综述:迈向可持续计算:云边架构中注重能源效率的资源管理的影响因素、权衡考量与技术手段

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》:Towards sustainable computing: Influences, trade-offs, and techniques for energy-aware resource management in the cloud-edge continuum

【字体: 大 中 小 】 时间:2026年07月18日 来源:RENEWABLE & SUSTAINABLE ENERGY REVIEWS 18.0

编辑推荐:

  摘要:绿色云计算与边缘计算的核心目标在于提升地理分布式系统的可持续性及能源效率。为达成这一目标,需考虑云计算-边缘计算体系各层面中的诸多因素,包括硬件、能源来源、网络、碳强度、地理位置等。本文对现有文献进行了系统梳理,明确了在提升云计算-边缘系统可持续性与能源效率的管理过程中可纳

  摘要:绿色云计算与边缘计算的核心目标在于提升地理分布式系统的可持续性及能源效率。为达成这一目标,需考虑云计算-边缘计算体系各层面中的诸多因素,包括硬件、能源来源、网络、碳强度、地理位置等。本文对现有文献进行了系统梳理,明确了在提升云计算-边缘系统可持续性与能源效率的管理过程中可纳入的各类因素。我们研究了不同绿色管理因素组合对云计算与边缘系统的影响,分析了这些系统中能源消耗、环境影响以及可再生能源可用性方面的差异。文章详细探讨了在追求可持续性与能源效率时,地理分布式部署所带来的影响,并总结了当前云计算-边缘系统可持续管理领域的最新研究趋势。此外,我们还提出了一个用于最大化云计算-边缘系统能源效率的统一框架,并给出了降低其环境影响的建议。本研究共筛选了400多篇相关文章,最终纳入分析的有185篇。本文的核心发现是:若能从多个系统层面进行更深入、全面的考量,云计算-边缘系统在绿色能源管理方面具有巨大的改进潜力。

引言:集中式云计算模式面临着诸多挑战,这些挑战源于用户与服务之间的距离问题,例如通信延迟[1][2],以及较高的网络带宽需求[3]。为解决这些问题,人们提出了多种将服务部署在靠近终端用户处的方法,比如边缘计算。不过,尽管这些方法能够减轻网络负担并降低通信延迟,但通常会以牺牲规模经济效应为代价[4],并且与远程数据中心相比,还会带来显著更高的环境影响[5]。实际上,云计算与边缘计算理念正日益融合,形成一种混合生态系统(有时被称为云计算-边缘系统或云计算连续体系统),旨在提升用户体验[6]。要对这类云计算-边缘连续体系统进行有效管理,就需要高度自动化的推理能力,而本文的目的正是为构建绿色资源管理知识库做出贡献,从而实现对能源消耗、能源效率以及气候影响的分析评估[7]。为此,本综述分析了云计算数据中心与边缘数据中心之间的关键差异,重点探讨了地理位置如何影响数据中心的能源消耗。同时,我们分析了影响能源消耗的各类因素,全面评估了现有研究在解决这些问题方面的成效,并指出了仍存在的不足。接着,我们提出了相应的缓解策略,以及一个用于实现高效能源利用的云计算-边缘连续体统一框架。此外,我们还研究了人工智能与机器学习在数据中心能源使用中的作用,揭示了这一领域未来的挑战与机遇。

技术的快速发展推动了创新与互联互通,但也带来了巨大的能源需求,尤其是来自数据中心的能源需求——数据中心耗电量巨大,且是温室气体排放的重要来源。了解云计算数据中心与边缘数据中心之间的差异对于缓解这些影响、制定平衡的解决方案至关重要,这些方案旨在优化资源利用、应用节能技术,进而降低数据中心的温室气体排放。为阐明这种发展态势与由此产生的环境影响及可持续性挑战之间的关系,我们在展开具体分析之前,先简要介绍了本文的研究视角(A)、现有的相关综述(B)以及本文的贡献(C)。此外,我们在表1中列出了关键术语表,以提高文本的清晰度,确保读者对全文所使用的术语有统一的理解。

本文的研究视角源自作者们在绿色计算资源管理领域的研究成果,本研究从三个维度对其进行了分析:不同的计算基础设施形式、其运行环境的异构性,以及获取绿色能源的便利程度,都在很大程度上影响着信息通信技术基础设施的能源消耗与环境影响。根据国际能源署的数据,自2010年以来,互联网用户数量翻了一番,网络流量增长了25倍[16]。随着计算范式向边缘方向转变,系统变得更加分散,越来越依赖网络边缘处的资源[11]。这类计算范式的不同变体有着不同的名称,如边缘计算[4]、雾计算[17]和薄雾计算[18],但它们的共同特点都是利用部署在网络端的计算资源,而非传统的数据中心资源。在靠近终端用户处部署服务有助于提升对延迟敏感的应用程序的性能[19],但同时也失去了数据中心所具备的规模经济效应和强大的计算能力。随着时间的推移,这些新兴的计算范式逐渐流行起来,然而,关于它们的能源消耗与环境足迹等关键问题却尚未得到充分研究[11]。据估计,2003年时有5亿台设备连接到互联网上[20],而智能手机、平板电脑和个人电脑的普及使得这一数字大幅上升,到2010年已达到惊人的125亿台[21]。在接下来的十年里,这一增长势头依然强劲,预计到2025年底,全球用户设备数量将达到750亿至800亿台左右[20][22]。

