain real-time carbon information for different geographical regions, our framework supports multiple marginal carbon emissions sources such as WattTime and the Carbon-aware SDK. We comprehensively evaluate the performance of our framework using the Google Kubernetes Engine and production serverless function traces for scheduling functions across Spain, France, Belgium, and the Netherlands. Results from our experiments show that compared to other approaches, GreenCourier reduces carbon emissions per function invocation by an average of 13.25%.
• Abstract（参考訳）: 本稿では,カーボン効率に基づいて,地理的に分散したリージョンをまたいだ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,新しいスケジューリングフレームワークであるgreencourierを提案する。 当社のフレームワークにはKubernetesのインテリジェントなスケジューリング戦略が含まれており、サーバレスプラットフォームとしてKnativeをサポートしています。 地域によって異なるリアルタイムな炭素情報を得るため,WattTimeやCarbon-aware SDKなど,複数の辺縁的な炭素排出量源をサポートしている。 Google Kubernetes Engineとプロダクションサーバレス関数トレースを使用して、スペイン、フランス、ベルギー、オランダで機能をスケジューリングするためのフレームワークのパフォーマンスを総合的に評価します。 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。

関連論文リスト

• The Sunk Carbon Fallacy: Rethinking Carbon Footprint Metrics for Effective Carbon-Aware Scheduling [2.562727244613512]
  本研究は, 炭素会計指標を用いて, 所定のサーバ群上での炭素を意識したジョブスケジューリングと配置を評価する。 本研究では, 炭素添加コストに影響を及ぼす要因について検討した。
  論文  参考訳（メタデータ） (2024-10-19T12:23:59Z)
• Carbon-aware Software Services [3.105112058253643]
  本稿では,炭素を意識した対話型ソフトウェアサービスの実装,構成,評価を行う新しいフレームワークを提案する。 エネルギー消費の異なる代替サービスバージョンを特徴付けるために,ストラテジーデザインパターンを活用した炭素対応サービスを実装する手法を提案する。 我々は、炭素強度とサービス要求の予測に基づいて、その日の異なる時間に使用するバージョンを設定するための二段階最適化スキームを考案する。
  論文  参考訳（メタデータ） (2024-05-21T08:26:38Z)
• Generative AI for Low-Carbon Artificial Intelligence of Things with Large Language Models [67.0243099823109]
  ジェネレーティブAI(GAI)は、AIoT(Artificial Intelligence of Things)の二酸化炭素排出量を減らす大きな可能性を秘めている 本稿では, 炭素排出量削減のためのGAIの可能性について検討し, 低炭素AIoTのための新しいGAI対応ソリューションを提案する。 本稿では,Large Language Model (LLM) を利用したCO_2排出最適化フレームワークを提案し,このフレームワークにより,プラグ可能なLLMとRetrieval Augmented Generation (RAG) モジュールを設計する。
  論文  参考訳（メタデータ） (2024-04-28T05:46:28Z)
• LACS: Learning-Augmented Algorithms for Carbon-Aware Resource Scaling with Uncertain Demand [1.423958951481749]
  本稿では,未知の作業時間(OCSU)を用いたオンラインCO_2-Awareリソーススケーリング問題について検討する。 我々は,論理的に堅牢な学習拡張アルゴリズムであるLACSを提案し,OCSUを解く。 LACSは、納期を意識した炭素に依存しない作業と比較して、炭素フットプリントの32%の削減を実現している。
  論文  参考訳（メタデータ） (2024-03-29T04:54:22Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• 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)
• Tailored Learning-Based Scheduling for Kubernetes-Oriented Edge-Cloud System [54.588242387136376]
  エッジクラウドシステムのための学習ベースのスケジューリングフレームワークkaisを紹介する。 まず,分散した要求ディスパッチに対応するために,協調型マルチエージェントアクタ-クリティックアルゴリズムを設計する。 次に,多種多様なシステムスケールと構造について,グラフニューラルネットワークを用いてシステム状態情報を埋め込む。 第3に、リクエストディスパッチとサービスオーケストレーションを調和させる2段階のスケジューリングメカニズムを採用します。
  論文  参考訳（メタデータ） (2021-01-17T03:45:25Z)
• SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification [93.54286830844134]
  本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。 デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。 我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2020-08-17T14:32:35Z)
• 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)
• Towards the Systematic Reporting of the Energy and Carbon Footprints of Machine Learning [68.37641996188133]
  我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。 エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。 炭素排出量削減とエネルギー消費削減のための戦略を提案する。
  論文  参考訳（メタデータ） (2020-01-31T05:12:59Z)

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。