💻 computer science

Using Budgets to Reduce Application Emissions

该论文提出了一种利用时间限定排放预算替代固定排放率的新方法，通过 MAPE-K 反馈循环动态调整资源分配，从而在碳强度波动的电网中显著提升了任务完成率，同时实现了环境约束、运营成本与服务质量的平衡。

原作者： Leo Wilhelm Lierse, Mahyar Tourchi Moghaddam, Sebastian Werner

发布于 2026-04-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Leo Wilhelm Lierse, Mahyar Tourchi Moghaddam, Sebastian Werner

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文探讨了一个非常现实的问题：随着“碳排放”变成真金白银的罚款，软件公司该如何在“省钱”和“干活”之间找到平衡？

想象一下，你开了一家快递公司（这就是软件应用），你需要用卡车（服务器/电力）把包裹（任务）送到客户手中。

1. 背景：碳税来了，电费变贵了

以前，只要把包裹送出去就行，不管卡车烧的是煤还是风。但现在，欧盟等地方开始推行“碳交易体系”，就像给每公里排放的废气定价。

后果：如果你用的电太脏（比如烧煤），你的“运费”（电费 + 碳税）就会暴涨。
挑战：电网里的“清洁度”是波动的。中午太阳能多，电很干净；晚上风停了，可能得烧煤，电就变脏了。

2. 旧方法：死板的“限速器”

以前的做法是给卡车装一个固定的限速器（Fixed Rate）。

规则：无论路况如何，你每分钟排放的废气不能超过 10 克。
问题：
- 如果中午阳光好，空气很干净，你明明可以跑快点多送几个包裹，但因为限速器太死板，你只能慢吞吞地开，浪费了清洁电力的机会。
- 如果晚上空气很脏，限速器逼着你把车停得特别慢，甚至直接熄火，导致包裹送不完，客户不满意。
- 这就好比在高速公路上，不管前面是畅通还是堵车，你都只能按 60 码开，效率极低。

3. 新方法：灵活的“碳预算”

这篇论文提出了一种新策略：碳排放预算（Emissions Budgets）。

规则：不再限制你“每分钟”排多少，而是给你发一张周卡。比如，这一周你总共只能排放 1000 克废气。
怎么运作？
- 存钱（储蓄）：中午太阳能充足时，空气很干净，你可以加速狂飙，多送包裹。虽然这时候你单位时间排放多了，但因为总量没超，你相当于“存”下了额度。
- 花钱（消费）：到了晚上，空气变脏了，或者包裹特别多，你可以稍微减速，甚至暂停一会儿，把之前“存”下来的额度用掉，或者干脆少跑一点，只要一周的总账没超就行。
比喻：这就像你的手机流量套餐。
- 旧方法：规定你每分钟只能看 1MB 视频。中午网速好你也只能看 1MB，晚上网速慢你也只能看 1MB，体验很差。
- 新方法：给你一个月 10GB 的流量。中午网速好，你可以下载大电影（消耗多）；晚上网速慢或不想看，你就省着点。只要月底总流量没超，你就赢了。

4. 实验结果：真的有用吗？

研究人员用德国、法国和波兰的真实电网数据做了模拟（就像在电脑里开了个“快递公司模拟器”）：

在“天气多变”的地方（如德国）：
- 旧方法：因为太死板，很多包裹送不到。
- 新方法（预算制）：利用中午的清洁电力多干活，晚上少干活。送出的包裹数量增加了 36%，而且总排放量依然控制在预算内。
- 结论：在电网波动大的地方，预算制完胜。
在“天气稳定”的地方（如法国、波兰）：
- 法国电一直很干净，波兰电一直很脏但稳定。
- 结果：新方法跟旧方法效果一样好。
- 结论：新方法不会“拖后腿”，是个安全的替代方案。

