Reducing carbon emissions in Kubernetes clusters through temporal and spatial workload management

Abstract

Carbon aware scheduling is a technique used to optimize the allocation of compute resources in a cloud computing system in order to minimize the carbon emissions associated with running those resources. As the demand for computing resources continues to grow, the carbon emissions associated with data centers and other computing infrastructure are becoming an increasingly significant contributor to climate change. In this paper, we present an overview of the state of the art in carbon aware scheduling techniques for cloud computing systems, including both centralized and decentralized approaches. We discuss the advantages and disadvantages of different carbon aware scheduling approaches, and provide insights into the trade-offs that need to be considered when choosing an approach. Finally, we identify key challenges and open problems in the field of carbon aware scheduling for cloud computing systems, and suggest directions for future research.

Die kohlenstoffbewusste Planung ist eine Technik zur Optimierung der Zuweisung von Rechenressourcen in einem Cloud-Computing-System, um die mit dem Betrieb dieser Ressourcen verbundenen Kohlenstoffemissionen zu minimieren. Da die Nachfrage nach Rechenressourcen weiter steigt, tragen die mit Rechenzentren und anderen Recheninfrastrukturen verbundenen Kohlenstoffemissionen immer stärker zum Klimawandel bei. In diesem Beitrag geben wir einen Überblick über den aktuellen Stand der Technik bei kohlenstoffbewussten Planungstechniken für Cloud-Computing-Systeme, einschließlich zentralisierter und dezentralisierter Ansätze. Wir erörtern die Vor- und Nachteile der verschiedenen Ansätze zur klimabewussten Planung und geben Einblicke in die Kompromisse, die bei der Auswahl eines Ansatzes zu berücksichtigen sind. Abschließend identifizieren wir die wichtigsten Herausforderungen und offenen Probleme im Bereich der kohlenstoffbewussten Planung für Cloud-Computing-Systeme und schlagen Richtungen für die zukünftige Forschung vor.