論文の概要: A Novel IaaS Tax Model as Leverage Towards Green Cloud Computing
- arxiv url: http://arxiv.org/abs/2509.02767v1
- Date: Tue, 02 Sep 2025 19:13:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 21:40:46.317892
- Title: A Novel IaaS Tax Model as Leverage Towards Green Cloud Computing
- Title（参考訳）: グリーンクラウドコンピューティングに向けた新しいIaaS税モデル
- Authors: Benedikt Pittl, Werner Mach, Erich Schikuta,
- Abstract要約: 私たちはデータセンターのエネルギー消費を減らすために、経済的なアプローチ、すなわち税金を使います。
我々は、エネルギー効率の悪いデータセンターをペナルティ化し、エネルギー効率のよいデータセンターを育成するGreenCloud Taxと呼ばれる税モデルを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The cloud computing technology uses datacenters, which require energy. Recent trends show that the required energy for these datacenters will rise over time, or at least remain constant. Hence, the scientific community developed different algorithms, architectures, and approaches for improving the energy efficiency of cloud datacenters, which are summarized under the umbrella term Green Cloud computing. In this paper, we use an economic approach - taxes - for reducing the energy consumption of datacenters. We developed a tax model called GreenCloud tax, which penalizes energy-inefficient datacenters while fostering datacenters that are energy-efficient. Hence, providers running energy-efficient datacenters are able to offer cheaper prices to consumers, which consequently leads to a shift of workloads from energy-inefficient datacenters to energy-efficient datacenters. The GreenCloud tax approach was implemented using the simulation environment CloudSim. We applied real data sets published in the SPEC benchmark for the executed simulation scenarios, which we used for evaluating the GreenCloud tax.
- Abstract（参考訳）: クラウドコンピューティング技術は、エネルギーを必要とするデータセンターを使用する。
最近の傾向は、これらのデータセンターに必要なエネルギーは、時間とともに上昇するか、少なくとも一定であることを示している。
そのため、科学コミュニティはさまざまなアルゴリズム、アーキテクチャ、クラウドデータセンターのエネルギー効率を改善するためのアプローチを開発しました。
本稿では、データセンターのエネルギー消費を減らすための経済的なアプローチとして、税金を用いる。
我々は、エネルギー効率の悪いデータセンターをペナルティ化し、エネルギー効率のよいデータセンターを育成するGreenCloud Taxと呼ばれる税モデルを開発した。
したがって、エネルギー効率のよいデータセンターを運営しているプロバイダは、消費者に安価な価格を提供できるため、ワークロードがエネルギー効率の悪いデータセンターからエネルギー効率の悪いデータセンターに移行する。
GreenCloudの税制アプローチは、シミュレーション環境CloudSimを使って実装された。
我々は,グリーンクラウド税の評価に使用したシミュレーションシナリオに対して,SPECベンチマークで公開された実際のデータセットを適用した。
関連論文リスト
- Game-Theoretic Deep Reinforcement Learning to Minimize Carbon Emissions and Energy Costs for AI Inference Workloads in Geo-Distributed Data Centers [3.3379026542599934]
この研究は、地理分散データセンターにおけるAI推論ワークロードの分散を最適化するために、ゲーム理論(GT)と深層強化学習(DRL)を組み合わせたユニークなアプローチを導入する。
提案手法は,非協調型ゲーム理論の原理をDRLフレームワークに統合し,データセンターが作業負荷配分に関するインテリジェントな決定を行えるようにする。
論文 参考訳（メタデータ） (2024-04-01T20:13:28Z) - Spatio-temporal load shifting for truly clean computing [0.5857582826810999]
本研究では、時間と場所の双方において、コンピュータジョブのシフトと関連する電力負荷の影響について検討する。
我々は,ロードブルティの情報利用に関連する3つの信号を分離した。
24/7 CFEのコストは1.29$pm$0.07 EUR/MWhに削減される。
論文 参考訳（メタデータ） (2024-03-26T13:36:42Z) - Reduce, Reuse, Recycle: Building Greener Sustainable Software [0.22252684361733285]
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。
論文 参考訳（メタデータ） (2023-11-03T03:03:13Z) - How Can We Train Deep Learning Models Across Clouds and Continents? An Experimental Study [57.97785297481162]
代表的なCV, NLP, ASRモデルに対して, 異なるゾーン, 大陸, 雲におけるトレーニングの費用とスループットについて検討した。
スポット価格を活用することで、複数の安価なインスタンスでモデルをトレーニングし、より集中的かつ強力なハードウェアと、競争力のある価格でオンデマンドのクラウド製品の両方を台無しにする、新たなコスト効率の方法が実現されることを示す。
論文 参考訳（メタデータ） (2023-06-05T18:17:37Z) - 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) - 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) - A Framework for Energy and Carbon Footprint Analysis of Distributed and
Federated Edge Learning [48.63610479916003]
本稿では,分散学習政策の環境フットプリントに影響を与える要因を概説し,分析する。
バニラとコンセンサスによって駆動される分散FLポリシーの両方をモデル化する。
その結果、flは低ビット/ジュール効率を特徴とするワイヤレスシステムにおいて、顕著なエンドツーエンドの省エネ(30%-40%)が可能となった。
論文 参考訳（メタデータ） (2021-03-18T16:04:42Z) - Exploiting the Solar Energy Surplus for Edge Computing [2.468408769917523]
クラウドサービスをプライベート、分散、ソーラーパワーのコンピューティング施設に移行する機会コストについて検討する。
我々は、コンピューティングリソースをクラウドプールにリースする潜在的収益と、余剰エネルギーをグリッドに販売することで得られる収益とを比較した。
結果は、このモデルが経済的に実現可能であり、技術的に実現可能であることを示している。
論文 参考訳（メタデータ） (2020-06-10T07:52:28Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
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。