CarbonCog:绿色移动边缘网络中通信碳排放主导性的模拟建模与检测

《Simulation Modelling Practice and Theory》:CarbonCog: Simulation modelling and detection of communication carbon dominance in green mobile edge networks

【字体: 大 中 小 】 时间:2026年09月27日 来源:Simulation Modelling Practice and Theory 4.6

编辑推荐:

   • EdgeCloudSim 扩展:参数化的三段式通信-碳排放模型。• 闭式 CCD 阈值证明,并作为模拟器集成检测器嵌入。• “预测 vs 观测”验证活动,验证了交叉处每一个解析符号。• 三段式归因相对目标归因基线,碳排放减少 68%。• 检测器在 CI 突发和设备异构性下

  

• EdgeCloudSim 扩展:参数化的三段式通信-碳排放模型。• 闭式 CCD 阈值证明,并作为模拟器集成检测器嵌入。• “预测 vs 观测”验证活动,验证了交叉处每一个解析符号。• 三段式归因相对目标归因基线,碳排放减少 68%。• 检测器在 CI 突发和设备异构性下保持稳定;每次决策 3.2 微秒。

## 引言

移动边缘通信网络是一种复杂的网络化系统,其中任何计算卸载决策的碳足迹都会受到底层网络结构性属性的塑造:决策时刻所经历的链路拥塞,WLAN 或 WAN 链路的每比特能耗,以及为用户—回传—目标路径的每一段供电的电力的碳强度(CI)。这些结构性属性在空间和时间上都是异质的:用户侧电网可能比目标侧电网脏得多,而且接入侧链路功耗本身在每任务能耗预算中也占有相当的比例。因此,对“何时卸载是碳正的”这一网络状态感知的分析,必须建模的不只是计算侧权衡:它还必须包含沿通信路径的三段式 CI 归因。现有针对移动边缘卸载的能源平衡交叉结果 [1], [2] 并未涵盖这一对象。而且,这类多段、拥塞耦合的碳核算目前无法在已部署网络中端到端测量,因此仿真建模是研究其自然工具。本文构建了这一工具,作为 EdgeCloudSim 的扩展,并发展它所支撑的闭式分析。

移动边缘计算(MEC)社区已经着手将碳排放作为设计目标。GreenScale [3] 综合考虑运行碳排放和隐含碳排放来选择最低碳的边缘目标;CarbonEdge [4] 利用边缘站点间的介观 CI 差异;CarbonScaler [5] 根据电网碳强度扩展云端工作负载。这些系统要么遗漏了通信碳排放,要么在比 MEC 编排器可获得的三段(接入、回传、目标)状态更粗的目标侧层级上表示通信碳。因此,它们所激发的是一条缺失的建模轴,而不是我们诊断研究的直接基线。这一遗漏正是下文所识别出的 regime 的来源。忽略实时接入和回传状态的编排器无法看到数据/计算比上的解析交叉阈值;因此它会继续卸载那些位于该阈值之上的任务,而这些任务按照网络状态感知模型会被标记为增碳的。

两个观察结果说明了为何这种目标侧简化会失效:
1. 通信碳排放不可忽略。在逼真的每 VM 共享边缘核算下,通过中等拥塞的 WLAN 发送 1–5 MB 的运行碳排放等于甚至超过了将典型 IoT、AR 或健康任务卸载到 CI 低得多的边缘所节省的计算碳排放。
2. 接入侧通信能耗的大部分是在用户侧电网下消耗的。移动设备、WLAN 接入点以及离用户最近的蜂窝基站通常都由用户当地电网供电。因此,归因到接入侧传输能耗的那部分碳强度,其一阶近似为 CIuser。回传、核心和边缘网络设备的供电可能来自不同电网;我们用跨用户、回传和目标段的可调 CI 混合(第 3 节)对其进行建模,并将用户主导情形视为一个极端。

两者共同创造了通信碳主导(CCD)regime。其机制并非“当地电网脏,所以本地执行更好”;在 CCD 中,本地和卸载路径都部分运行在 CIuser 下。其机制是:卸载会在远程计算碳排放之上增加一项增量通信碳排放,当这一增量项超过了迁移到低 CI 目标所节省的计算碳排放时,卸载就会变成增碳的,即使目标本身清洁得多。

考虑一个 30 设备、5 分钟的 MEC 部署:边缘在 PJM(~404 g CO?eq/kWh),云端在 Hydro-Quebec(~57 g/kWh)。工作负载混合了数据密集型视频分析(4.5 MB 上行,1500 MI 计算)和计算密集型分析(200 KB 上行,5000 MI 计算)。云端比边缘清洁约 7 倍,因此一个朴素的碳感知编排器会总是卸载。这一选择是否正确,取决于用户侧电网——而这通常是同一个编排器无法感知的。

