برنامه شما چقدر سبز است؟


طراحی توسط ریکاردو توماس

شکی نیست که این برنامه ستون فقرات تمام راه حل های هوشمند طراحی شده برای پشتیبانی از محیط زیست است. به عنوان مثال ، در تلاش برای مقابله با جنگل زدایی و کاهش انتشار گازهای گلخانه ای بسیار مهم است. با این حال ، در بسیاری از موارد ، نرم افزار همچنین بخشی جدایی ناپذیر از رد پای کربن است که به سرعت در حال رشد است. در حقیقت ، فناوری های مدرن و فراگیر دیجیتالی شروع به تشدید بسیاری از مشکلات زیست محیطی می کنند که هدف آنها حل آن است. اما شرکت ها می توانند با در نظر گرفتن ردپای کربن در نحوه طراحی ، توسعه و استقرار و بازنگری برخی از جنبه های نحوه کارکرد مراکز داده ارائه خدمات مبتنی بر ابر ، نرم افزار را به بخشی جدایی ناپذیر از تلاش های پایداری خود تبدیل کنند.

بیایید روشن باشیم: این برنامه ها خودشان مصرف برق نمی کنند و هیچ زباله مضر از خود ساطع نمی کنند. مشکل نحوه توسعه نرم افزار برای استفاده است – و بنابراین نحوه استفاده از آن. این برنامه روی سخت افزار کار می کند و با ادامه رشد برنامه قبلی ، اعتماد به سخت افزار برای اجرای آن نیز افزایش می یابد.

به عنوان مثال ، بلاکچین برخی از پیشرفته ترین راه حل های سبز موجود مانند شبکه های کوچک را که به ساکنان امکان تجارت انرژی سبز را می دهد ، هدایت می کند. و این نوآوری در نرم افزار همچنین در پشت توسعه ارز رمزنگاری شده است. در سال 2019 ، محققان دانشگاه کمبریج تخمین زدند که انرژی مورد نیاز برای حفظ شبکه بیت کوین بیش از انرژی مورد نیاز کل کشور سوئیس است.

سپس بخش ICT به طور کلی وجود دارد. پیش بینی می شود تا سال 2040 14 درصد از اثر جهانی کربن را به خود اختصاص دهد – در حالی که در سال 2007 حدود 1.5 درصد بود.

توسعه نرم افزار می تواند انرژی زیادی را صرف کند. به عنوان مثال ، آنچه را یاد گرفتیم وقتی یک مدل هوش مصنوعی را روی یک مجموعه داده کوچک و زنبق در دسترس عموم قرار دادیم ، آموختیم. مدل AI با طبقه بندی انواع مختلف گلها فقط با 964 ژول انرژی به دقت 96.17٪ دست یافت. برای افزایش بعدی دقت 1.74٪ نیاز به مصرف انرژی 2.815 ژول داشت. آخرین افزایش دقت 0.08٪ تقریباً 400٪ انرژی بیشتری نسبت به مرحله اول مصرف کرده است.

حال به همین مثال در زمینه تصویر بزرگتر هوش مصنوعی به طور کلی فکر کنید. امروزه آموزش یک مدل شبکه عصبی منفرد می تواند به اندازه پنج اتومبیل در طول عمر خود کربن منتشر کند. میزان قدرت محاسباتی مورد نیاز برای اجرای مدل های بزرگ آموزش هوش مصنوعی به طور چشمگیری افزایش یافته است ، با زمان دو برابر شدن 3.4 ماه.

با تمام آنچه گفته شد ، کاهش اعتماد به نرم افزار به عنوان وسیله ای برای امکان کار منطقی نخواهد بود ، به ویژه در دنیای پس از Covid که کار در خانه یا مکان های دور می تواند برای بسیاری از افراد عادی شود. کاهش نوآوری مبتنی بر نرم افزار پاسخی مناسب نخواهد بود.

با این حال ، شرکت ها می توانند با قضاوت در مورد عملکرد خود در مورد بهره وری انرژی ، همانطور که در استانداردهای سنتی است (به عنوان مثال ، عملکرد ، امنیت ، مقیاس پذیری و قابلیت دسترسی) و با در نظر گرفتن شیوه های سبز و اهداف به عنوان معیارهای مدیر ، نرم افزار را به بخشی از تلاش های پایداری خود تبدیل کنند. بررسی عملکرد اطلاعات.

در نهایت ، جوایز بیشتر از چالش ها خواهد بود: افزایش دقیق اوایل بررسی نیاز به ساختن نرم افزار سبز به محصولی با کیفیت بالا تبدیل می شود: کوچکتر ، تمیزتر و مناسب برای اهداف. این ویژگی ها همچنین هزینه های اضافی اولیه را جبران می کنند. نرم افزار سبز به شرکت های بزرگ کمک خواهد کرد تا به اهداف خود برای محیط زیست ، جامعه و حاکمیت دست یابند ، که یک شاخص عملکرد به طور فزاینده مهم برای سهامداران است. سرانجام ، تحقیقات ما (که به زودی منتشر خواهد شد) نشان می دهد که مهندسان جدید کامپیوتر به طور فزاینده ای تمرکز شرکت را بر پایداری هنگام انتخاب صاحب مشاغل سنگین می کنند. تعهد به برنامه های سبز می تواند جذابیتی جذاب باشد.

