論文の概要: SLA-Constrained Carbon-Aware Routing in Geo-Distributed Serverless Clouds
- arxiv url: http://arxiv.org/abs/2607.22806v1
- Date: Fri, 24 Jul 2026 16:13:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:14.883856
- Title: SLA-Constrained Carbon-Aware Routing in Geo-Distributed Serverless Clouds
- Title（参考訳）: 地理的に分散したサーバレスクラウドにおけるSLA制約カーボンアウェアルーティング
- Abstract要約: SLA対応領域内での最適炭素削減を実現するため, SLA制約付き炭素対応ルーティングポリシーを導入する。
実験結果から, SLA違反ゼロを維持しつつ, 最大46.8%の炭素削減を実現していることがわかった。
これらの結果から, クラウドシステムは, ユーザエクスペリエンスを損なうことなく, 大幅な炭素削減を達成できることが示唆された。
- 参考スコア（独自算出の注目度）: 2.738529585053154
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern cloud deployments distribute applications across multiple geographic regions, yet standard routing mechanisms prioritize latency while ignoring the fluctuating carbon intensity of local power grids. Latency-driven routing incurs avoidable carbon emissions, particularly when cleaner regions are within acceptable latency bounds. The proposed model formulates the carbon-aware serverless routing problem as a constrained optimization over geo-distributed cloud regions and introduces an SLA-constrained carbon-aware routing policy that achieves optimal carbon reduction within the SLA-feasible region, evaluated using real carbon intensity measurements across 5 primary AWS deployments. Experimental results show that the proposed policy achieves up to 46.8% carbon reduction while maintaining zero SLA violations across all evaluated thresholds. The system reduces carbon by an average of 27.4% under mixed workloads, and the routing overhead is very low (less than 0.02% of total request latency). A scalability study across 12 AWS regions spanning 6 continents demonstrates that average carbon savings increase from 27.4% to 47.5% as routing flexibility expands under mixed workloads. The proposed work contributes to SDG 13 (Climate Action) and SDG 7 (Affordable and Clean Energy) by enabling low-carbon routing decisions. These results indicate that cloud systems can achieve significant carbon savings without compromising user experience.
- Abstract（参考訳）: 現代のクラウドデプロイメントは、アプリケーションを複数の地理的領域に分散するが、標準的なルーティングメカニズムは、局所的な電力グリッドの変動する炭素強度を無視しながら、レイテンシを優先する。
遅延駆動ルーティングは、特によりクリーンな領域が許容されるレイテンシ境界内にある場合、避けられる二酸化炭素排出量を発生させる。
提案モデルは、地理的に分散したクラウド領域に対する制約付き最適化として、カーボン対応サーバレスルーティング問題を定式化し、SLA対応リージョン内で最適な炭素削減を実現するSLA制約付きカーボン対応ルーティングポリシーを導入し、5つの主要なAWSデプロイメントにおける実際の炭素強度測定を用いて評価する。
実験結果から, 提案政策は最大46.8%の炭素削減を実現し, 全評価しきい値におけるSLA違反をゼロに抑えることができた。
このシステムは、混合ワークロードで平均27.4%炭素を削減し、ルーティングオーバーヘッドは非常に低く(総要求遅延の0.02%未満)。
6大陸にまたがる12のAWSリージョンにわたるスケーラビリティ調査では、混合ワークロードでルーティングの柔軟性が拡大するにつれて、平均的な炭素節約率が27.4%から47.5%に増加したことが示されている。
提案した研究は、低炭素経路決定を可能にすることで、SDG 13(クライメートアクション)とSDG 7(Affordable and Clean Energy)に寄与する。
これらの結果から, クラウドシステムは, ユーザエクスペリエンスを損なうことなく, 大幅な炭素削減を達成できることが示唆された。
関連論文リスト
- Boosting Neural Video Codec via Scale-Driven Online Flow Refinement [59.68390983151205]
本稿では,訓練不要なスケール駆動型オンラインフローリファインメント(SOFR)手法を提案する。
ワープ精度に応じて粗さや微細なスケールからの動作情報を融合し、動作推定誤差を効果的に補正する。
PSNRとMS-SSIMでそれぞれ平均2.84%と4.05%の貯蓄がある。
論文 参考訳（メタデータ） (2026-06-22T08:36:23Z) - CarbonEdge: Carbon-Aware Deep Learning Inference Framework for Sustainable Edge Computing [0.3130422849413413]
ネットワークエッジにおけるディープラーニングの応用は、AI関連の二酸化炭素排出量の大幅な増加につながります。
既存のエッジコンピューティングフレームワークはレイテンシとスループットを最適化しているが、推論ワークロードの環境への影響を無視している。
本稿では,炭素フットプリント推定とグリーンスケジューリング能力を備えた適応モデル分割を拡張可能な,炭素対応ディープラーニング推論フレームワークであるCarbonEdgeを紹介する。
論文 参考訳（メタデータ） (2026-03-28T21:41:58Z) - Green or Fast? Learning to Balance Cold Starts and Idle Carbon in Serverless Computing [12.749575649611643]
サーバレスコンピューティングは、クラウドデプロイメントを単純化するが、サービスレイテンシと二酸化炭素排出量を管理する上での新たな課題を導入している。
LACE-RLは遅延認識と炭素効率管理のためのフレームワークである。
LACE-RLは、Huaweiの静的ポリシーと比較して、コールドスタートを51.69%減らし、アイドル型二酸化炭素排出量を77.08%減らしている。
論文 参考訳（メタデータ） (2026-02-27T11:35:15Z) - Carbon-Aware Orchestration of Integrated Satellite Aerial Terrestrial Networks via Digital Twin [6.097337826307388]
衛星航空地上ネットワーク(ISATN)は6Gのキーイネーブラーとして想定されている。
この研究は、ISATNのための炭素を意識したオーケストレーションフレームワークを提案することで、エネルギーを意識した以前の研究を前進させる。
論文 参考訳（メタデータ） (2025-10-01T06:49:42Z) - Diffusion-Modeled Reinforcement Learning for Carbon and Risk-Aware Microgrid Optimization [48.70916202664808]
DiffCarl(ディフカール)は、マルチマイクログリッドシステムのインテリジェントな操作のための、拡散モデルによる炭素およびリスクを考慮した強化学習アルゴリズムである。
従来のアルゴリズムと最先端のDRLソリューションを2.3-30.1%削減した。
また、炭素を意識しない変種よりも28.7%低い炭素排出量を達成し、性能の変動を減少させる。
論文 参考訳（メタデータ） (2025-07-22T03:27:07Z) - MAIZX: A Carbon-Aware Framework for Optimizing Cloud Computing Emissions [0.7127829790714169]
クラウドコンピューティングは、高エネルギー消費と二酸化炭素排出量のために、重大な環境問題を引き起こす。
データセンターは世界のエネルギー消費の2-4%を占めており、ICT部門の電力消費のシェアは2040年までに40%に達すると予測されている。
本研究では,クラウド操作の最適化と炭素フットプリント削減を目的としたMAIZXフレームワークの評価を行った。
論文 参考訳（メタデータ） (2025-06-24T19:40:09Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - 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) - On the Limitations of Carbon-Aware Temporal and Spatial Workload
Shifting in the Cloud [0.6642611154902529]
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。
論文 参考訳（メタデータ） (2023-06-10T18:39:49Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳（メタデータ） (2022-10-31T04:04:03Z) - 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) - (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach
for Climate Finance and Risk Assessment [64.83786252406105]
Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。
炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。
組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
論文 参考訳（メタデータ） (2022-05-02T06:02:13Z)
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。