The combustion of fossil fuels for the production of electricity is a prominent driver of global greenhouse gas emissions, which have far-reaching implications for climate change on a planetary scale. The proliferation of cloud computing in recent years has led to a significant increase in energy consumption and consequent carbon emissions. In an effort to mitigate this, there has been a growing trend towards the adoption of serverless computing as an alternative to traditional infrastructure-based deployments. However, serverless computing is still reliant on energy consumption and thus, contributes to the overall carbon footprint of cloud computing. Geographical differences in the energy mix, which dictate the proportion of electricity generated from fossil fuels versus renewable energy sources, coupled with local disparities in electricity demand, play an instrumental role in the emission levels across different regions. So, it does make a difference in executing a serverless functions in different regions of the world, depending on how clean the electricity is. In this thesis, we propose GreenCourier, an intelligent carbon-aware scheduling approach that enables the delivery of serverless functions in various geographical regions based on the greenness of electricity available at any given moment, to address the issue of carbon emission during function invocation. To achieve this, Knative was chosen as the open-source platform to deploy serverless functions and Kubernetes as the container orchestration platform and Liqo to establish multi-cluster topology of Kubernetes clusters distributed in different geographical regions. The scheduling decision is taken using real-time data obtained from a external source, such as WattTime or Green Software Foundation’s carbon-aware Software Development Kit (SDK), which provide information on the carbon intensity of the electricity at a given location. Our proposed approach takes into account the carbon footprint of electricity at different regions at the time of scheduling, with the aim of minimizing the overall carbon emission during function execution by selecting the most carbon-efficient location to run a given workload. To evaluate the effectiveness of our proposed approach, we conduct experiments using realistic serverless workloads in a geographically distributed Kubernetes cluster. The experimental results demonstrate the efficacy of our proposed approach in reducing the carbon footprint of the system without compromising as much as possible on performance. For instance, our approach reduced the carbon emission by 8.7% and 17.8% per function execution in comparison to the default implementation of Kubernetes scheduler and geoaware scheduler. Additionally, GreenCourier exhibited superior performance over the default and geo-aware scheduling schemes by 36.6% and 63.7%, respectively, in correctly identifying ecologically viable regions and deploying pods in those regions.     «

The combustion of fossil fuels for the production of electricity is a prominent driver of global greenhouse gas emissions, which have far-reaching implications for climate change on a planetary scale. The proliferation of cloud computing in recent years has led to a significant increase in energy consumption and consequent carbon emissions. In an effort to mitigate this, there has been a growing trend towards the adoption of serverless computing as an alternative to traditional infrastructu...     »

Die Verbrennung fossiler Brennstoffe zur Stromerzeugung ist ein prominenter globaler Treiber Treibhausgasemissionen, die weitreichende Auswirkungen auf den Klimawandel haben a planetarische Skala. Die Verbreitung von Cloud Computing in den letzten Jahren hat zu einem erheblichen Anstieg geführt Anstieg des Energieverbrauchs und damit der CO2-Emissionen. In dem Bemühen, abzumildern Daher gibt es einen wachsenden Trend zur Einführung von Serverless Computing als eine Alternative zu herkömmlichen infrastrukturbasierten Bereitstellungen. Allerdings ist Serverless Computing immer noch auf den Energieverbrauch angewiesen und trägt somit zum gesamten CO2-Fußabdruck von bei Cloud Computing. Geografische Unterschiede im Energiemix, die den Anteil bestimmen von Strom aus fossilen Brennstoffen gegenüber erneuerbaren Energiequellen, gekoppelt mit lokalen Ungleichheiten in der Stromnachfrage spielen eine maßgebliche Rolle bei den Emissionswerten verschiedenen Regionen. Es macht also einen Unterschied, ob eine serverlose Funktion auf verschiedene Weise ausgeführt wird Regionen der Welt, je nachdem wie sauber der Strom ist. In dieser Arbeit schlagen wir vor GreenCourier, ein intelligenter kohlenstoffbewusster Planungsansatz, der die Lieferung von ermöglicht serverlose Funktionen in verschiedenen geografischen Regionen basierend auf der Ökologie des Stroms jederzeit verfügbar, um das Problem der Kohlenstoffemissionen während der Arbeit anzugehen Aufruf. Um dies zu erreichen, wurde Knative als bereitzustellende Open-Source-Plattform ausgewählt Serverless-Funktionen und Kubernetes als Container-Orchestrierungsplattform und Liqo dazu Erstellen Sie eine Multi-Cluster-Topologie von Kubernetes-Clustern, die in verschiedenen geografischen Regionen verteilt sind Regionen. Die Planungsentscheidung wird anhand von Echtzeitdaten getroffen, die von einer externen Quelle stammen, wie WattTime oder das Carbon-Aware Software Development Kit der Green Software Foundation (SDK), die Auskunft über die CO2-Intensität des Stroms an einem bestimmten Standort geben. Unser vorgeschlagener Ansatz berücksichtigt den CO2-Fußabdruck von Strom auf unterschiedliche Weise Regionen zum Zeitpunkt der Planung, mit dem Ziel, die CO2-Emissionen insgesamt zu minimieren während der Funktionsausführung durch Auswahl des kohlenstoffeffizientesten Standorts zum Ausführen einer bestimmten Funktion Arbeitsbelastung. Um die Wirksamkeit unseres vorgeschlagenen Ansatzes zu bewerten, führen wir Experimente durch Verwendung realistischer serverloser Workloads in einem geografisch verteilten Kubernetes-Cluster. Die experimentelle Ergebnisse zeigen die Wirksamkeit unseres vorgeschlagenen Ansatzes bei der Verringerung der CO2-Fußabdruck des Systems, ohne die Leistung so weit wie möglich zu beeinträchtigen. Beispielsweise reduzierte unser Ansatz die CO2-Emissionen um 8,7 % und 17,8 % pro Funktion Ausführung im Vergleich zur Standardimplementierung des Kubernetes-Schedulers und des geosensitiven Schedulers. Darüber hinaus zeigte GreenCourier eine überlegene Leistung gegenüber dem Standard und geobewusste Planungsschemata um 36,6 % bzw. 63,7 % bei der korrekten Identifizierung ökologisch tragfähige Regionen und den Einsatz von Pods in diesen Regionen.     «

Die Verbrennung fossiler Brennstoffe zur Stromerzeugung ist ein prominenter globaler Treiber Treibhausgasemissionen, die weitreichende Auswirkungen auf den Klimawandel haben a planetarische Skala. Die Verbreitung von Cloud Computing in den letzten Jahren hat zu einem erheblichen Anstieg geführt Anstieg des Energieverbrauchs und damit der CO2-Emissionen. In dem Bemühen, abzumildern Daher gibt es einen wachsenden Trend zur Einführung von Serverless Computing als eine Alternative zu herkömmlic...     »