クラウドワークロードの時空間シフトによる炭素・水・土地利用フットプリント削減
Spatio-temporal shifting to reduce carbon, water, and land use footprints of cloud workloads (原題)
Giulio Attenni, Youssef Moawad, Novella Bartolini, Lauritz Thamsen
🤖 gxceed AI 要約
日本語
AWS・Azureの公開インフラデータと実ワークロードトレース、電力グリッドミックスを用いたシミュレーション研究。空間シフトによりFaaSで炭素最大85%・水約50%・土地利用最大45%削減、ビッグデータで炭素最大45%削減を実証。時間シフト単独では効果は小さいが、空間と時間の併用が最大の削減効果をもたらす。グリッドミックス予測誤差や季節変動に対しても頑健であることを示す。
English
A simulation study using public AWS/Azure infrastructure data, real workload traces, and grid-mix data to test spatial and temporal cloud workload shifting. Spatial shifting cuts FaaS carbon by up to 85%, water ~50%, and land use up to 45%; big-data workloads see up to 45% carbon reduction. Combining spatial and temporal shifting yields the largest gains and is robust to grid-mix prediction errors and seasonal variation.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
データセンターの電力消費と脱炭素は、日本のGX政策・企業のScope 2/3管理で重要性が増す論点。クラウド調達先の選択やワークロード配置が排出量に影響することを示し、IT部門の脱炭素実務に示唆を与える。
In the global GX context
Cloud workload shifting is an emerging lever for Scope 2/3 emissions reduction and data-center decarbonization, relevant to corporate climate targets and renewable procurement strategies under TCFD/ISSB disclosure.
👥 読者別の含意
🔬研究者:クラウド運用と排出削減を結びつける定量的手法と感度分析の枠組みを提供する。
🏢実務担当者:クラウド調達・ワークロード配置の最適化がScope 2/3排出削減とコストに直結することを示す。
🏛政策担当者:データセンターの立地・電力調達政策と脱炭素目標の整合を検討する材料になる。
📄 Abstract（原文）
In this paper, we investigate the potential of spatial and temporal cloud workload shifting to reduce carbon, water, and land use footprints. Specifically, we perform a simulation study leveraging publicly available data on the cloud infrastructure of major providers (AWS and Azure) as well as real-world workload traces (big data analytics and FaaS) and grid mix data to consider two different scenarios. Our simulation results indicate that spatial shifting can substantially lower carbon, water, and land use footprints. In the FaaS applications, shifting the spatiotemporal workload achieves carbon savings of up to 85%, water savings of around 50%, and reductions in land use of up to 45%, all while optimizing for the respective factors. Mixed optimization yields results comparable to those of land use alone. For big data workloads, spatiotemporal shifting delivers reductions of up to 45% in carbon emissions, 40% in water consumption, and nearly 40% in land use when optimized for the respective factors. Temporal shifting also decreases the footprint, though to a lesser extent. When applied together, the two strategies yield the greatest overall reduction, driven mainly by spatial shifting with temporal adjustments providing an additional, incremental benefit. Sensitivity analysis demonstrates that such shifting is robust to prediction errors in grid mix data and to variations across different seasons.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.1016/j.suscom.2026.101498first seen 2026-10-24 04:48:25 · last seen 2026-11-06 04:59:40
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。