地理分布式无服务器云中基于SLA约束的碳感知路由

# SLA约束的碳感知路由在地理分布式无服务器云中
来源：https://arxiv.org/html/2607.22806
Anmol Chaudhary和Rahul Mishra
印度国家先进制造技术研究所
兰契，印度
[email protected] (https://arxiv.org/html/2607.22806v1/mailto:[email protected])

###### 摘要。

现代云部署将应用分布在多个地理区域，但标准路由机制优先考虑延迟，而忽略了当地电网波动的碳强度。延迟驱动的路由会产生可避免的碳排放，特别是当更清洁的区域在可接受的延迟范围内时。所提出的模型将碳感知的无服务器路由问题表述为对地理分布式云区域的约束优化，并引入了一种SLA约束的碳感知路由策略，该策略在SLA可行区域内实现最优碳减排，并使用来自5个主要AWS部署的真实碳强度数据进行了评估。实验结果表明，所提出的策略在所有评估阈值下可减少高达46.8%的碳排放，同时保持零SLA违规。在混合工作负载下，系统平均减少27.4%的碳排放，路由开销非常低（不到总请求延迟的0.02%）。一项跨越6大洲12个AWS区域的可扩展性研究表明，在混合工作负载下，随着路由灵活性的扩展，平均碳节省从27.4%增加到47.5%。所提出的工作通过实现低碳路由决策，有助于实现可持续发展目标13（气候行动）和可持续发展目标7（经济适用的清洁能源）。这些结果表明，云系统可以在不影响用户体验的情况下实现显著的碳减排。

碳感知路由，多区域云系统，无服务器计算，碳足迹减少。

††版权：无

## 1. 引言

云计算平台逐渐依赖于地理上分布的数据中心和边缘服务器，以减少延迟、提高性能并满足全球实时应用的需求。目前，请求路由决策主要基于延迟要求确定，通常映射到距离用户最近的区域。虽然当前方法提供了最佳的端到端延迟，但它完全忽略了所选区域的碳足迹，即执行时为该区域数据中心供电的电网的碳强度（gCO2/kWh）。由于碳强度随地点和时间变化很大，仅考虑延迟的路由可能导致可避免的碳排放，即使在可接受的延迟范围内存在更清洁的替代方案。最近，研究人员探索了绿色计算的概念，旨在减少数据中心的碳足迹（Acun et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib2); Beloglazov and Buyya, 2010 (https://arxiv.org/html/2607.22806#bib.bib6)）。虽然先前的工作已开始将碳感知引入无服务器调度（Qi et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib13); Chadha et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib7)）以及跨VM和微服务基础设施的空间迁移（Souza et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib16); Christofidi et al., 2026 (https://arxiv.org/html/2607.22806#bib.bib8); Maji et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib12)），但这些系统均未同时将每条请求的SLA约束作为硬可行性边界来执行，在受管无服务器平台上运行且无需修改基础设施，也未在真实云基础设施上展示部署。

### 1.1. 动机与贡献

云原生和无服务器计算的快速增长对分布式计算的碳足迹产生了显著影响。无服务器计算已成为主导范式。可扩展性、成本效益和开发便利性是无服务器计算的主要特点。尽管技术和财务方面已得到充分理解，但环境影响的探索较少（Awwad et al., 2025 (https://arxiv.org/html/2607.22806#bib.bib5)）。对计算及其基础设施需求的增加可能导致碳足迹增加（Akour and Alenezi, 2025 (https://arxiv.org/html/2607.22806#bib.bib3); Asadov et al., 2025 (https://arxiv.org/html/2607.22806#bib.bib4)）。

此外，电力供应系统的碳足迹在不同地区差异很大，取决于能源组合的多样性、可再生能源的渗透率以及使用时间模式。电网碳强度的可变性为通过智能请求路由到碳足迹较小的区域以减少碳足迹提供了机会，同时适当满足延迟要求以避免服务质量下降。

云应用的碳足迹不仅限于计算；最近的进展甚至开始探索在网络交换机上结合碳感知路由的动态频率缩放，以减少广域数据传输本身的排放（Wang and Zilberman, 2025 (https://arxiv.org/html/2607.22806#bib.bib18)）。

