カーボンアウェアコンピューティング

カーボンアウェアコンピューティングとは何が新しいのか

カーボンアウェアコンピューティング は、ワークロードの実行時刻と実行場所を、電力網の 炭素強度（1kWhの電力を生むのに排出されるCO2グラム数、gCO2/kWh）に応じて動的に調整する設計手法です。キャパシティプランニングやキャパシティモデリングが「需要を予測し資源を過不足なく用意する」ことを目標とするのに対し、カーボンアウェアは 同じ需要・同じ資源量でも、いつ・どこで実行するかによって環境負荷が変わる という、従来モデルにはなかった最適化変数を追加します。電力コストの最適化（電気料金の時間帯変動を狙うピークシフト）と似た形をとりますが、目的関数が「金額」ではなく「排出量」である点が異なります。

炭素強度が変動する理由は発電構成にあります。太陽光・風力は天候依存で出力が変わり、火力（石炭・ガス）は需要に応じて焚き増しされます。再生可能エネルギーの比率が高い時間帯・地域ほど炭素強度は下がり、火力への依存が高まる時間帯・地域ほど上がります。この変動幅は地域によって数倍に達することもあり、時間軸では1日の中で2〜3倍変わることも珍しくありません。

時間的シフト：デマンドシフティング

デマンドシフティング は、実行時刻を柔軟に動かせるワークロードを、炭素強度が低い時間帯へ意図的に遅延させる手法です。対象になるのは締切に余裕がある 遅延許容ジョブ、例えばバッチ集計、モデル学習、ログの再圧縮、バックアップの整合性検証などです。ユーザー向けAPIのような即時応答が必要なワークロードは対象外です。

意思決定は単純化すると次のような形です。

実行開始時刻 = argmin_t ∫ 炭素強度(t) dt
             subject to: t_開始 >= 現在時刻
                         t_終了 <= 締切
                         実行時間 <= 許容ウィンドウ幅

実装上は、電力網運用者や第三者APIが提供する 炭素強度予報（数時間〜数日先の予測値）をジョブスケジューラが参照し、締切制約の範囲内で予報値が最小になる時間帯にジョブキューを投入します。ここはクラスタオートスケーラーのビンパッキングと設計思想が響き合う部分で、ビンパッキングが「空間（ノードの空き資源）」に対する詰め込み最適化であるのに対し、デマンドシフティングは「時間（炭素強度の低い窓）」に対する詰め込み最適化だと捉えると理解しやすくなります。

地理的シフト：フォロー・ザ・サン/ウィンド

地理的シフト は、複数リージョンに分散したワークロードを、その瞬間に炭素強度が低いリージョンへ動的に配置し直す手法です。太陽光発電が多い地域を追いかける「フォロー・ザ・サン」、風力発電が多い地域を追いかける「フォロー・ザ・ウィンド」という呼び方がよく使われます。地球は自転しているため、日中の太陽光ピークは経度に沿って西から東（あるいは東から西）へ移動し、これに追従してワークロードを移すという発想です。

これはマルチリージョンフェイルオーバーの仕組みを流用できます。フェイルオーバーが「可用性」を目的にリージョン間でトラフィックを切り替えるのに対し、地理的シフトは「炭素強度」を目的に切り替える点が異なります。ただし前提条件が大きく異なることに注意が必要です。フェイルオーバーはレイテンシとデータ整合性を最優先し健全なリージョンへ即座に切り替えますが、地理的シフトは遅延許容ジョブが対象であり、データの地理的所在に関する規制（データレジデンシー）や、リージョン間転送のコスト・帯域も制約に加わります。

リージョン選択 = argmin_r 炭素強度(r, t)
               subject to: データレジデンシー制約を満たす
                           リージョン間転送コスト <= 予算
                           r のキャパシティに空きがある

実装上の設計判断

現実のスケジューラを設計する際は、次の3点が要点になります。

第一に、炭素強度の粒度と予報精度 です。実測値だけでなく数時間先の予報を使うのは、ジョブ投入から実行までのリードタイムがあるためです。予報精度が低い電力網では、シフト幅を保守的に狭めるほうが安全です。

第二に、締切制約のモデル化 です。ジョブごとに「最遅完了時刻」を明示させ、これを超えない範囲でのみシフトを許可します。締切に近づくにつれてシフトの自由度を減らし、最終的には炭素強度に関わらず即実行するフォールバックが必須です。ここを怠ると、締切超過という新たな信頼性リスクを生みます。

第三に、測定の信頼性 です。排出量の削減効果を主張するには、シフト前後の炭素強度差を実測し、削減量を定量化する仕組みが要ります。クラウド事業者が公開する電力網の平均炭素強度データや、限界排出係数（追加の1kWh需要が引き起こす排出量、平均値より変化への感度が高い指標）を使う設計もあります。限界排出係数を使うと、需要シフトが実際にどれだけ発電構成へ影響するかをより正確に捉えられます。

まとめ

• カーボンアウェアコンピューティングは、電力網の炭素強度に応じて実行の 時刻 と 場所 を最適化変数に加える点で、資源量の最適化に閉じた容量計画と本質的に異なる。
• 時間的シフト（デマンドシフティング）は遅延許容ジョブを炭素強度の低い時間帯へ、地理的シフト（フォロー・ザ・サン/ウィンド）はリージョン間で低炭素な場所へ動かす。
• 実装では炭素強度予報の精度、締切制約によるフォールバック、限界排出係数などによる効果測定の3点が信頼性を左右する。