与边缘设备类似,云计算数据中心也在不断发展。Bloomenergy在2025年1月发布的一份报告指出,由于数据中心规模的快速扩张,美国的电力需求正在急剧上升。到2030年,数据中心将消耗美国总用电量的8%至12%,而目前这一比例仅为3%至4%。不过,现有电网仅凭自身力量无法满足这一电力需求[23]。图1(a)和(b)展示了从2022年到2032年数据中心与边缘设备预计的增长情况[24][25]。从图表可以看出,无论是边缘数据中心还是云计算数据中心都在持续增长,这凸显出为提升能源效率、减少信息通信技术基础设施的环境影响而做好能源消耗管理的必要性。

云是一种用于满足计算需求的远程数据中心,它依托于大型数据中心运行,采用集中式架构[26]。云计算与边缘计算的一个关键区别在于:云计算模式与云服务提供商紧密相连,提供商能够完全掌控基础设施,而边缘节点则通常是分布式的,彼此之间的关联较为松散[4]。这就影响了服务提供商对基础设施的控制程度,以及他们预测和减轻系统气候影响的能力。例如,云服务提供商可以决定使用何种硬件、控制计算负载、管理网络等,而边缘站点通常无法做到这一点(程度较低),而且更容易受到外部因素的影响,比如网络负载。此外,边缘资源的异构性以及电力分配的复杂性,使得云计算-边缘连续体系统在能源管理方面比传统的云计算环境更为复杂[27]。为简化分析,我们将边缘节点视为部署在更靠近用户处的小型数据中心,而边缘设备则指终端用户设备。

引入绿色能源(如风能)能够让数据中心自行产生可再生能源[28],从而推动自给自足的数据中心的发展,减少对非绿色能源的依赖。相比之下,边缘数据中心可能依靠多种能源供应[29],但它们依赖于当地的能源供应商,而且由于通常部署在城市环境中,获取绿色可再生能源的机会相对较少。另一个区别是,云服务提供商可以选择在何处部署数据中心,比如选择气候寒冷的地区,以此降低冷却所需的能量成本。而边缘数据中心则通常部署在城市环境中,因为边缘节点和边缘数据中心需要靠近用户[30]。

云计算数据中心得益于集中的基础设施,因此能够实现规模经济效应,同时还可以运用人工智能、实时监控等先进的能源管理技术。此外,高利用率以及高效的冷却系统也有助于优化能源使用。相反,边缘数据中心由于其规模较小、架构完全分布式、自动化程度有限,以及在整合可再生能源方面存在诸多限制,面临着诸多障碍[31][32]。考虑到云计算数据中心与边缘数据中心之间的这些差异,显然边缘数据中心的能源管理更为复杂,面临的挑战也不同于云计算数据中心。

目前,数据中心消耗的能源占全球总能量的1%至4%,预计到2030年,这一比例还将上升到8%[23][33][34]。一个普通规模的数据中心每年消耗的能源在2000万至5000万千瓦时之间,这一能量足以供应37000户家庭的用电需求[33]。同样,由于物联网设备的广泛应用,边缘计算层面的能源消耗也非常可观[11],但由于这些设备分布广泛、类型多样,且处于不受控制的环境中,要准确估算其整体能源消耗难度较大[35]。

据估计,信息通信技术所产生的温室气体排放量占全球总温室气体排放量的2%至4%[36][37]。信息通信技术的组成部分包括数据中心、网络组件以及边缘设备。根据Malmodin等人的研究[38],2020年信息通信技术的能源消耗量为916太瓦时,由此产生了7.64亿吨二氧化碳当量。图2展示了不同信息通信技术组件在二氧化碳当量排放量及能源消耗方面的占比情况。气候影响在很大程度上取决于所使用的能源类型。这些能源既可用于执行计算任务,也可用于非信息技术相关的操作,比如服务器冷却、照明、空调等。图3则展示了数据中心与边缘环境中的主要能源类型及高能耗组件。

