迈向净零云：一种 SLA 感知、碳优化和混合资源管理技术

《Future Generation Computer Systems》：Towards Net-Zero clouds: An SLA-aware, carbon-optimized, and hybrid resource management technique

　　

摘要
云数据中心（CDCs）构成了数字服务的基础，但它们也是全球碳排放和能源需求的主要来源。为了实现净零基础设施、环境可持续性、能源效率以及服务质量（即服务水平协议（SLAs）方面的保障），必须对这些要素进行平衡。本研究提出了一种新的混合云边资源管理框架，该框架具有能效高、碳优化和感知 SLA 的特点。我们的框架由三个模块组成：(i) 预测迁移引擎，使用深度递归模型预测工作负载并主动放置服务；(ii) 碳感知调度器，使用预测和实时电网碳强度通过放置来减少排放；(iii) 混合云边编排器，根据可持续性目标、计算强度和服务延迟在边缘节点和 CDCs 之间动态分配工作负载。在真实世界轨迹上的综合实验表明，所提出的方法可以显著超越最先进基准，实现高达 23% 的节能、31% 的碳减排和超过 95% 的 SLA 合规性。通过将混合编排、碳感知调度和预测智能结合到一个综合架构中，我们的框架推动了净零云基础设施领域的发展。

引言
由于数字服务的扩展以及物联网（IoT）、人工智能（AI）以及支持 5G 和 6G 技术的应用等新范式的快速普及，全球对云计算的需求呈指数级增长。由于它们为数百万用户提供了可扩展的处理、存储和网络能力，云数据中心（CDCs）已成为数字基础设施的基础。然而，这些 CDCs 的能源使用量急剧增加，对全球温室气体（GHG）或碳（CO2）排放做出了巨大贡献。根据最近的一份报告，CDCs 消耗了全球 1.5% 到 3% 的电力和 0.5% 到 2% 的碳排放，如果采取主动措施，这一比例预计将增加，即预计排放量到 2030 年将占全球总量的 1%-1.4%[1]。在英国，CDCs 消耗了该国约 2.5% 的电力，并贡献了所有能源相关温室气体排放的 1%[2]。随着可再生能源的增长，大多数这些 CDCs 现在使用更绿色的能源供电，这些能源具有间歇性且取决于其可用性。因此，工业界和学术界越来越寻求与碳感知云计算相关的解决方案和资源管理方法。提高利用率、降低运营成本和保证服务水平协议（SLA）合规性等方法一直是传统云资源管理的主要目标；这些策略通常是碳不可知的。此外，鉴于全球向净零排放迈进的趋势，仅在 CDCs 中进行成本和性能优化已不再足够。事实上，调度、资源分配和迁移决策需要考虑碳强度、可再生能源的可用性以及工作负载转移方法。使用简单的启发式方法实现这一三重优化目标——平衡碳感知、能源效率和 SLA 感知——相当困难，特别是在资源和负载高度异构且动态的环境背景下。
混合云边生态系统的出现使这种情况变得更加困难和复杂，特别是当 CDCs 位于不同的地理位置（具有不同的能源价格和碳强度）并使用不同的能源供电时。尽管 CDCs 提供了巨大的计算能力，但它们通常远离最终用户，这对需要实时和延迟敏感响应的特定应用程序造成了延迟惩罚。此外，边缘节点的容量有限（计算、存储），可用性不稳定（由于移动性），但提供了接近性和降低延迟的优势。为了满足性能和可持续性目标，此类框架需要能够协作利用云和边缘资源的智能编排技术。现有解决方案通常分别关注碳减排、能源效率或 SLA 优化，缺乏一种能够同时考虑混合基础设施中所有目标的连贯框架。在过去几十年中，工作负载预测、碳感知调度和虚拟化技术取得了显著改进；然而，仍然存在一些相对未探索的空白。例如：(i) 现有解决方案不适用于实时或环境敏感应用程序，因为它们大多不结合 SLA 保障、能源和碳强度；(ii) 现有文献中很少提供跨越云和边缘层的统一调度和迁移框架，其中的工作负载在延迟和计算需求方面差异巨大；(iii) 现有管理系统中缺乏在适应变化的碳强度时主动避免 SLA 违规（SLAV）的强大预测方法。
为了解决上述挑战，本文介绍了一种新颖的感知 SLA、碳优化、能效高的混合云边资源管理框架，并提出了几种资源分配算法。我们工作的主要贡献如下：
•提出了一个集成的资源管理框架，结合了碳感知调度、预测迁移、能效分配和混合云边编排，以促进可持续性驱动的决策制定。
•提出了一种预测迁移引擎，使用深度学习方法，即门控循环单元（GRU）和长短期记忆网络（LSTM）来预测工作负载。
•建议了一种碳感知调度器，根据实时碳强度和能源价格动态分配工作负载，同时保持 SLAs。
•设计了一种混合云边编排器，在接近性和可再生能源考虑之间取得平衡。
•提供了使用真实世界轨迹和碳强度数据集将建议的框架与尖端基准进行比较的结果。
论文的其余部分组织如下。第 2 节审查了混合编排、碳感知云计算和感知 SLA 资源管理的相关研究。我们在第 3 节将工作负载放置问题表述为一个优化问题。第 4 节提出了建议的框架、术语和算法设计。第 4.5 节设计了几个用于工作负载放置的算法。第 5 节深入描述了实验设置、数据集和性能分析。第 6 节详细阐述了实验结果。第 7 节总结了论文的主要结论，并建议了进一步研究的领域。

