《Future Generation Computer Systems》：Carbon-aware resource scheduling for geo-distributed cloud–edge systems under SLA and capacity constraints
编辑推荐：
碳感知调度器将工作负载放置于地理分布式云-边缘基础设施之上，其中电网碳强度随区域和时段而变化。然而，实际部署必须在有限节点容量下满足时延与可靠性服务等级协议（SLA）。本研究通过评估一个碳优先的混合整数线性规划（MILP）——该模型带有硬性SLA与完成约束——
碳感知调度器将工作负载放置于地理分布式云-边缘基础设施之上，其中电网碳强度随区域和时段而变化。然而，实际部署必须在有限节点容量下满足时延与可靠性服务等级协议（SLA）。本研究通过评估一个碳优先的混合整数线性规划（MILP）——该模型带有硬性SLA与完成约束——并与可部署的在线SLA感知启发式方法（一种优先调度约束最强任务的稀缺感知贪心策略）以及基于文献的近期碳感知调度器改编版本进行对比，采用覆盖七个区域、完整日历年度的真实Electricity Maps电网强度轨迹，来研究何时有必要对该问题进行精确优化。结果表明三项主要发现。第一，空间/时间分解显示碳节省绝大多数来自空间维度：全年范围内，仅空间路由即可捕获完整优化器约98%的节省量，且在移除极低碳区域后该比例不降反升，因此该发现并非单一异常区域的假象。第二，稀缺感知启发式已在硬约束上与MILP持平，保持零SLA违规与完全完成，因此合规性无需精确优化。第三，MILP仍能将碳排放降至该最强合规启发式之下：当清洁容量充裕时差距较小，但随着容量收紧而稳步增大，因此精确优化特别在资源竞争下对碳关键型工作负载而言值得其代价。真实Kubernetes部署证实了这一行为，并揭示出模型无法捕获的运行时效应：在没有优先级感知准入的情况下，基于watch的并发调度器会让宽松Pod抢先并饿死受SLA约束的Pod。因此，研究人员将碳感知云-边缘调度界定为依赖于运行区制的（regime-dependent）问题，并刻画了精确优化何时值得其代价。
研究背景方面，云计算已成为全球经济的关键层次，但其能耗与相关排放构成重大可持续性关切。全球云计算行业2023年消耗约200 TWh电力，贡献全球碳排放的约2%至3%，与航空部门相当，且按当前增长轨迹，数据中心电力需求预计到2030年将超过1,000 TWh。硬件与基础设施效率提升虽放缓了能耗强度的增长，但绝对消耗随计算工作负载扩张而持续上升。多数脱碳策略聚焦于数据中心层面干预（高效硬件、AI驱动冷却控制、现场可再生能源发电），但这些措施边际收益递减，通常在10%–20%区间，且需大量资本支出。与此同时，一个系统级机会尚未被充分利用：电力碳强度高度动态，欧洲范围内区域间电网碳强度可相差2–23倍，日内可相差3–10倍。若能跨时间与地理迁移计算需求，同一工作负载可用显著不同的排放来服务。这一观察催生了碳感知计算方法，将工作负载空间迁移至低碳区域、时间迁移至清洁时段。然而，既有文献存在两个未充分探索的问题：其一，大量收益以相对弱基线的聚合碳节省形式报告，未分离空间路由与时间迁移各自贡献多少，也未明确是否根本需要精确优化——轻量启发式可能已捕获大部分节省；其二，真实调度器必须遵守时延与可靠性SLA及有限节点容量，但尚不清楚精确优化器的联合约束感知视角何时值得其计算成本而非可部署的在线启发式。现代云工作负载主要部署于Kubernetes等容器编排平台，因此任何答案还必须经受真实编排器而非模拟器的检验。为此，研究人员开展了碳感知调度在SLA与容量约束下何时值得精确优化的研究，构建了碳优先MILP规划器（带硬性SLA、容量与完成约束），并在真实电网强度轨迹上于批量仿真与真实Kubernetes部署中，将其与稀缺感知贪心、到达顺序在线SLA感知贪心以及基于文献的近期碳感知调度器改编版本进行对比评估。研究得出：碳节省绝大多数为空间性，仅空间路由即可捕获几乎全部可实现减排；稀缺感知贪心已在硬约束上与精确优化持平，合规性无需精确方法；一旦合规性得到保障，精确优化仍能将碳排降低至最强合规启发式之下，该边际在清洁容量充裕时较小、随容量收紧而增大，故精确优化特别在资源竞争下对碳关键型工作负载值得其成本；真实Kubernetes部署证实该行为并暴露出离线模型无法呈现的运行时饿死效应。其重要意义在于将碳感知云-边缘调度重新界定为依赖于运行区制的资源管理问题，明确了轻量在线启发式在清洁容量充裕时适用、而精确优化在稀缺SLA合规资源须谨慎分配时具有价值。