虽然关于数据中心能源效率的文献相当丰富,但大多数研究都集中在云计算设施上。然而,随着分布式计算架构的日益普及,迫切需要全面了解这类架构的整体环境影响。尤其是雾计算/边缘计算这类架构,目前相关研究还远远不够[11]。一些新的分类体系与模型正在试图填补这一空白,它们将架构从完全集中的云计算数据中心逐步划分为完全分布式的边缘计算架构,并建立了能够涵盖不同层级中的计算、冷却及网络能耗的能源模型。不过,与云计算数据中心相比,关于边缘计算数据中心的实证数据仍然十分匮乏,同时,针对云计算-边缘连续体系统中的能源效率与气候影响问题,缺乏统一的建模方法。本综述旨在通过整合最新的研究成果,构建一个统一的分析框架来弥补这一不足。我们统一了不同层级的术语与评估指标,并通过对比分析的方式探讨云计算与边缘计算之间的差异。我们采用综合性的分析视角,即结合云计算的相关研究以及新兴的边缘计算研究;同时建立对比分析框架,明确各层级不同的能源特征、环境影响及其他相关因素;此外,我们还通过分析边缘计算发展趋势(如物联网的发展、人工智能计算任务的增加)所带来的尚未解决的问题,以及实现多层级可持续发展的需求,来阐述开展相关研究的动机。最后,我们提出了相应的缓解策略,并构建了一个用于实现高效能源利用的云计算-边缘连续体统一分类框架。

此前已有不少综述聚焦于能源消耗、其带来的气候影响、能源需求以及相关预测方法[27][39][40][41][42][43]。然而,这些综述仅考虑了影响能源消耗与效率的少数因素,而很大程度上忽视了其他重要因素,比如来自多种能源来源的能源结构、资源所在地的地理位置、边缘计算数据中心与云计算数据中心的异构性、运营策略的影响以及由此形成的网络路径等——所有这些因素都会对系统的能源消耗与效率产生影响。我们在表2中对这些研究进行了总结,指出了它们各自的贡献与局限性。为了为后续分析提供依据,并建立一种将这些研究成果相互关联的机制,我们从资源管理的角度设计了一套评估体系,用于衡量控制系统所需的信息种类、现有研究对这些信息的覆盖程度,以及各项研究的侧重点。

目前,绿色计算领域的研究大致可分为三类:侧重于实际应用的综述、方法论层面的批判性分析,以及针对特定应用场景的优化研究。这三类研究都与本文的基础性贡献有着显著的不同。例如,Boscariol等人[44]对可持续数据中心设计进行了实用性的概述。他们重点研究了诸如冷却、热回收等技术系统,以及数字孪生之类的数字资产管理工具。Kamiya等人[45]则从方法论角度出发,旨在提高全球能源使用评估的准确性和可靠性,为此他们采用了新的建模方法分类体系。还有些研究则更为专业化,比如Caruso等人[46]的研究,该研究聚焦于在恶劣军事环境中的战术边缘服务器的能效问题,在这种环境中,电源的可靠性是关键因素。Biswas等人[47]通过分类各种算法、架构和框架,提供了全面的 方法目录。最后,Patel等人[48]试图将能源供应商和定价机制纳入云边连续体模型中,他们特别指出目前还缺乏支持这些复杂且异构的基础设施的正式模型。与现有研究不同,我们提出的论文通过以正式建模作为全新架构范式的基础,超越了单纯的技术清单,实现了计算设计领域更为严谨和根本性的变革。在这项综述中,我们整合了先前研究的成果以及最新数据(如bloomenergy数据、行业报告等),以便全面了解不同计算范式下的能源与气候影响。我们首先探讨了将边缘计算领域的最新研究与环境分析相结合的必要性,接着对每一层及关键因素进行了详细的技术与环境分析,随后提出了减缓影响的策略,并构建了一个高效的云边连续体框架。最后,我们强调了当前的研究空白以及未来为打造更可持续的计算生态系统而应努力的方向。据我们所知,此前尚无任何综合性综述能够系统地识别并分析在能效和碳足迹减少背景下,统一云边计算的各个关键方面。本文的主要贡献包括:1. 本综述阐明了作为实现云边连续体能源管理的关键要素的云数据中心与边缘数据中心在运营和结构上的差异;2. 我们深入研究了地理位置对能源消耗以及云边连续体气候影响的作用;3. 本文明确了云边连续体中与能源消耗和气候影响相关的各类考量因素;4. 我们分析了人工智能驱动的能源消耗及其在提升云边连续体能效方面的作用;5. 我们提出了一个最大化能效的统一框架,并给出了降低云边连续体环境影响的策略;6. 本文还梳理了当前及未来在云边连续体研究方面面临的挑战与发展方向。本文的结构如图4所示,具体内容安排如下:第2节阐述综述的方法与研究问题,第3节探讨边缘数据中心与云数据中心的相似之处与差异,第4节分析地理位置对数据中心能源管理的影响,第5节阐述边缘数据中心与云数据中心的能源消耗及气候影响相关关键考量,第6节介绍人工智能导致的能源消耗增长及其在提升能效方面的作用,第7节提出一个统一框架及降低云边连续体能源消耗和环境影响的建议,第8节讨论当前的研究空白与未来方向,第9节则为本文画上句号。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号