論文の概要: Garbage Collection and Energy Consumption in Java: A Controlled Study Across Workloads and JDKs

• arxiv url: http://arxiv.org/abs/2608.19520v1
• Date: Thu, 20 Aug 2026 00:27:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.420854
• Title: Garbage Collection and Energy Consumption in Java: A Controlled Study Across Workloads and JDKs
• Title（参考訳）: Javaのガベージコレクションとエネルギー消費: ワークロードとJDKに関する制御された研究
• Abstract要約: ガベージコレクタの選択は、Javaアプリケーションのパフォーマンスとエネルギー消費の両方に影響を与える、低益な設定決定である。 本研究では、3つのJavaアプリケーション、3つのワークロードインテンシティ、OpenJDKとOracleの2つのディストリビューションにまたがるSerial、Parallel、G1ガベージコレクションの制御された実験的評価を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Garbage-collector selection is a low-effort configuration decision that can influence both the performance and energy consumption of Java applications. However, it remains unclear whether aggregate energy rankings among collectors generalise across heterogeneous applications, workload intensities, and JDK distributions. This study presents a controlled empirical evaluation of Serial, Parallel, and G1 garbage collection across three Java applications, three workload intensities, and two JDK distributions: OpenJDK and Oracle JDK. Using EnergiBridge, processor-package energy consumption and execution time were measured and complementary energy-performance metrics derived. Across all evaluated configurations, Parallel recorded the lowest mean energy consumption (839.8 J), followed closely by Serial (857.6 J) and G1 (969.0 J), but an RCBD ANOVA did not establish a statistically reliable collector effect. Workload intensity, by contrast, was a significant driver of energy consumption, with heavy workloads consuming substantially more energy than light or medium workloads regardless of collector. Energy consumption showed a moderate positive association with execution time (r = 0.33), indicating that longer-running configurations tended toward higher energy use, though the relationship was far from proportional. No statistically significant energy difference was found between OpenJDK and Oracle JDK. Overall, the results do not support a universally energy-optimal garbage collector; instead, workload intensity emerges as the more reliable lever for managing Java energy consumption, and collector selection should be treated as an application-specific tuning decision supported by measurement on the target system rather than aggregate rankings alone.
• Abstract（参考訳）: ガベージコレクタの選択は、Javaアプリケーションのパフォーマンスとエネルギー消費の両方に影響を与える、低益な設定決定である。 しかし、コレクタの合計エネルギーランキングが、異種アプリケーション、ワークロードインテンシティ、JDKディストリビューションにまたがって一般化されるかどうかは不明だ。 本研究では、3つのJavaアプリケーション、3つのワークロードインテンシティ、OpenJDKとOracle JDKの2つのJDKディストリビューションにまたがる、Serial、Parallel、G1ガベージコレクションの制御された実験的評価を示す。 EnergiBridgeを用いて、プロセッサパッケージのエネルギー消費と実行時間を測定し、相補的なエネルギー性能指標を導出した。 評価された全ての構成の中で、パラレルは最低平均エネルギー消費量(839.8 J)を記録し、続いてシリアル (857.6 J) とG1 (969.0 J) が続いたが、RCBD ANOVAは統計的に信頼できるコレクター効果を確立しなかった。 対照的に、ワークロードの強度はエネルギー消費の重要な要因であり、重いワークロードはコレクタに関係なく、軽いワークロードや中程度のワークロードよりもはるかに多くのエネルギーを消費する。 エネルギー消費は、実行時間(r = 0.33)と適度な正の相関を示し(r = 0.33)、より長時間の配置は高いエネルギー消費の傾向を示した。 OpenJDKとOracle JDKの間に統計的に重要なエネルギー差は見つからなかった。 全体として、結果は普遍的にエネルギー最適化されたガベージコレクタをサポートせず、代わりに、Javaエネルギー消費を管理するための信頼性の高いレバーとしてワークロードインテンシティが出現し、コレクタの選択は、集計ランキングのみではなく、対象システム上での測定によって支援されるアプリケーション固有のチューニング決定として扱われるべきである。