5. 代价是什么？

虽然新方法很好，但也不是完美的。

对比“无限制”模式：如果你完全不管碳排放（就像以前那样随便跑），你能送最多的包裹，成本最低。
代价：为了遵守“预算”，你不得不经常让卡车空转（因为即使不干活，卡车怠速也在耗油/耗电）。
- 论文发现，为了控制排放，送出的包裹数量可能会减少 34% 到 94%。
- 核心矛盾：为了“环保”和“省钱（避免罚款）”，你必须牺牲一部分“效率”。就像为了省油，你不得不让车经常怠速等待，而不是全速行驶。

6. 总结：给软件架构师的建议

这篇论文告诉软件工程师和架构师：

如果你们面临碳税罚款的压力，不要再用死板的“每分钟限速”了。
改用**“碳预算”**策略：让软件像聪明的司机一样，在电便宜/干净的时候拼命干，在电贵/脏的时候歇一歇。
这样既能保证不超预算（不交罚款），又能比死板的方法多干很多活，是平衡环保、成本和性能的最佳方案。

一句话总结：
别把碳排放当成“限速器”，要把它当成“钱包”。在“空气好”的时候多花钱（多干活），在“空气差”的时候省着花，这样既能保住钱包，又能多送包裹。

论文技术总结：利用预算减少应用排放 (Using Budgets to Reduce Application Emissions)

1. 研究背景与问题 (Problem)

随着欧盟碳排放交易体系（EU ETS）等碳定价机制的实施，能源消耗的成本预计将呈指数级增长。软件架构师面临巨大压力，需要设计能够在财务可预测的排放约束下运行的应用程序。

现有方法的局限性：

固定排放率（Fixed Emission Rates）： 现有的方法通常强制实施严格的单位时间排放限制（例如 gCO2/s）。
适用场景单一： 这种方法在碳强度稳定的电网（如以化石燃料为主的波兰或以非间歇性绿色能源为主的法国）中有效。
动态电网失效： 在碳强度高度动态的电网中（如德国，拥有大量太阳能和风能），固定速率存在严重缺陷：
- 设定过高会导致排放限额未被充分利用。
- 设定过低会导致应用因过度节流或暂停而性能大幅下降。
- 无法在低排放时段“储蓄”排放额度，也无法在高排放时段灵活应对。

核心问题： 如何在满足硬性排放上限（以规避财务风险）的同时，在动态碳强度的电网中最大化应用性能（任务完成率）？

2. 方法论 (Methodology)

作者提出了一种基于**排放预算（Emissions Budgets）**的新方法，并构建了基于 MAPE-K（Monitor, Analyze, Plan, Execute, Knowledge）反馈环的自适应架构。

2.1 核心概念：排放预算

定义： 在定义的时间段（规划周期 $T$ ）内分配一个累积排放总额度（ $B$ ），而非限制瞬时速率。
机制： 允许应用在低排放强度时段“储蓄”未使用的额度，并在高排放强度或高负载时段“消耗”这些额度。
约束： 只要累积排放不超过总预算 $B$ ，瞬时排放可以波动。如果预算在周期结束前耗尽，应用将被暂停。

2.2 MAPE-K 自适应架构

系统通过以下循环进行自我调整：

监控 (Monitor)： 实时测量应用功耗和电网碳强度。
分析 (Analyze)：
- 评估预算状态（剩余量、当前使用率）。
- 识别可行的迁移目标（基于节点能耗和可用性）。
- 确定当前资源利用率。
计划 (Plan)： 根据策略 $\pi$ $π$ 选择动作（扩容、缩容、迁移或无操作）。
- 贪婪预算策略 (Greedy Budget Policy)： 作为基线，在低需求期积累预算，在需求超过平均分配时立即消耗。该策略禁止“预支”预算（即不允许在预算耗尽前透支），确保硬约束。
执行 (Execute)： 通过垂直扩展（Vertical Scaling）或应用迁移（Migration）执行选定的动作。

