グリーンIoTにおける画像ベース時系列ワークロード向けドキュメント指向、リレーショナル、ハイブリッドオブジェクトリレーショナルストレージのカーボンフットプリントとカーボンアウェア選択

日本語

本論文は、グリーンIoT環境における画像ベース時系列ワークロードに対して、ドキュメント指向、リレーショナル、ハイブリッドオブジェクトリレーショナルの各データベースのカーボンフットプリントを比較し、炭素排出を考慮したストレージ選択手法を提案する。AI/ML技術を活用してワークロード特性を分析し、最適なストレージを選択することで、エネルギー消費と二酸化炭素排出を削減することを目指す。

English

This paper compares the carbon footprint of document-oriented, relational, and hybrid object-relational databases for image-based time-series workloads in Green IoT, proposing a carbon-aware storage selection method. It leverages AI/ML techniques to analyze workload characteristics and select the most energy-efficient storage, aiming to reduce energy consumption and CO2 emissions.

日本のGX文脈において

日本では、データセンターの省エネとカーボンニュートラル達成が急務であり、本論文のストレージ選択による炭素削減手法は、企業のITインフラのグリーン化に貢献する。SSBJ開示やカーボンフットプリント算定の実務にも応用可能。

In the global GX context

Globally, as data centers consume significant energy, this research offers a practical approach to reduce carbon emissions through intelligent storage selection, aligning with sustainability goals and regulatory pressures like CSRD and SEC climate disclosure.