関連論文リスト

• Understanding the Energy Scaling of Large Language Model Inference Across Context Lengths and Attention Architectures [0.2519906683279152]
  各種推論負荷下でのデコード相エネルギー消費に注意構造がどのような影響を及ぼすかを検討する。 注意が、文脈長でエネルギーをデコードする方法を規定する主要な要因であることを示す。 モデルサイズは絶対エネルギー消費を決定し、生成トークン当たりのエネルギーとレイテンシの両方を最大87%削減する。
  論文  参考訳（メタデータ） (2026-08-25T19:45:30Z)
• Static Metrics Are Insufficient: Predicting Java Method Energy Usage with Execution Time [4.1759895896406904]
  開発フローの早い段階でのエネルギー使用量に関する推論は、ソフトウェアシステム全体のエネルギー使用量を大幅に削減する可能性がある。 繰り返しプロファイリングや直接測定を行うことなくエネルギー使用量を評価することは困難である。 本研究ではJavaにおけるメソッドレベルのエネルギー予測の限界について検討する。
  論文  参考訳（メタデータ） (2026-07-07T10:35:24Z)
• Energy-Aware Decision Making in Software Stack Upgrades [1.0026496861838448]
  本稿では,Spring BootやJava仮想マシンなど,コアソフトウェアスタックコンポーネントの異なるバージョンがアプリケーションのエネルギー消費に与える影響を計測する手法を提案する。 Spring Petclinic RESTアプリケーションに基づくケーススタディを用いて、Spring BootとJavaのバージョン間でエネルギー消費が大幅に変化していることを示します。 新しいリリースと仮想スレッド(21と23で導入された)は、アプリケーションの変更を必要とせずに大幅な省エネを実現した。
  論文  参考訳（メタデータ） (2026-05-26T06:45:27Z)
• PPTAM$η$: Energy Aware CI/CD Pipeline for Container Based Applications [47.84270304529455]
  PPTAM$$は、コンテナ化されたAPIシステムのためのGitLab CIに電力とエネルギーの測定を統合する自動化パイプラインである。 このパイプラインは、開発者にエネルギを可視化し、テストエンジニアのバージョン比較をサポートし、研究者のトレンド分析を可能にする。
  論文  参考訳（メタデータ） (2026-02-12T15:38:35Z)
• Energy-Aware Metaheuristics [0.4231181719953952]
  本稿では,固定エネルギー予算の下で機能するエネルギーを考慮したメタヒューリスティックを設計するための基本的枠組みを提案する。 数値ゲインとエネルギー使用量の両方を定量化する統一された演算子レベルモデルを導入し、ジュールスコア毎に頑健な改善を期待する。 我々は、このフレームワークを3つの代表的なメタヒューリスティック(定常GA、PSO、ILS)でインスタンス化する。
  論文  参考訳（メタデータ） (2026-02-06T10:47:02Z)
• Towards Green AI: Decoding the Energy of LLM Inference in Software Development [46.879983975894135]
  AI支援ツールはソフトウェア開発にますます統合されているが、大きな言語モデル(LLM)に依存しているため、相当な計算とエネルギーコストが伴う。 モデルが入力を処理して内部表現を構築した(1)プリフィルと,(2)デコードで格納された状態を用いて出力トークンを生成する(2)プリフィルとを区別し,LCM推定エネルギー消費の位相レベル解析を行う。
  論文  参考訳（メタデータ） (2026-02-05T14:38:19Z)
• Learning to Rank Chain-of-Thought: Using a Small Model [77.75522308463667]
  本稿では、この課題に対処するために設計された高効率で軽量な検証器であるEORM(Energy Outcome Reward Model)を紹介する。 EORMはエネルギーベースのフレームワークを使用してChain-of-Thought(CoT)ソリューションをランク付けし、単純な結果ラベルだけで誤った推論と正しく区別することを学ぶ。 55Mのパラメータだけで、通常の報酬モデルより127倍以上小さいEORMは、Llama 3 8Bの精度をGSM8kで90.7%、MATHで63.7%に向上させた。
  論文  参考訳（メタデータ） (2025-05-21T01:06:29Z)
• Unveiling the Energy Vampires: A Methodology for Debugging Software Energy Consumption [5.602876058122268]
  本稿では,ソフトウェアシステムにおけるエネルギー消費ホットスポットの同定と分離のためのエネルギーデバッグ手法を提案する。 分析の結果,AlpineディストリビューションとUbuntuディストリビューションのエネルギー消費の相違が明らかとなった。 我々は,memcpyの分離とベンチマークにより,エネルギー差の主な原因として確認した。
  論文  参考訳（メタデータ） (2024-12-13T11:49:19Z)
• Green AI: A Preliminary Empirical Study on Energy Consumption in DL Models Across Different Runtime Infrastructures [56.200335252600354]
  トレーニング済みのモデルを、ネイティブな開発環境とは異なる環境にデプロイするのは、一般的なプラクティスです。 これにより、インフラを含むONNXや標準フォーマットとして機能するONNXなどの交換フォーマットが導入された。
  論文  参考訳（メタデータ） (2024-02-21T09:18:44Z)
• Revisiting Discriminator in GAN Compression: A Generator-discriminator Cooperative Compression Scheme [65.5405625485559]
  GAN圧縮は、リソース制約のあるエッジデバイスにGANをデプロイする際の計算オーバーヘッドとメモリ使用量を大幅に削減することを目的としている。 本稿では,GAN圧縮における識別器の役割を再考し,GAN圧縮のための新しいジェネレータ-識別器協調圧縮スキームであるGCCを設計する。
  論文  参考訳（メタデータ） (2021-10-27T13:54:55Z)
• 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)
• Gradient Coding with Dynamic Clustering for Straggler-Tolerant Distributed Learning [55.052517095437]
  勾配降下(GD)は、複数の労働者にデータセットを分散することで学習タスクの並列化に広く用いられている。 分散同期gdにおけるイテレーション完了時間ごとの重要なパフォーマンスボトルネックは$straggling$ workersである。 コード化された分散技術は、最近ストラグラーを緩和し、労働者に冗長な計算を割り当てることでgdイテレーションを高速化するために導入された。 本稿では,従来のトラグリング動作に依存する可能性のあるコードの中から,冗長なデータを労働者に割り当てて選択する動的GC方式を提案する。
  論文  参考訳（メタデータ） (2021-03-01T18:51:29Z)

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。