虽然碳感知的空间迁移已在持久性虚拟机和微服务基础设施中得到探索（Souza et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib16); Christofidi et al., 2026 (https://arxiv.org/html/2607.22806#bib.bib8)），但这些系统是针对长期运行、可迁移的工作负载设计的，并将延迟视为联合加权目标中的一个项，而非硬性的服务保证。相比之下，无服务器函数是短暂、无状态的，通常受严格的每条请求延迟SLA约束，不能放宽，否则会直接降低面向用户的服务质量。这一根本区别促使提出一种路由公式，其中SLA作为硬可行性约束执行，碳仅在由此产生的可行区域内最小化，而不是通过加权与延迟进行权衡。

在所提出的工作中，通过提出一个用于无服务器应用的SLA约束碳路由框架来弥补这一差距。核心设计原则是，系统首先路由到满足延迟要求的区域，然后在这些区域中选择碳强度最低的区域，而不是路由到最近或碳足迹最低的区域。该方法确保仅在不会损害用户体验的情况下实现碳减排（Sharma, 2023 (https://arxiv.org/html/2607.22806#bib.bib15)）。

所提出的模型在5个主要AWS区域上实施和评估，并使用从Electricity Maps获得的真实世界碳强度数据和经验测量的网络延迟，在跨越6大洲的12个区域上进行了可扩展性研究。

选择5个主要区域以覆盖广泛的碳强度和与请求源的物理距离，而用于可扩展性研究的额外7个区域则选择覆盖所有6个有人居住的大洲，确保评估不限于地理或气候狭窄的子集。

为系统分析权衡，比较了五种路由策略：

1. (1) 基线延迟驱动策略，选择最近的区域。
2. (2) 碳最优策略，忽略延迟约束。
3. (3) 所提出的SLA感知碳路由策略。
4. (4) 考虑首次调用惩罚的冷启动感知变体。
5. (5) 受CASPER等空间迁移方法启发的加权评分消融基线（Souza et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib16)），用于隔离硬SLA与软SLA执行的效果。

所提出的工作通过智能路由决策减少云应用的碳足迹，为可持续发展目标13：气候行动做出贡献。此外，它通过促进低碳区域的利用，支持可持续发展目标7：经济适用的清洁能源。

所提出的工作的贡献如下：

1. (1) 我们将无服务器请求路由表述为一个SLA约束的碳最小化问题。我们提出了一种SLA约束的碳感知路由策略，可实现高达46.8%的碳减排，且零SLA违规。
2. (2) 所提出的工作表明，受管无服务器平台无需修改应用逻辑或云基础设施即可实现显著的碳减排。它实现了真实世界、部署透明的可持续性。
3. (3) 与针对VM或微服务基础设施的先前空间迁移系统不同，所提出的工作将每条请求的SLA可行性作为硬约束而非加权目标来执行，这一点通过受控消融研究得到经验证明。
4. (4) 我们基于真实AWS Lambda首次调用测量，引入了一个实验推导的冷启动惩罚模型（α=0.8），并表明所提出的策略在最坏情况冷启动条件下仍保持稳健。
5. (5) 使用受CASPER等空间迁移方法（Souza et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib16)）启发的软加权基线，我们表明转向硬SLA过滤可将碳节省提高高达12.8%，同时完全消除软优化导致的高SLA违规。

## 2. 相关工作

云基础设施的碳感知计算技术可大致沿两个轴组织：工作负载何时执行（时间迁移）和何处执行（空间迁移），最近的研究工作解决了无服务器执行带来的独特挑战。时间方法，包括GREEN（Xu et al., 2025 (https://arxiv.org/html/2607.22806#bib.bib20)）、CarbonScaler（Hanafy et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib10)）以及T. Sukprasert等人的局限性分析（Sukprasert et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib17)），通过将批处理工作负载延迟到低碳时期来减少碳排放。然而，这种基于延迟的策略与受严格SLA约束的延迟敏感型应用根本不相容。