在适度拥塞(?? = 0.20)、20 个随机种子、按公开区域均值校准电网 CI 轨迹的条件下(第 5.1 节),我们观察到:
• 脏用户电网(Wyoming,~705 g/kWh):网络盲的碳贪婪编排器卸载 100% 的任务,每任务排放 1.575 ± 0.156 mg,是本地始终执行的 4.5 倍(0.351 ± 0.031 mg)。将约 5 MB 拉过脏用户侧 WLAN 的通信碳排放,主导了计算节省。CarbonCog 通过与本地始终执行相差 3.9%(0.338 ± 0.030 mg),将 84% 路由为本地,16% 路由为压缩卸载。
• 清洁用户电网(Hydro-Quebec):将同样的用户迁移到清洁电网后,现在大多数任务满足 ???? < ???。本地始终执行仍然排放 0.259 mg(用户电网的残余)。CarbonCog 翻转为 89% 卸载并排放 0.230 mg,比本地始终执行低 11%,因为它正确感知到使本地执行变得具有吸引力的条件不再成立。本地始终执行做不到这一点;网络盲基线在此也能表现良好,但未能识别出 regime 边界。

因此,CarbonCog 最好被解释为一个工作负载位置感知的检测器:它收敛到由当前 CCD regime 选定的本地或卸载极端。本文的贡献是这一检测器(CCD),它告诉编排器应该收敛到哪个极端;后文表 7 中出现的 78.6% 数字仅作为诊断上界,用于衡量一个未运行此类检测器的编排器所产生的可避免过度排放。

上文描述的 CCD regime 在网络状态感知意义上,是对边缘网络一种结构性属性的陈述:每任务碳足迹在数据/计算比上存在闭式交叉阈值,且该阈值对实时链路状态和三段式 CI 混合具有显式且可证明的敏感性。我们通过在模拟器集成的编排管线中实例化该阈值,将这一理论对象与运维系统闭环,该管线由三个组件构成:
• 网络状态观测器。实时观测器读取 WLAN 和 WAN 拥塞、负载下的带宽折减和链路功耗,以及用户侧、回传和目标层级的多区域电网 CI。这四类信号正是确定命题 1 中 ??? 的结构性变量。
• CCD 谓词。CCD 分数(第 3 节)逐任务评估闭式阈值,返回一个二元判断:卸载的增量通信碳排放当前是否超过了它将节省的计算碳排放?
• 动作选择。编排器通过 CCD 感知评分函数为每个任务选择三种动作之一(本地、卸载或压缩卸载)。运维策略是逐任务总碳足迹的简单贪婪最小化器(CarbonCog-Greedy);我们还描述了针对高 CI 噪声 regime 的可选阈值门控变体,以及针对非平稳碳预算 regime 的可选 Lyapunov 稳定变体(第 4 节),但本文的实证贡献在于贪婪策略。用在线学习控制器(基于相同网络状态输入的上下文赌博机或 PPO)替换贪婪最小化器,是一个自然的扩展(第 6 节)。

一句话总结:本研究的目标是在逐任务粒度上刻画并检测卸载增加碳排放而非减少的 regime;方法是一个参数化通信碳排放仿真模型,加上一个嵌入模拟器的闭式交叉阈值作为检测器;验证是一个预测 vs 观测的验证活动,并包含鲁棒性与敏感性研究。本文不引入新的 ML 控制器,而是提供碳交叉(CCD)的网络状态感知刻画、一个带符号分析的闭式阈值,以及一个模拟器集成的 CCD 检测管线。评估是对该检测器的轨迹校准仿真研究,而非外部测量验证或生产级 MEC 部署。在验证与确认(V&V)术语下 [6],第 5.10 节的预测 vs 观测活动验证了实现能否复现概念模型的解析符号,而验证则建立在轨迹校准、文献约束参数和敏感性扫描(第 6 节)之上。

