[Paper] PPTAM$η$: 에너지 인식 CI/CD 파이프라인, 컨테이너 기반 애플리케이션을 위한

Source: arXiv - 2602.12081v1

Overview

이 논문은 PPTAM η를 소개합니다. 이는 컨테이너 기반 마이크로서비스를 위한 표준 GitLab 파이프라인에 전력 및 에너지 측정을 삽입하는 자동화된 CI/CD 확장입니다. 매 커밋마다 에너지 소비를 가시화함으로써, 저자들은 개발자들이 지연 시간 및 처리량과 함께 에너지를 일급 품질 메트릭으로 다루기 시작할 수 있음을 보여줍니다.

핵심 기여

• Energy‑aware CI/CD pipeline – GitLab CI용 플러그인으로, 각 빌드마다 자동으로 부하 생성, 컨테이너 모니터링, 하드웨어 전력‑프로브 읽기를 트리거합니다.
• End‑to‑end measurement framework – 소프트웨어 메트릭(CPU, 메모리, 네트워크)과 플러그인 전력계에서 얻은 하드웨어 수준 전력 데이터를 결합해 커밋 간에 비교 가능한 수치를 제공합니다.
• Version‑level comparison – 커밋별 에너지 및 성능 결과를 검색 가능한 아티팩트 저장소에 저장하여 테스트 엔지니어가 회귀를 즉시 파악할 수 있게 합니다.
• Trend analysis tooling – 에너지와 시간의 관계를 시각화하는 대시보드로, 연구자가 코드 냄새, 리팩터링, 디자인 패턴이 전력 사용에 미치는 영향을 연구할 수 있도록 돕습니다.
• Empirical validation – 네 개의 연속 커밋에 걸친 JWT 보호 API 사례 연구를 통해, 작은 코드 변경이라도 측정 가능한 비율로 에너지 소비를 변화시킬 수 있음을 보여줍니다.

방법론

1. Pipeline Integration – 저자들은 GitLab CI YAML 파일에 세 개의 새로운 단계를 추가했습니다:

   • Load Generation – 가벼운 트래픽 생성기(예: hey 또는 wrk)가 API에 고정된 요청 패턴을 전송합니다.
   • Container Monitoring – Docker stats와 Prometheus가 각 컨테이너의 CPU, 메모리, 네트워크 카운터를 수집합니다.
   • Power Measurement – USB‑C 전력 프로브(예: WattsUp? 또는 유사 장치)가 호스트 머신의 실시간 전력 소비량을 기록합니다.

2. Synchronization – 세 데이터 스트림 모두에 타임스탬프를 부여하고 SQLite/InfluxDB 시계열 DB에 저장하여 에너지 수치가 정확한 부하 단계와 일치하도록 보장합니다.

3. Automation & Reporting – 각 파이프라인 실행 후, Python 후처리기가 원시 데이터를 커밋별 요약(평균 전력, 총 에너지(줄), 지연 시간 백분위수 등)으로 집계하고 JSON 아티팩트를 GitLab 패키지 레지스트리에 푸시합니다.

4. Validation – 저자들은 JWT 토큰으로 보호된 간단한 Flask 기반 API에 파이프라인을 적용하고, 로깅 문구 추가, 요청 핸들러 리팩터링 등 네 가지 점진적 변경을 커밋했습니다. 이후 얻어진 에너지 및 성능 수치를 비교하여 재현성을 검증했습니다.

결과 및 발견

• 에너지 민감도 – 단 하나의 추가 print 문(v1.2)으로 평균 전력이 약 7 % 증가하고 총 에너지가 약 6 % 증가했으며, 지연 시간도 약간 늘어났습니다.
• 성능과의 상관관계 – 대부분의 에너지 변화는 지연 시간 변동과 일치했지만, 캐싱과 같은 일부 최적화는 눈에 띄는 지연 시간 변화 없이 에너지를 절감하여 숨겨진 절감 효과를 보여줍니다.
• 재현성 – 동일 커밋을 세 번 실행했을 때 변동 폭이 2 % 미만으로 측정되어, 측정 설정이 CI에 사용할 만큼 충분히 안정적임을 확인했습니다.

실용적인 시사점

• 개발자 피드백 루프 – 팀은 이제 머지 요청에 “에너지 배지”를 볼 수 있어, 프로덕션에 반영되기 전에 우발적인 회귀를 방지할 수 있습니다.
• 비용 인식 스케일링 – 운영팀은 커밋당 에너지 데이터를 활용해 쿠버네티스 클러스터의 전력 예산을 예측하고, 클라우드 제공업체의 전기 요금을 감소시킬 수 있습니다.
• 그린‑바이‑디자인 툴링 – 파이프라인을 에너지 소모가 큰 알려진 패턴을 표시하는 정적 분석 도구와 결합하여 리팩토링 결정을 안내할 수 있습니다.
• SaaS API 벤치마킹 – 공개 API를 제공하는 기업은 엔드포인트별 에너지 발자국을 공개함으로써 지속 가능성에 초점을 맞춘 시장에서 차별화할 수 있습니다.

제한 사항 및 향후 작업

• 하드웨어 의존성 – 정확한 전력 측정을 위해 호스트에 전용 전력 프로브가 필요합니다; 이 접근 방식은 완전 가상화된 CI 러너나 서버리스 환경에서는 이동성이 떨어집니다.
• 단일 호스트 컨테이너에 제한된 범위 – 멀티 노드 Kubernetes 클러스터는 네트워크 수준의 전력 소비를 발생시키지만 현재 설정에서는 이를 포착하지 못합니다.
• 워크로드 현실성 – 사례 연구는 합성 HTTP 트래픽을 사용합니다; 향후 작업에서는 실제 프로덕션 트레이스와 다양한 마이크로서비스 토폴로지를 평가해야 합니다.
• 베이스라인 선택 자동화 – 저자들은 통계적 변화 감지 알고리즘을 추가하여 수동 임계값 조정 없이도 중요한 에너지 회귀를 자동으로 표시할 계획입니다.

에너지 인식을 CI/CD 워크플로에 직접 통합함으로써, PPTAM η는 개발자들이 지속 가능성을 측정 가능하고 실행 가능한 품질 속성으로 다룰 수 있는 길을 열어줍니다—“그린 코딩”이라는 유행어를 구체적인 엔지니어링 실천으로 전환합니다.

저자

• Alessandro Aneggi
• Xiaozhou Li
• Andrea Janes

논문 정보

• arXiv ID: 2602.12081v1
• 분류: cs.SE
• 출판일: 2026년 2월 12일
• PDF: PDF 다운로드