Energooszczędna architektura

1) Podstawowe zasady

1. Energia jako metryka pierwszej klasy. Dżule/życzenie, W/rdzeń, kWh/TB-miesiąc - te same KPI jak p95 i koszt.
2. Karbon-/energooszczędna orkiestra. Harmonogram obciążeń i rozmieszczenie zadań uwzględniają intensywność sieci i centrów danych.
3. Minimalizacja danych. Mniej danych → mniej procesora/IO → mniej mocy i chłodzenia.
4. Prawy rozmiar i ustawienie. Wybieramy odpowiedni typ i rozmiar zasobu i umieszczamy go bliżej użytkownika/danych.
5. Prostota wygrywa. Dodatkowa abstrakcja i czatowość = dodatkowa energia.

2) Mierniki i modele

2. 1 Infrastruktura

PUE (Efektywność zużycia energii): „PUE = Total Data Center Energy/IT Load Energy” (im bliżej 1, tym lepiej).
CUE (efektywność wykorzystania dwutlenku węgla): „CUE = CO e/Energy IT”.
WUE (woda UE): litry wody na kWh - ważne dla regionów o niedoborze wody.

2. 2 Stosowane

J/req: 'E _ req = P (t) dt/ .
praca kWh/ETL, komunikaty kWh/million, szkolenie kWh/model.
SO-e/ficha lub SO-e/polzovatel: „CO-e = kWh × grid_factor (czas, region)”.

2. 3 Model węglowy

carbon(req) = energy(req) grid_emission_factor(region, time)
energy(req) = cpu_j + mem_j + io_j + net_j

Gdzie „grid _ emission _ factor” zmienia się w zależności od godziny i regionu (harmonogram świadomości emisji dwutlenku węgla).

3) Poziom oprzyrządowania i wykonania

architektury procesora: ARM/Graviton/RISC-V często dają najlepsze „W/perf” dla ładunków sieciowych i Java/Go; x86 pozostaje silny dla wysokich prętów i niektórych SIMD.
GPU/TPU/inne akceleratory: w analizie ML/wektor, często dają najlepsze „J/operacja”, jeśli jest rozpakowany i utrzymuje wysokie wykorzystanie.
DVFS i ograniczanie mocy: redukcja częstotliwości dynamicznej i ograniczenie TDP dla zadań innych niż krytyczne.
Tryb uśpienia/automatyczne blokowanie: agresywna polityka „bezczynności” dla pracowników i środowisk.
Pamięć: Lokalizacja NUMA i zmniejszona strona brakuje zmniejszyć zużycie energii w magistrali i pamięci podręcznej.

4) Wzory architektoniczne

4. 1 Mikroservice bez rozmowy

Zmniejszyć chmiel RPC: bramki agregacyjne, złożone punkty końcowe.
gRPC/HTTP/2/3 zamiast chatty REST.
Partia + Async: Klej małe operacje.

4. 2 „Ciepłe” i „zimne” sposoby

W przypadku rzadkich, ciężkich wniosków - w razie potrzeby infrastruktura (na żądanie, funkcje/bez serwera).
Gorące ścieżki - długotrwałe połączenia i baseny.

4. 3 Buforowanie z koalescencji

Żądania koalescencji zapobiegają burzom.
Stale-while-revalidate: rezygnujemy z przestarzałych, zapisać wycieczkę do źródła.

4. 4 Męczące przechowywanie

Hot/Warm/Cold/Archive: NVMe → SSD → obiekt oparty opóźniony → lodowiec.
Automatyczny ILM/TTL: mniej spin/IO → mniej mocy.

4. 5 Planner świadomy emisji dwutlenku węgla

Przenoszenie czasu jabs (ETL, analityka, szkolenia) - do zielonych godzin/regionów.
Regionalne drogi wyjazdowe kWh i CO - kruszywo lokalnie.

python def schedule(job):
windows = get_green_windows(job.region_candidates, next_48h)
pick = argmin(windows, key=lambda w: w.grid_factor job.energy_estimate / w.capacity)
enqueue(job, region=pick.region, start=pick.start)

4. 6 Deduplicacja i kompresja Smarter

Kompresja oszczędza sieć/dysk, ale kosztuje procesor. Zastosuj adaptacyjnie: duże ładunki użytkowe, niska pętla procesora.

5) Kod i efektywność danych

Algorytmika: zmniejszyć asymptotykę> dostrajanie. Hotspoty profilowe.
Alokacje pamięci: wynajem bufora, puli obiektów - mniej GC/energii.
Formaty: protokoły binarne, formaty kolumn (Parkiet/ORC) dla analityki, dystrybucja kluczy zamka należy wziąć pod uwagę podczas buforowania.
I/O: pakowanie, wektoryzacja, asynchroniczne I/O.
Streaming vs pełne skany: filtry push-down do źródła danych.
Funkcje krawędzi: wstępna agregacja, odrzut hałasu.

E_req ≈ (cpu_ms W_cpu/ms) + (mem_ms W_mem/ms) +
(io_read_mb W_io/mb + io_write_mb W_io/mb) +
(egress_mb W_net/mb)

6) ML i dane: wzorce energetyczne

Architektura modelu: małe/specjalistyczne modele, destylacja, kwantyzacja (int8/4-bitowa), słabość.
Trening: wymiar partii - usuwanie, precyzja mieszana (FP16/BF16), punkty kontrolne, wczesne zatrzymanie.
Wniosek: partia + mikrobatch, kompilacja (TensorRT/ONNX Runtime), serwer dinam newt. Butching.
Historia funkcji i funkcji: buforowanie często używanych funkcji, degradacja jakości zamiast przeciążenia źródłowego.