在技术方法上，研究人员主要采用：构建带硬性SLA、容量与完成约束的碳优先MILP调度器（以碳足迹为主目标、能耗为次级目标），并设计空间-only与时间-only分解变体以归因节省来源；采用覆盖七个区域、完整2025日历年度的小时级真实Electricity Maps电网碳强度轨迹（含两个额外实测日用于运行时验证，JP-TK为模型估计值）；在11节点地理分布式云-边缘基础设施（映射至七个区域，规划时域24个1小时时隙）上开展批量仿真，工作负载含约85%宽松任务与约15%紧约束任务，并使用固定随机种子；实现watch-and-bind式Kubernetes自定义调度器（k3d集群，k3s v1.31.5，一服务器七区域标签代理）进行真实部署验证，并设置独立执行的90秒观测窗口与100秒调度器重试逻辑。
研究结果方面，第一，真实碳强度轨迹：采用七个区域（FR、GB、DE、US-CAL-CISO、US-MIDW-MISO、AU-NSW、JP-TK）2025年全年8760条小时记录，区域差异显著，FR全年保持最清洁，AU-NSW、JP-TK与US-MIDW-MISO显著更高，为分解提供了强区域不对称性。第二，空间与时间分解：通过将MILP分解为空间-only与时间-only变体并在全年365天评估，得出仅空间路由达97.0%节省（约为完整优化器98.5%的98%），而仅时间迁移仅达39.8%；移除极低碳区域后空间-only仍捕获95.2%并占完整优化器的99.8%，故联合时空优化相对空间路由的增量价值随区域不对称性下降而缩小而非增大，空间份额随季节仅温和变动（冬季94.5%至夏季97.7%）。第三，无竞争时启发式与MILP持平：通过无竞争批量对比得出稀缺感知贪心在碳排上与MILP相差约0.2个百分点且保持零SLA违规，到达顺序贪心相差约0.8个百分点。第四，竞争下精确优化显现价值：通过按清洁容量因子缩放清洁与紧合规节点容量开展竞争实验，得出稀缺感知贪心在硬性结果上与MILP持平（各竞争水平零强制违规与完全完成），但MILP碳排放更低且边际随容量收紧而增大——稀缺感知贪心在容量充裕时多排约10%，在最紧竞争时多排约三分之一至一半；在线WMA时间基线虽原始节省相当，但因不过滤SLA合规而全程违规12%–13%，不构成合规选项。第五，统计比较：通过对全年样本的配对Wilcoxon符号秩检验，得出MILP相对稀缺感知贪心的碳优势在各竞争水平均统计显著（各因子100对试验中MILP均严格更低，p<10?1?，经Holm校正），每试验中位差从清洁容量充裕时的7.4 gCO2增至最紧竞争时的80.0 gCO2，变化的是差距幅度而非显著性。第六，可扩展性与求解时间：通过测量决策时延得出碳优先MILP需数秒，而在线启发式在所有任务数下均低于10 ms，MILP适合批量规划、启发式适合时延敏感的在线调度，n=200最紧竞争下求解器可能未在时限内闭合最优性间隙故为保守下界，主要结论基于n≤100。第七，真实Kubernetes部署：通过在k3d集群上以40与80个Pod（约15%紧约束）、三种子、两个碳强度日开展部署，得出碳-SLA调度器在每试验中零SLA违规并相对拓扑不感知默认调度器大幅减碳，在竞争下因将紧Pod路由至合规区域而为更大宽松Pod池保留最清洁区域，故碳竞争力与碳贪心相当甚至更优；但该合规保证伴随可用性成本，碳-SLA调度器在n=40竞争下平均留4.0个Pod Pending、n=80时11.8个，完成率分别为0.900与0.852；碳贪心与默认调度器在窗口内完成所有Pod但产生SLA违规（n=80竞争下分别平均11.8与10.0次）；部署还暴露出离线模型缺失的效应——因按watch事件顺序处理且无优先级感知准入，实时碳-SLA调度器在n=80竞争下平均留11.8个紧Pod Pending，而离线模型预测约4个，这促使引入优先级感知准入。
