論文の概要: Reduce, Reuse, Recycle: Building Greener Sustainable Software
- arxiv url: http://arxiv.org/abs/2311.01678v1
- Date: Fri, 3 Nov 2023 03:03:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-06 15:23:21.285402
- Title: Reduce, Reuse, Recycle: Building Greener Sustainable Software
- Title（参考訳）: グリーン化,再利用,リサイクル - 持続可能なソフトウェアの構築
- Authors: Kaushik Dutta, Debra Vandermeer
- Abstract要約: データセンターは世界の電力使用量の1%以上を占めている。
非自明な省エネは、プログラミングの基本的な側面についてエネルギーを意識した決定を行うことによって、ソフトウェアで達成できる。
- 参考スコア（独自算出の注目度）: 0.22252684361733285
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Technology use has grown rapidly in recent years. It is infused in virtually
every aspect of organizational and individual life. This technology runs on
servers, typically in data centers. As workloads grow, more serves are
required. Each server incrementally adds to the energy consumption footprint of
a data center. Currently, data centers account for more than one percent of all
power usage worldwide. Clearly, energy efficiency is a significant concern for
data centers. While many aspects of data center energy efficiency have received
attention, energy consumption is rarely considered in software development
organizations. In this work, we consider the energy consumption impacts of
fundamental software operations, and demonstrate that non-trivial energy
savings can be achieved in software by making energy-conscious decisions
regarding basic aspects of programming. This work has significant potential for
practical impact; applying the lessons learned in this study can lead to
greener sustainable software.
- Abstract（参考訳）: 近年は技術利用が急速に伸びている。
事実上、組織や個人の生活のあらゆる側面に浸透している。
この技術は、通常データセンターでサーバー上で動作する。
ワークロードが成長するにつれて、より多くのサービスが必要になります。
各サーバは、データセンターのエネルギー消費フットプリントを段階的に増やす。
現在、データセンターは世界中の電力使用量の1%以上を占めている。
明らかに、エネルギー効率はデータセンターにとって重要な関心事である。
データセンターのエネルギー効率の多くの側面が注目されているが、ソフトウェア開発組織ではエネルギー消費はほとんど考慮されていない。
本研究は,基本的なソフトウェア操作のエネルギー消費への影響を考察し,プログラミングの基本的な側面に関してエネルギーを意識した決定を行うことで,ソフトウェアにおいて非自明な省エネが達成できることを実証する。
この研究で学んだ教訓を適用することで、持続可能なソフトウェアがよりグリーンになる可能性がある。
関連論文リスト
- Coca4ai: checking energy behaviors on AI data centers [0.12997390777731951]
本稿では,データセンター全体の規模でのエネルギー挙動の簡易かつ軽量なモニタリングという概念の実証について述べる。
結果は、効率性の観点から興味深い可能性があり、ユーザーエンゲージメントを生み出すための議論を提供することを示している。
論文 参考訳（メタデータ） (2024-07-22T14:33:10Z) - Estimating the Energy Footprint of Software Systems: a Primer [56.200335252600354]
ソフトウェアシステムのエネルギーフットプリントの定量化は、最も基本的な活動の1つです。
この文書は、この分野で研究を始めたい研究者の出発点となることを目的としている。
論文 参考訳（メタデータ） (2024-07-16T11:21:30Z) - Heuristics and Metaheuristics for Dynamic Management of Computing and
Cooling Energy in Cloud Data Centers [0.0]
共同冷却・計算最適化のための新しい電力・熱対応戦略とモデルを提案する。
結果から,メタヒューリスティックアルゴリズムと最適適応アルゴリズムの併用により,グローバルエネルギーを高速かつ軽量な最適化戦略に記述できることが示唆された。
このアプローチにより、コンピューティングと冷却インフラストラクチャの両方を考慮して、データセンターのエネルギー効率を21.74%向上し、サービス品質を維持しながら、最大で21.74%向上できる。
論文 参考訳（メタデータ） (2023-12-17T09:40:36Z) - A Case for Sustainability and Environment Friendliness in Software
Development and Architecture Decisions by Taking Energy-Efficient Design
Decisions [0.22252684361733285]
ソフトウェア開発と選択時間におけるエネルギーを意識した選択を通じて、重要な省エネの可能性を示す。
データセンターのエネルギー消費は全世界のエネルギー消費の1%から1.5%を占めると見積もられている。
論文 参考訳（メタデータ） (2023-11-03T03:05:19Z) - WattScope: Non-intrusive Application-level Power Disaggregation in
Datacenters [0.6086160084025234]
WattScopeは、個々のアプリケーションの消費電力を非侵襲的に推定するシステムである。
WattScopeは、ビルドパワーを分離するための機械学習ベースのテクニックを適応し、拡張する。
論文 参考訳（メタデータ） (2023-09-22T04:13:46Z) - 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) - Treehouse: A Case For Carbon-Aware Datacenter Software [4.7521372297013365]
デナードのスケーリングの終わりとムーアの法則の減速は、データセンターのエネルギー利用を持続不可能な経路に押し上げた。
我々は、ソフトウェア中心のアプローチにより、データセンターコンピューティングの炭素強度を大幅に削減できると主張している。
論文 参考訳（メタデータ） (2022-01-06T16:00:53Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Compute and Energy Consumption Trends in Deep Learning Inference [67.32875669386488]
コンピュータビジョンと自然言語処理の分野における関連モデルについて検討する。
継続的な性能向上のために、これまで予想されていたよりもエネルギー消費の軟化が見られた。
論文 参考訳（メタデータ） (2021-09-12T09:40:18Z) - Power Modeling for Effective Datacenter Planning and Compute Management [53.41102502425513]
我々は,すべてのハードウェア構成とワークロードに適用可能な,正確でシンプルで解釈可能な統計パワーモデルの設計と検証の2つのクラスについて論じる。
提案された統計的モデリング手法は, 単純かつスケーラブルでありながら, 4つの特徴のみを用いて, 95% 以上の多様な配電ユニット (2000 以上) に対して, 5% 未満の絶対パーセンテージエラー (MAPE) で電力を予測できることを実証した。
論文 参考訳（メタデータ） (2021-03-22T21:22:51Z) - 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。