在时间方法不合适的情况下，空间迁移为延迟敏感型工作负载提供了替代方案，通过重新定位执行而不是延迟执行。空间迁移将工作负载路由到碳强度较低的区域，CASPER（Souza et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib16)）、Aceso（Christofidi et al., 2026 (https://arxiv.org/html/2607.22806#bib.bib8)）和Caribou（Gsteiger et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib9)）等系统将其建模为平衡碳排放和性能的多目标优化问题。CASPER进一步将服务级别目标（SLO）和最大延迟阈值作为其优化中的约束。然而，最近关于多云碳感知路由的工作是在虚拟机或微服务级别进行的，并未解决无服务器工作负载在严格SLA约束下的每条请求路由问题（Maji et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib12)）。

此外，对于碳感知系统，地理分布式调度通常解决了性能与成本的类似放置决策，但未考虑碳排放目标。地理分布式调度已被研究用于性能、成本和资源优化，包括基于Lyapunov优化（Zhou et al., 2013 (https://arxiv.org/html/2607.22806#bib.bib21)）和强化学习的方法。然而，上述工作均未专注于无服务器计算，并假设碳排放是其模型中延迟的一个竞争目标。

无服务器计算由于其事件驱动性质（即冷启动）带来了新的挑战。现有工作主要集中在缓解冷启动和改进资源分配。诸如StepConf（Wen et al., 2022 (https://arxiv.org/html/2607.22806#bib.bib19)）、CASA（Qi et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib13)）和EcoLife（Jiang et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib11)）等系统专注于性能与碳感知调度，而GreenCourier（Chadha et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib7)）和GreenWhisk（Serenari et al., 2024 (https://arxiv.org/html/2607.22806#bib.bib14)）则探索碳感知执行。然而，这些系统大多局限于区域内部，并且通常需要修改底层平台，限制了它们在AWS Lambda等受管服务中的适用性。此外，最近的工作探索了包含碳、延迟和成本的多目标优化框架，通常使用强化学习或Aceso等微服务放置策略（Christofidi et al., 2026 (https://arxiv.org/html/2607.22806#bib.bib8)）。然而，这些都不支持真实世界部署中的每条请求路由。

因此，从上述分析可以识别出关键差距：(i) 现有系统依赖于时间迁移或放宽的延迟约束；(ii) 地理分布式调度针对持久性基础设施；(iii) 缺乏无服务器工作负载的区域间每条请求路由。所提出的工作通过实现无服务器工作负载的SLA感知、每条请求的跨区域碳高效路由来直接解决这些差距。与先前方法不同，我们将SLA作为硬可行性约束来执行，而不是将其作为优化目标中的加权项。此外，所提出的方法无需修改底层基础设施，并使用真实世界的延迟和碳强度轨迹进行评估。

表1 (https://arxiv.org/html/2607.22806#S2.T1) 比较了现有工作与所提出的系统在六个参数上的差异：碳感知、SLA符合性、部署真实性、无服务器支持、每条请求路由和基础设施独立性。其中，CASPER（Souza et al., 2023 (https://arxiv.org/html/2607.22806#bib.bib16)）和Aceso（Christofidi et al., 2026 (https://arxiv.org/html/2607.22806#bib.bib8)）是同时具有碳感知和SLA感知的先前系统。然而，两者均不针对无服务器执行模型，也不支持每条请求路由，并且两者都需要修改底层调度基础设施。

表1. 现有碳感知系统与所提出框架在关键架构维度上的比较
## 3. 系统设计

所提出的框架通过将延迟感知的区域选择与实时碳强度数据相结合，实现了碳感知的无服务器请求路由。本节介绍系统架构、路由工作流、优化模型和实现细节。

### 3.1. 系统概述

所提出的工作为跨不同云区域的无服务器应用引入了一个碳感知路由系统。来自客户端的请求到达API网关，API网关将其转发给碳感知路由器，该路由器实现为一个AWS Lambda函数。路由器不执行实际计算。相反，它根据延迟要求和碳强度决定执行函数的最佳区域。如果找不到满足SLA（服务级别协议）要求的区域，则请求将作为后备路由到最近的区域。路由器基于两个关键输入：(i) 预计算的延迟配置文件，包括从客户端到每个区域的往返时间（RTT）；(ii) 从Electricity Maps等来源获得的实时碳强度数据。