章节摘要
相关工作
在云计算领域，关于提高云数据中心（CDCs）能源效率和性能的研究非常广泛。能源效率通常通过三个层面的优化来实现：软件、硬件和中间系统层。两种广泛采用的技术是虚拟机（VM）整合和动态电压和频率缩放（DVFS），这些技术已被纳入众多研究中。然而，这些方法在过载的云数据中心中通常表现不佳。

问题描述
云服务提供商（CSPs）运营着跨越不同地理位置和边缘节点的大型基础设施，电力成本、碳强度和资源可用性随时间发生剧烈变化。这些基础设施由传统和可再生能源的组合供电，其中可再生能源具有间歇性且对环境友好。这意味着 CSPs 面临着有效定位和管理工作负载以减少能源消耗的挑战。

提出的框架
我们提出了一种可持续云基础设施的整体框架，集成了 SLA 感知、碳优化和混合云边资源管理，以促进净零 CDCs 的愿景。该框架由三个模块组成：(i) 预测迁移引擎；(ii) 碳感知调度器；(iii) 混合云边编排器。我们的工作负载预测和迁移引擎基于深度递归模型（GRU/LSTM）开发，可用于主动分配资源。

性能评估
为了评估所提出框架及其集成算法的有效性，我们建模并模拟了一组地理分布的云和边缘数据中心。该评估旨在通过将真实工作负载轨迹与合理的仿真模型相结合来捕捉现实条件。我们扩展了 CloudSim 工具包，该工具包在云社区中广泛用于对分布式集群和资源管理策略进行建模。我们的扩展纳入了。

结果与讨论
我们框架的扩展版本集成了增强的放置和迁移策略，包括提出的 FillUp@LS+ 和 FollowMe@LS+ 算法，这些算法提高了与迁移相关的能源效率、性能和延迟。放置策略将工作负载轨迹（假设在虚拟机或容器内运行）分配给合适的主机，而整合确保集群状态通过减少活动主机得到优化，从而减少能源使用。整合主要通过。

结论与未来工作
在本文中，我们提供了 CDCs 中感知 SLA、碳最优、混合云边资源管理的整体架构。所提出的方法建立在已开发的方法之上，如 VM 整合、反应式迁移、预测式迁移、碳感知调度和混合边云编排，这些方法被整合到一个管理架构中。与传统专注于能源的方法不同，该框架优化了能源效率、碳排放、SLA 和。

CRediT 作者贡献声明
穆罕默德·扎卡利亚：撰写——初稿，软件，方法论，调查，概念化。阿亚兹·阿里·汗：可视化，方法论，概念化。

利益冲突声明
作者声明他们没有任何已知的竞争性经济利益或个人关系，这些利益或关系可能看起来会影响本报告中描述的工作。

穆罕默德·扎卡利亚 | 阿亚兹·阿里·汗
科尔夫坎大学，沙迦，阿拉伯联合酋长国