2.3 实验设置

仿真器： 基于 Python 和 SimPy 修改的 LEAF 仿真器。
数据源： 使用 2024 年来自 Electricity Maps 的德国 (DE)、法国 (FR) 和波兰 (PL) 的六周真实碳强度数据（每小时分辨率）。
对比策略：
1. 无限制 (Unlimited)： 忽略预算，仅追求性能（作为上限基准）。
2. 固定速率 (Fixed Rate)： 恒定 16.6mg/s 的排放限制。
3. 贪婪预算 (Greedy Budget)： 一周总预算 10,080g（平均速率同固定速率）。
工作负载： 模拟具有昼夜周期性峰值的任务流。

3. 主要贡献 (Key Contributions)

提出了基于 MAPE-K 的排放感知自适应架构： 为软件架构师提供了一种通用的框架，用于在硬排放约束下管理应用。
证明了预算优于固定速率： 在碳强度高度波动的环境中，预算方法能显著改善性能，同时在稳定环境中与固定速率表现持平。
量化了财务与性能的权衡： 详细分析了不同策略下的任务完成率、总排放量、能耗成本，揭示了在硬约束下性能损失的物理原因（主要是空闲功耗）。
扩展了现有研究： 相比之前的研究（如 Souza et al.），本文提供了更广泛的跨国比较，并深入探讨了财务影响。

4. 实验结果 (Results)

实验在六个不同的碳强度场景（德国 DE1/DE2、法国 FR1/FR2、波兰 PL1/PL2）中进行。

4.1 任务完成率 (Task Fulfillment)

高波动电网（德国）： 贪婪预算策略显著优于固定速率。
- DE1 场景： 任务完成率提高了 36%，能耗增加 13%。
- DE2 场景： 任务完成率提高了 16%，能耗增加 5%。
- 原因： 预算允许在低排放时段（如中午太阳能充足时）积累额度，用于应对高排放时段的负载峰值，而固定速率无法利用这种时间差。
稳定电网（法国/波兰）： 预算策略与固定速率策略表现完全一致（Parity）。在法国（低碳强度）和波兰（高但稳定强度）中，两者均达到相同的任务完成率和排放水平。

4.2 排放与成本 (Emissions & Costs)

排放控制： 预算策略成功将排放控制在硬限制内。与无限制策略相比，预算策略在波兰场景下减少了约 75% 的排放，在德国减少了约 32-36%。
成本： 在碳价为 700€/吨的假设下，预算策略将成本控制在极低水平（<7.10€），而无限制策略在波兰场景下高达 28.66€。
对比固定速率： 在动态电网中，预算策略的总排放量略高于固定速率（德国 DE1 增加 11%），但换取了显著的性能提升。

4.3 性能与效率的权衡

硬约束的代价： 与无限制系统相比，预算策略虽然减少了排放（最多 75%），但任务完成率下降了 34% 至 94%。
根本原因： 空闲功耗（Idle Power Overhead）。即使应用不处理任务，节点仍需消耗静态功耗（如 50W）。在低负载下，静态功耗占总功耗比例极高，导致单位任务的能耗效率下降。这是实施硬排放限制不可避免的物理代价。

5. 意义与结论 (Significance & Conclusion)

动态电网的解决方案： 排放预算是解决高可再生能源渗透率电网中应用排放管理的理想方案。它比固定速率更灵活，能更好地平衡环境约束、运营成本和服务质量。
财务风险管理： 随着碳价上涨，应用运营商需要硬性的排放上限来规避不可预测的财务风险。预算机制提供了一种在满足硬上限的同时优化性能的手段。
安全替代： 在碳强度稳定的地区，预算可以作为固定速率的安全替代品，不会造成性能损失。
局限性认知： 实施硬排放限制必然导致相对于无限制系统的性能下降（由于空闲功耗）。架构师需要在“可预测的成本/合规性”与“极致的能效”之间做出权衡。

未来工作： 作者计划在 Kubernetes 等生产级容器编排系统中实现该预算机制，以评估真实环境下的延迟、迁移开销和多租户干扰，并探索结合工作负载迁移和碳强度预测的更复杂策略。