Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.21422

帮助 | 高级搜索

计算机科学 > 分布式、并行与集群计算

arXiv:2506.21422 (cs)
[提交于 2025年6月26日 ]

标题: 基于预算的碳感知微服务部署以实现最佳用户体验

标题: Carbon-Aware Microservice Deployment for Optimal User Experience on a Budget

Authors:Kevin Kreutz, Philipp Wiesner, Monica Vitali
摘要: 数据中心的碳足迹最近已成为一个关键问题。 到目前为止,大多数碳感知策略都集中在通过调整工作负载执行的时间和位置,利用批处理调度决策的灵活性。 然而,由于服务导向的云应用程序必须在任何时间点都能被访问,并且通常需要低延迟,因此这些方法无法应用于服务导向的云应用程序。 我们提出了一种在每小时碳预算下运行微服务的碳感知方法。 通过为每个微服务选择最合适版本和水平扩展,我们的策略在遵守预算限制的同时最大化用户体验和收入。 在各种应用配置和碳预算上的实验表明,该方法能够正确适应变化的工作负载和碳强度。
摘要: The carbon footprint of data centers has recently become a critical concern. So far, most carbon-aware strategies have focused on leveraging the flexibility of scheduling decisions for batch processing by shifting the time and location of workload executions. However, such approaches cannot be applied to service-oriented cloud applications, since they have to be reachable at every point in time and often at low latencies. We propose a carbon-aware approach for operating microservices under hourly carbon budgets. By choosing the most appropriate version and horizontal scaleout for each microservice, our strategy maximizes user experience and revenue while staying within budget constraints. Experiments across various application configurations and carbon budgets demonstrate that the approach adapts properly to changing workloads and carbon intensities.
评论: LOCO 2024,2024年12月3日,格拉斯哥/在线
主题: 分布式、并行与集群计算 (cs.DC)
引用方式: arXiv:2506.21422 [cs.DC]
  (或者 arXiv:2506.21422v1 [cs.DC] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.21422
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Monica Vitali [查看电子邮件]
[v1] 星期四, 2025 年 6 月 26 日 16:07:07 UTC (286 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.DC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号