Stratégies pour l'opération et le dimensionnement des centres de données cloud à faible émission de carbone

Strategies for operating and sizing low-carbon cloud data centers

• Auteur / Autrice : Miguel Felipe Silva Vasconcelos
• Direction : Fanny Dufossé, Daniel de Angelis Cordeiro
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 20/12/2023
• Etablissement(s) : Université Grenoble Alpes en cotutelle avec Universidade de São Paulo (Brésil)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de Grenoble (2007-....)
• Jury : Président / Présidente : Nadia Brauner
• Jury : Examinateurs / Examinatrices : Anne-Cécile Orgerie, Lùcia Maria A. Drummond
• Jury : Rapporteurs / Rapporteuses : Patricia Stolf, Julita Corbalán González

Mots clés

Mots clés contrôlés

Informatique dans les nuages

Compensation carbone

Centres de traitement informatique

Mots clés libres

Énergie renouvelable

Cloud computing

Informatique verte

Ordonnancement

Cloud computing

Renewable energy

Scheduling

Low carbon

Sizing

Dimensioning

Résumé

L'informatique en nuage est l'une des épines dorsales de notre société numérique, fournissant des ressources informatiques pour la majorité des services et des applications que nous utilisons quotidiennement. Compte tenu de son importance, nous ne pouvons pas négliger son impact environnemental, généré par la consommation d'énergie des centres de données et le cycle de vie de l'infrastructure.Les principaux fournisseurs de services cloud ont pris des engagements et commencent à déployer des projets pour intégrer de l'électricité renouvelable dans l'opération de leurs centres de données. Cependant, l'un des principaux défis de l'énergie renouvelable est sa nature intermittente — sa production variant au fil du temps. D'autres facteurs essentiels doivent également être pris en compte. D'abord, l'infrastructure renouvelable présente également un impact environnemental tout au long de son cycle de vie, et chaque emplacement géographique a une capacité différente de production d'énergie renouvelable. De plus, certaines régions du monde ont déjà la présence de sources d'énergie renouvelables dans leur mix énergétique.Dans cette thèse, nous étudions comment réduire l'impact environnemental — en termes d'empreinte carbone — de l'opération et de le dimensionnement des centres de données cloud. Nous explorons des stratégies "Carbon-responsive": des approches qui sont conscientes de leurs impacts environnementaux et prennent des décisions éclairées pour élaborer nos solutions proposées.La première stratégie principale explorée est le "follow-the-renewables", une approche qui alloue et migre la charge de travail vers les centres de données bénéficiant de la plus grande disponibilité d'énergie renouvelable. Nous avons évalué son impact sur le réseau et la consommation d'énergie, et avons proposé un algorithme de planification qui, en tenant compte de la topologie du réseau et de son utilisation, peut planifier les migrations sans générer de congestion réseau ni de gaspillage d'énergie par rapport à des références qui ne tiennent pas compte du réseau.La deuxième principale stratégie explorée est le dimensionnement de l'infrastructure renouvelable et informatique pour minimiser l'empreinte carbone des centres de données dans le cloud: la définition de la surface nécessaire pour les panneaux solaires, du nombre d'éoliennes, de la capacité des batteries, et du nombre de serveurs. Nous proposons une formulation de programme linéaire qui prend en compte les caractéristiques spécifiques de chaque emplacement géographique des centres de données en termes de capacité de production d'énergie renouvelable, de besoins en refroidissement et de composition du mix énergétique. De plus, nous avons également pris en compte l'impact environnemental de l'infrastructure renouvelable et de la fabrication des serveurs. Notre solution résout les deux sous-problèmes de la planification de la charge de travail en utilisant le "follow-the-renewables" et le dimensionnement de l'infrastructure comme un seul problème, ce qui nous permet d'évaluer s'il faut augmenter la capacité de l'infrastructure renouvelable ou allouer la charge de travail à un autre centre de données.Finalement, le modèle n'utilise que des variables linéaires, ce qui lui permet d'être résolu de manière optimale en temps polynomial. Le modèle est flexible pour évaluer de nombreux scénarios. Par exemple, nous présentons une analyse de la faisabilité de l'inclusion d'éoliennes dans l'infrastructure renouvelable sur site, comment la planification de la charge de travail peut atténuer les erreurs du processus de dimensionnement causées par l'intermittence, les coûts monétaires de la réduction de l'empreinte carbone, et une approche possible pour décider quand fabriquer de nouveaux serveurs en tenant compte de leur impact environnemental. Les décideurs pourraient utiliser ce modèle pour orienter leurs efforts visant à réduire les émissions de carbone des centres de données cloud.

Cloud computing is one of the backbones of our digital society, providing computational resources for the majority of services and applications we use daily, including e-mail, social networks, internet banking, video streaming, and health applications. Given its importance, we cannot neglect its environmental impact, generated from the energy consumption of the data centers (that could be used to supply entire countries annually) and the life cycle of the infrastructure.Major cloud providers made commitments and are starting to deploy projects to integrate low-carbon renewable electricity in the operations of their data centers. However, one of the main challenges of renewable energy is its intermittent nature—its production varies over time, influenced by factors such as time of the day, seasons, and geographic location. There are other essential factors to consider as well. First, the renewable infrastructure also presents environmental impact during its life cycle, and each geographic location has a different capacity for generating renewable power. Additionally, some locations in the world already have the presence of renewable sources in their energy mix.In this thesis, we study how to reduce the environmental impact—in terms of carbon footprint—of operating and sizing cloud data centers. We explore carbon-responsive strategies—approaches that are aware of their environmental impacts and make informed decisions—to generate our proposed solutions.The first main strategy explored is the follow-the-renewables, an approach that allocates and migrates the workload to the data centers with the highest availability of low-carbon-intensive power sources. We evaluated its impact on both the network and energy consumption, and proposed a scheduling algorithm that, by taking into account the network topology and the usage, can plan the migrations without generating network congestion and wastage of energy compared to baselines that do not consider the network.The second main strategy explored is the sizing of the renewable and IT infrastructure required to minimize the carbon footprint of the cloud data centers: defining the required area of solar panels, number of wind turbines, capacity of batteries (to store excess energy and use when opportune), and number of servers. We propose a Linear Program formulation that considers the specific characteristics of each geographic location of the data centers in terms of capacity for generating renewable power, cooling needs, and the composition of the energy mix, since some locations already have the presence of renewables. Furthermore, we also considered the environmental impact of the renewable infrastructure and manufacturing the servers. Our solution solves the two subproblems of workload scheduling using the follow-the-renewables and sizing the infrastructure as one problem, enabling us to evaluate whether to increase the renewable infrastructure capacity or to allocate the workload to another data center.Finally, the model employs only linear variables, which enables it to be optimally solved in polynomial time. The model is flexible to evaluate many scenarios. For example, we present an analysis of the feasibility of including wind turbines in the on-site renewable infrastructure, how workload scheduling can mitigate the errors of the sizing process caused by the intermittency, the monetary costs of reducing the carbon footprint, and a possible approach for deciding when to manufacture new servers considering their environmental impact. Decision-makers could use this model to guide their efforts to reduce the carbon emissions of cloud data centers.