讨论部分总结如下：关于节省的空间性，分解表明全年仅空间路由即捕获几乎全部可实现节省，且移除极低碳区域后时间迁移的增量价值进一步缩小而非增大，故在此类区域不对称程度的电网上碳感知调度主要是放置问题，但该论断限于所评估区制——区域差异小得多的电网上空间节省会更低、时间迁移的相对价值相应更高。关于启发式何时足够，稀缺感知贪心通过优先调度约束最强任务已在所测各竞争水平保持零SLA违规与完全完成，故合规性无需精确优化；当合规放置间碳差异较小时该启发式在碳排上也与MILP接近。关于精确优化何时值得，一旦合规性持平，MILP仍降低碳排且边际随清洁容量收紧而增大，其机制是对稀缺约束容量的全局预留，此为在线逐任务调度器无法复制的；该图景全年稳定且在较低区域不对称性下不减弱，因移除最清洁区域后放置决策对简单启发式更不明显，故MILP优势保持或增大；在硬SLA设定下MILP在无合规放置时报告不可行而非不安全放置，而真实部署证实合规行为并表明无优先级感知准入时并发watch调度器在竞争下饿死受SLA约束Pod。关于有效性威胁，评估已覆盖完整日历年真实碳数据，分解及定性结论跨所有季节稳定；数据本身仍有两点局限：其一区域JP-TK在2025年由Electricity Maps模型估计而非实测信号，仅作为高碳参考且不据此得出JP-TK特定结论；其二该年度仍反映当前欧洲与国际电网结构，区域差异远小于所观测值的电网会降低空间节省并提高时间迁移相对价值，此属未评估区制；系统方面集群为单一固定拓扑与节点基础设施配置，碳由放置与固定Pod功率模型建模而非计量，n=200紧竞争下MILP可能未在时限内闭合最优性间隙；第三项局限为能耗与SLA模型，排放由任务放置、功率假设与区域级碳强度估计，未捕获全部硬件级效应（如CPU频率调节、内存压力、冷却开销、网络传输能耗、存储I/O），SLA违规基于调度器模型所用的时延与可靠性抽象；Kubernetes完成分析采用固定90秒实验观测窗口而非应用级截止期，截止时Pending Pod报告为观测窗口未命中而非应用SLA截止期违规，其等待时间在90秒处右删失，Kubernetes条件时间戳为整秒分辨率限制了已完成Pod间的细粒度时延比较；最后MILP公式随任务数增长而昂贵，虽所测实例对离线规划仍可用，更大生产工作负载可能需分解、滚动时域优化或学习引导启发式。研究结论翻译如下：研究人员研究了在SLA与容量约束下跨地理分布式云-边缘基础设施的碳感知调度中精确优化何时值得其代价。利用真实电网强度轨迹，空间/时间分解表明碳节省绝大多数为空间性：空间路由捕获大部分可实现减排，而在强区域不对称下时间迁移贡献相对较小。优先调度约束最强任务的稀缺感知启发式足以保障合规，保持零SLA违规与完全完成，故精确优化无需用于该目的。MILP所增加的是相对该最强合规启发式的进一步碳减排，清洁容量充裕时较小、随容量收紧而增大，故精确优化特别在资源竞争下对碳关键型工作负载值得其成本。该结论在全年真实数据上成立且不随区域不对称性下降而减弱。真实Kubernetes部署支持该结论并揭示额外运行时问题：无优先级感知准入时，基于watch的并发调度器可能让宽松Pod在受SLA约束Pod放置之前消耗容量。这些结果表明碳感知云-边缘调度依赖于运行区制：清洁容量充裕时轻量在线启发式适用，而稀缺SLA合规资源须谨慎分配时精确优化具有价值。未来工作将在集群上增加计量能耗测量、开发优先级感知准入以改善竞争下运行时调度、将模型扩展至真正的多时隙任务占用，并评估区域间差异远小于所研究值的电网，其中时间迁移预期更为重要。
