[Paper] Spatio-Temporal Shifting을 통한 클라우드 워크로드의 탄소, 물, 토지 사용 발자국 감소

Source: arXiv - 2512.08725v1

Overview

이 논문은 다른 지역(공간 이동) 및 다른 시간대(시간 이동) 로 클라우드 워크로드를 이동시키는 것이 클라우드 컴퓨팅의 환경 영향을 크게 줄일 수 있음을 탐구한다—특히 탄소 배출, 물 소비 및 토지 사용량을 말한다. AWS와 Azure의 실제 트레이스를 시뮬레이션함으로써, 저자들은 스마트한 배치와 스케줄링이 최적의 경우 **85 %**까지 이러한 발자국을 감소시킬 수 있음을 보여준다.

Key Contributions

• 정량적 평가: 공간 및 시간 워크로드 마이그레이션을 통해 달성할 수 있는 탄소, 물, 토지 사용 절감량.
• 시뮬레이션 프레임워크: 실제 제공자 데이터(지역 전력 믹스, 물 강도, 토지 사용 계수)와 빅데이터 분석 및 Function‑as‑a‑Service(FaaS) 애플리케이션 워크로드 트레이스를 입력받음.
• 실증 증거: 공간 이동이 절감 효과를 주도(20‑85 % 감소)하고, 시간 이동은 작지만 일관된 추가 이점을 제공함을 입증.
• 견고성 분석: 절감 효과가 전력 믹스 예측 오류와 계절 변동에도 유지됨을 보여줌.
• 다목적 최적화: 운영자가 비즈니스 또는 규제 목표에 따라 탄소, 물, 토지 사용 감소를 우선순위로 설정할 수 있게 함.

Methodology

1. 데이터 수집 – AWS와 Azure 데이터센터 위치에 대한 공개 전력 보고서에서 지역별 지속 가능성 지표(CO₂ 강도, 물 사용량, 토지 사용 영향)를 수집.
2. 워크로드 트레이스 – 두 종류의 워크로드에 대한 공개 트레이스를 사용: (a) 배치 빅데이터 분석 작업, (b) 폭발적인 요청 패턴을 가진 서버리스 FaaS 함수.
3. 시뮬레이션 엔진 – 각 작업을 지역‑시간 슬롯에 매핑하고, 관련 환경 발자국을 계산하며, 지연시간, 데이터 중력, SLA 마감시간 등 현실적인 제약을 적용하는 이산 이벤트 시뮬레이터 구축.
4. 최적화 시나리오 – 세 가지 실험을 수행: (i) 공간만, (ii) 시간만, (iii) 복합 이동, 각각을 세 가지 발자국 중 하나에 대해 최적화.
5. 민감도 테스트 – 전력 믹스 예측치에 ±10 % 오류를 가하고, 계절 프로파일을 교체하여 결과의 안정성을 평가.

Results & Findings

• 공간 이동은 지역 전력 믹스 차이가 크게 나기 때문에(예: 수력으로 전력을 공급받는 북유럽 데이터센터 vs. 석탄에 의존하는 미국 남부 지역) 절감 효과의 대부분을 제공한다.
• 시간 이동은 해당 지역의 전력망이 비피크 시간에 더 친환경(예: 정오에 태양광 출력 증가)일 때 도움이 된다.
• 복합 접근법은 두 차원이 보완관계에 있음을 확인시켜 가장 높은 전체 감소율을 달성한다.
• 견고성: 전력 탄소 강도 예측이 10 % 오차가 나더라도 평균 감소율은 약 3 %만 감소해 실용적인 회복력을 보여준다.

Practical Implications

• 클라우드 비용 vs. 지속 가능성 트레이드오프: 많은 제공자가 이미 “그린” 지역을 공개하고 있는데, 이 연구는 실시간 전력망 데이터를 배치 API에 통합하면 이러한 옵션을 측정 가능한 절감으로 전환할 수 있음을 시사한다.
• 스케줄러 향상: 기존 Kubernetes나 서버리스 오케스트레이터에 “그린‑스코어” 플러그인을 추가해 탄소/물 강도가 낮은 노드·지역을 우선 선택하도록 확장 가능.
• SLA‑인식 마이그레이션: 지연에 민감한 애플리케이션의 경우, 정의된 지연 예산 내에서 지역 이동을 제한하고 배치 워크로드에 시간 창을 활용하면 여전히 이점을 얻을 수 있다.
• 기업 ESG 보고: 기업은 이 방법론을 활용해 클라우드 기반 서비스에 대한 보다 정확한 탄소 회계를 생성하고, 지속 가능성 인증 및 탄소 상쇄 예산을 지원할 수 있다.
• 툴링 기회: 전력 믹스 데이터를 가져오는(예: Electricity Map API) 오픈소스 라이브러리를 개발하고 이를 클라우드‑네이티브 스케줄러에 노출하는 것이 새로운 “그린‑옵스” 유틸리티 계열이 될 수 있다.

Limitations & Future Work

• 시뮬레이션 한정: 연구는 모델링된 워크로드에 의존하며 실제 운영 배포를 포함하지 않으므로, 실제 오버헤드(예: 데이터 전송 비용, 콜드 스타트 패널티)는 다를 수 있다.
• 데이터‑중력 제약이 단순화되었으며, 데이터 위치와 컴퓨팅 간의 긴밀한 결합은 일부 애플리케이션의 가능한 공간 이동을 제한할 수 있다.
• 경제적 요인(지역별 가격 차이, 스팟 인스턴스 가용성)은 최적화에 포함되지 않았지만 실제 의사결정에 큰 영향을 미친다.
• 향후 방향(저자 제안):
  1. 실시간 전력망 데이터를 통합하는 라이브 스케줄러 프로토타입 구현.
  2. 모델을 엣지 컴퓨팅 노드까지 확장.
  3. 여러 클라우드 제공자를 오가며 가장 친환경적인 전력 믹스를 추구하는 다중 클라우드 차익거래 탐색.

Authors

• Giulio Attenni
• Youssef Moawad
• Novella Bartolini
• Lauritz Thamsen

Paper Information

• arXiv ID: 2512.08725v1
• Categories: cs.DC
• Published: December 9, 2025
• PDF: Download PDF