本文做出三项贡献:
1. 一个用于移动边缘网络的参数化通信碳排放仿真模型。我们扩展了 EdgeCloudSim [7] 的能量与碳核算,加入(i)拥塞下的超线性重传开销,(ii)每流带宽折减,(iii)可配置的 WLAN 和 WAN 链路功耗,以及(iv)通信路径上用户侧、回传和目标侧电网 CI 的可调混合,使得决定 CCD 的网络侧变量成为显式建模量,而非隐藏常数。每个参数都标注了其单位、默认值、扫描范围和证据类型(表 3);默认值与文献一致且经过压力测试,且特定 WiFi 或 5G 部署的测量校准可叠加在顶层。
2. 该模型碳交叉(CCD regime)的闭式刻画。我们通过一个单标量分数定义了通信碳主导(CCD)regime,比较卸载的增量通信碳排放与它将节省的计算碳排放,并证明了数据/计算比上的一个闭式交叉定理(命题 1;命题后附有证明梗概),给出了 ?????/????、?????/??CI????????、?????/?????? 的显式符号。该交叉技术在结构上类似于 Mao 等人 [1] 与 Bi & Zhang [2] 的能量平衡分析;新增的是三段(用户、回传和目标)碳强度归因,这使 ??? 对 ???? 以及对三个 CI 的相对顺序产生显式依赖,而单网格纯能量交叉结果无法暴露这一点。
3. 一个模拟器集成的 CCD 检测器及其验证活动。CarbonCog 在模拟器内部将命题 1 阈值实现为一个管线:网络状态观测器读取多区域电网 CI 加上实时网络状态(拥塞、带宽折减、链路功耗);CCD 谓词逐任务评估阈值;贪婪决策层从本地、卸载和压缩卸载中选择。第 4 节为高噪声和非平稳 regime 分别描述了可选的阈值门控与 Lyapunov 稳定变体;它们不是头部实证贡献的一部分。一个重复种子的 EdgeCloudSim 测试床(三条轨迹校准的小时级电网轨迹,以及 GeoLife 驱动的 AP 切换)通过七个研究问题和八项鲁棒性、敏感性与压力研究对该模型进行了演练。这些包括对每个解析符号的预测 vs 观测验证(第 5.10 节),一个更强的目标归因基线(第 5.8 节),快速的碳强度与设备异构性压力测试,以及文献锚定的通信能量基准。该活动还量化了相对仅延迟基线的显式碳—延迟权衡:CarbonCog 接受约 27% 更高的 P95 延迟,以换取约 3 倍更低的碳排放。

本文其余部分组织如下。第 2 节回顾相关工作与仿真平台。第 3 节给出系统模型(图 1)、形式化问题描述和闭式 CCD 分析。第 4 节描述 EdgeCloudSim 内部的 CarbonCog 管线。第 5 节报告仿真实验与模型验证活动,第 6 节讨论部署方面、局限性与效度威胁。第 7 节总结。

## 相关片段

### 相关工作

**碳感知边缘与云放置。** GreenScale [3] 与 CarbonEdge [4] 都综合考虑运行碳排放与隐含碳排放来选择最低碳的边缘目标。CarbonScaler [5] 通过挂起—恢复控制按电网碳强度扩展批处理云端工作负载。LECC [8] 在地理分布式数据中心中联合考虑位置、能量、碳和成本。Hanafy 等人 [9] 形式化刻画了云端时间/空间碳转移的极限。近期综述与调度工作

### 通信碳主导(CCD)regime

本文全文中,缩写 CCD 专指下文引入的通信碳主导;请勿与不相关的光学传感器缩写混淆。表 2 收集了模型与分析中使用的符号;每个符号也在首次出现时定义。

### 架构

CarbonCog 接入 EdgeCloudSim 的编排器接口。图 2 总结了数据路径:任务描述符、实时拥塞、链路参数与电网 CI 轨迹被融合为每候选目标的碳和延迟估计;CCD 分析器随后通过一个紧凑的贪婪评分选择本地、卸载或压缩卸载。

实现包含四个模块:
• CarbonIntensityProvider:逐区域小时级 CI 轨迹,支持预测查询。
• CommCarbonModel:拥塞依赖的通信碳排放

### 仿真实验与模型验证

该评估支撑三项有界断言:C1 CCD 交叉在轨迹校准模拟器中与命题 1 内部一致(RQ1);C2 网络状态与接入侧 CI 感知可以防止网络盲上界基线的大量过度排放,并且相对实用对照给出更小的、随 regime 变化的收益(RQ2, RQ6, RQ7);C3 CarbonCog 暴露出显式的碳—延迟权衡,并且在受测试模拟器假设下对观测噪声具有鲁棒性(RQ-LAT,

### 讨论

**能量最优 ≠ 碳最优。** 在我们的默认系统能量模型下,Energy-Aware 在所测试场景中总是与本地始终执行重合。这不应被解释为 MEC 的普适性质:许多先前研究表明,当计算密集而传输成本较小时,卸载可以减少移动能耗 [1]。

相反,对照实验表明,仅最小化能耗可能导致与最小化碳排放截然不同的决策,一旦考虑空间碳强度和通信碳……

**结论** 我们提出了通信碳主导(CCD)机制,并给出了关于数据与计算比值的闭合式交叉阈值(命题1)。CarbonCog将该阈值转化为一个与模拟器集成的、感知网络状态的诊断框架:在通信主导的机制下趋向于LOCAL(本地执行),在用户端路径清洁或任务计算密集型时趋向于OFFLOAD(卸载),在边界附近趋向于COMPRESS_OFFLOAD(压缩卸载)。

诊断上限实验表明,a……

**CRediT作者贡献声明**

Chunmei Huang:概念化、方法论、形式化分析、初稿撰写。

Chunmao Jiang:概念化、软件、验证、监督、审阅与编辑。

**利益冲突声明** 作者声明,不存在已知的可能影响本文所报告工作的相互竞争的财务利益或个人关系。

**致谢** 本工作得到了中国福建省自然科学基金(2024J01157)和福建工业大学研究基金项目(GY-Z220212)的支持。

Chunmei Huang | Chunmao Jiang
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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