7) Sieć i protokoły

Utrzymać się przy życiu, HTTP/3, QUIC, zminimalizować uścisk dłoni.
CDN + bufory krawędzi: krótsze trasy → mniej niż kWh.
Kompresja z profilem: zstd/brotley dla dużych zasobów, bez kompresji dla małych/CPU drogich ścieżek.
Powielanie wielu regionów - tylko wtedy, gdy RTO/RPO jest naprawdę potrzebne.

8) Telemetria i obserwowalność energii

8. 1 Zbiór

Liczniki mocy/mocy (IPMI/RAPL/Node Exporter power), telemetria GPU/TPU.
Na poziomie aplikacji: przypisanie J/req - poprzez próbkowanie czasu CPU/IO i współczynniki kalibracji.
Korelacja ze śladami: 'energy _ j',' carbon _ g ',' grid _ factor ',' region '.

8. 2 Mierniki i wpisy

Energia na SLI: "J/p95", "J/txn'.
Budżet na emisję dwutlenku węgla: miesięczne limity emisji dwutlenku węgla w podziale na produkty.
Dryf: wzrost „J/req”> X% wartości wyjściowej.

9) CI/CD, bramy i badania

Perf-dym + Dym energetyczny na PR: krótki skrypt, zbierz 'J/req' i bramę regresową.
Linie podstawowe energii: przechowywać odniesienie (CPU/GPU, J/req flamegrafy).
Polityka jako Kod: zakaz wdrażania, jeśli 'JJ/req> 10%' bez zatwierdzonego wyjątku.
Chaos + modele energetyczne: degradacja zależności nie powinna zwiększać J/req ponad granice (zacienienie/degradacja zamiast burz retray).

10) Zarządzanie obciążeniem i czasem

Przesunięcie czasu (przesunięcie obciążenia): zadania nie- interaktywne - w godzinach „zielonych”.
Dynamiczne SLO: Dla tła, można zwiększyć opóźnienia, aby zaoszczędzić energię.
Priorytety: krytyczne wnioski otrzymują „kwoty energetyczne”, niski priorytet - przesunięty.

python if energy_budget.low() and req.priority == "low":
return 429_DEFER process(req)

11) Bezpieczeństwo, prywatność i zgodność

Sprzęt przyspieszony szyfrowanie (AES-NI/ARMv8 Crypto) - mniej procesora/W.
Minimalizacja PII zmniejsza obciążenie magazynowe/analityczne.
Dzienniki: pobieranie próbek, maskowanie i TTL - oszczędza energię zbierania/przechowywania.

12) Anty-wzory

Nadmierne mikroservice i „czaty” między usługami.
Replikacja globalna „na wszelki wypadek”.
Zero pamięci podręcznej TTL i ciągły zakaz.
Pełne skany bez filtrów/indeksów/partii.
Ciągłe rekolekcje bez jitter → burze sieciowe.
Używając „dużego modelu”, gdzie heurystyka jest wystarczająca.
Ciężkie formaty dziennika i „zaloguj wszystko na zawsze”.

13) Mini przepisy i przykłady

13. 1 Kompresja reakcji adaptacyjnej

python def maybe_compress(resp, cpu_load, size):
if size > 641024 and cpu_load < 0.6:
return compress_zstd(resp, level=5)
return resp # мелкие/дорогие по CPU ответы не сжимаем

13. 2 Inferencja Butching Heuristics

python batch = collect_until(max_items=64, max_wait_ms=8)
result = model.infer(batch) # ↑ утилизация ускорителя, ↓ Дж/запрос

13. 3 ILM/TTL dla wydarzeń

yaml dataset: events lifecycle:
- hot: 7d  # NVMe
- warm: 90d # SSD + zstd
- cold: 365d # object store
- delete

13. 4 ETL uwarunkowane emisjami węgla

python co2 = kwh_estimate(job) grid_factor(region, now())
if co2 > job.threshold and job.deferable:
delay(job, until=next_green_window())
else:
run(job)

14) Lista kontrolna architekta

1. Energia (J/req, kWh/job) i dwutlenek węgla (gCO "e/req) SLIs określone?
2. Czy istnieje model przypisywania energii przez usługi/funkcje/najemców?
3. Harmonogram realizacji zadań przenośnych z wykorzystaniem dwutlenku węgla?
4. Mikroservice minimalizują rozmowy (agregacja, partie, gRPC/HTTP3)?
5. Czy pamięć podręczna z koalescingiem i stale-while-revalidate są skonfigurowane?
6. Czy stonowane sklepy, włączone ILM/TTL, optymalne formaty danych?
7. ML: stosuje się destylację/kwantyzację/masowanie/kompilację wnioskowania?
8. CI/CD ma energooszczędny dym, linie podstawowe i bramy na J/Req Na?
9. Krawędź/CDN/lokalizacja regionalna zminimalizować wyjście i trasy?
10. DVFS/power-capping/idle dla pracowników włączone?
11. Czy kłody/mierniki/szlaki są pobierane i retencjonowane?
12. Zielona książka startowa udokumentowana: co wyłączyć/zdegradować, gdy brakuje energii?

Wniosek

Energooszczędna architektura nie jest „ostatnią optymalizacją”, lecz strategiczną warstwą jakości: od algorytmów i formatów po umieszczenie w „zielonym” regionie i bramy w CI/CD. Pomiar dżuli, plan z myślą o węglu, uproszczenie interakcji, rozmrożenie danych i użycie akceleratorów, gdzie zmniejsza "J/op. "Dostajesz więc platformę, która jest szybsza, tańsza i bardziej ekologiczna - bez uszczerbku dla wartości produktu.