CAST (Carbon-Aware Spatio-Temporal Scheduling)

Impact

• 배출 71.93% 감축합성 작업 기준, Azure VM 기록은 51.35%리전 상한과 마감 위반 0건
• 용량 안에서 거의 같은 감축1년치를 미리 아는 정책과 0.98%p 차이그 정책은 한 리전에 129개, CAST는 17개
• 매시간 다시 푸는 배정대기 작업 전체의 리전과 시각을 함께 결정슬롯당 평균 223 ms에 풀이

Background

같은 연산도 어느 리전에서 몇 시에 돌리는지에 따라 탄소 배출이 달라집니다.
8개 리전의 2025년 평균 탄소집약도는 인도 543.2, 프랑스 13.6 gCO₂/kWh로 약 40배 차이 납니다.

그런데 모든 작업이 같은 저탄소 리전과 시각을 고르면, 한 리전에 작업이 몰립니다.
용량을 두지 않은 선행 정책을 그대로 쓰면 작업의 99.75%가 프랑스 한 리전으로 갑니다.

선행 연구는 용량과 마감 중 하나를 제약으로 두지 않거나, 도착할 때 배정을 확정하고 다시 풀지 않습니다.

Architecture

• 예측기: 리전마다 LSTM이 과거 168시간으로 앞으로 24시간의 탄소집약도를 예측
• 로드밸런서: 작업마다 리전 후보와 왕복 지연 비용을 정함
• 스케줄러: 시작 시각 후보를 만들고 리전 용량을 셈
• 통합 배정: 둘을 하나의 선형 계획으로 풀고, 이번 시간에 시작할 작업만 확정

Contributions

마감은 지키고, 용량은 가장 큰 페널티로

마감은 하드 제약으로 두고, 리전 상한을 넘긴 양은 목적함수에서 가장 비싸게 둡니다.
미룰 수 없는 작업이 들어올 자리를 위해 예비 용량을 남깁니다.

무릎점 규칙

탄소와 지연 사이의 가중치 α는 미리 정하지 않습니다.
매시간 후보 α 11개로 배정을 풀고, 지연과 배출이 모두 가장 작은 점에 가장 가까운 것을 고릅니다.
예: 한국에서 제출된 작업이 7시간 뒤 일본에서 시작해, 지연 30 ms로 예측 탄소를 42% 낮췄습니다.

선행 정책을 같은 조건에서 비교

선행 정책을 같은 자료와 배출 계산으로 다시 구현해 비교했습니다.
Sukprasert는 1년치를 미리 알고도 한 리전에 129개를 동시에 돌려야 하고, Caspian은 5,582건의 마감을 넘겼습니다.

Results

8개 리전의 2025년 1년치 탄소집약도 위에서 합성 작업 14만여 건을 돌린 결과입니다.

• Azure VM 기록으로 만든 작업에서도 51.35%를 줄였고, 위반은 0건
• 예측기, 상한, 작업을 바꿔도 위반은 0이고, 미래 정보를 모두 빼도 68.88%
• 슬롯당 풀이는 평균 223 ms, 최대 1,223 ms
• 평균 배출계수 기준이며, 모든 작업에 왕복 지연 상한 100 ms를 두면 32.98%

Troubleshooting