量化DAG工作负载的碳减排：一个作业车间调度视角
分布式、并行与集群计算
2025-12-09 v1
摘要
碳感知调度器旨在通过在低碳强度时段运行灵活的工作负载来降低数据中心的运营碳足迹。大多数调度器将工作负载视为单一的整体任务，忽略了像视频编码或离线推理这样的许多作业是由具有特定依赖关系和资源需求的较小任务组成的；然而，了解这种结构为更高的碳效率提供了机会。我们量化了针对批处理工作负载采用依赖感知方法的最大收益。我们将该问题建模为一个柔性作业车间调度变体，并使用离线求解器计算碳和能源节省的上限。结果表明，与仅优化完工时间的基线相比，平均碳排放量最多可降低，且不增加最优完工时间（总作业完成时间）。尽管在异构服务器设置中，这些调度可能比能源最优的调度消耗更多能源。我们的结果还表明，允许两倍于最优完工时间的时间几乎可以使碳节省翻倍，这突显了碳、能源和完工时间之间的张力。我们还强调了影响可实现的碳减排的关键因素，如作业结构和服务器数量。
引用
@article{arxiv.2512.07799,
title = {Quantifying the Carbon Reduction of DAG Workloads: A Job Shop Scheduling Perspective},
author = {Roozbeh Bostandoost and Adam Lechowicz and Walid A. Hanafy and Prashant Shenoy and Mohammad Hajiesmaili},
journal= {arXiv preprint arXiv:2512.07799},
year = {2025}
}