بنابراین چگونه شرکت ها می توانند با برنامه های خود سبز شوند؟ این یک فرآیند سه بخشی است که با تدوین استراتژی ای شروع می شود که برخی مرزها را مشخص می کند ، سپس چرخه عمر نرم افزار را هدف قرار می دهد و همچنین ابر را سبز می کند. هیچ شرکتی که می شناسیم در توصیف آن کاملاً درگیر این فرآیند نشده و از مزایای کامل برنامه های سبز هدفمند بهره مند می شود. با این حال ، تعداد فزاینده ای از شرکت ها – از جمله گوگل ، فولکس واگن و Rainforest (که خود یک شرکت تست نرم افزار است) – انواع مختلفی از روش ها و فن آوری های زیر را به کار می گیرند.

استراتژی ای را تنظیم کنید که معاملات را آگاه کند و امکان انعطاف پذیری را فراهم کند. با این کار تیم های فناوری اطلاعات باعث می شوند که در مورد سطح تحمل صحیحی که باید برای تأثیرات زیست محیطی برنامه هایشان داشته باشند ، فکر کنند. همیشه بین اهداف تجاری و زیست محیطی داد و ستد وجود دارد و مهندسان نرم افزار باید بتوانند تعیین کنند که خط رفتن / رفتن نیست. بازگشت به مدل هوش مصنوعی را که ما روی مجموعه داده Iris آموزش داده ایم ، در نظر بگیرید. اینکه آیا این آخرین قدم برای افزایش دقت ارزش انرژی صرف شده را دارد یا خیر ، یک تصمیم تجاری است که از بالا به جهت مشخصی نیاز دارد.

به همان اندازه مهم ، این استراتژی انعطاف پذیری را می طلبد – به مهندسین اجازه می دهد بداهه سازی کنند و از طریق آزمون و خطا یاد بگیرند. نرم افزار سبز هنوز یک زمینه در حال ظهور است ، که عمدتا به دانشگاه محدود می شود. هیچ راهنمایی برای مهندسان در این زمینه وجود ندارد.

سرانجام ، این استراتژی گسترده باید معیارهای مورد نیاز برای اندازه گیری پیشرفت را نشان دهد. در مورد به روزرسانی های نرم افزاری ، تنظیم آن دشوار نخواهد بود (به عنوان مثال ، با کاهش میزان مصرف نسخه جدید بیشتر از نسخه قبلی). با این حال ، برای برنامه های جدید ، شناسایی اقدامات مفید دشوارتر است. در ابتدا می تواند معیارهایی مانند بهره وری استفاده از حافظه ، مقدار داده های استفاده شده و عملیات ریاضی (در هر ثانیه) را داشته باشد.

چرخه عمر توسعه نرم افزار را مرور و بهبود ببخشید. با پرسیدن شروع کنید: کوچکترین ردپای محیطی که می توانیم با این برنامه ایجاد کنیم چیست؟ از این پیش بینی برای راهنمایی مراحل اولیه چرخه توسعه نرم افزار استفاده کنید. این انتظار ممکن است با کسب دانش تغییر کند ، اما می تواند برای آگاهی شما از امکان سنجی و ارزیابی هرگونه معامله بین رویکردهای جایگزین بسیار مفید باشد.

سپس توصیه هایی را برای مثال الگوریتم ها ، زبان های برنامه نویسی ، API ها و کتابخانه هایی ایجاد کنید که می توانید برای کاهش اثر کربن خود به آنها اعتماد کنید. و این نیاز به ارزیابی مداوم دارد که کدام گزینه ها می توانند کارآمدتر باشند. این ارزیابی ها سازگاری نرم افزار را در انواع طراحی دستگاه های محدود کننده انرژی مانند کنترل های قابل حمل ، وسایل نقلیه و دستگاه های خانگی آزمایش می کند.

در مرحله استقرار ، از طریق تکنیک هایی مانند تجزیه و تحلیل کد پویا ، مصرف برق را در زمان واقعی کنترل کنید. داده هایی که جمع آوری می کنید برای درک شکاف بین گزینه های طراحی و پروفایل های قدرت واقعی مهم خواهد بود.

برخی از شرکت ها ابزاری را برای کمک به توسعه سیستم های آگاه از انرژی و به طور فزاینده کارآمد ارائه می دهند. به عنوان مثال ، اینتل ابزارها و منابع را برای مدیریت مصرف انرژی به توسعه دهندگان ارائه می دهد. دستیار توسعه نرم افزار این شرکت به مهندسان این امکان را می دهد تا هنگام انجام بارهای خاص در برنامه های خود ، اندازه گیری انرژی را از سیستم گرفته و کارایی آنها را تعیین کنند.

با این حال ، این نوع ابزارها فاقد هستند. ارزیابی معاملات کلیدی بین انتشار کربن و اهداف تجاری مانند انعطاف پذیری همچنان یک سربالایی سخت است.

ابر را سبز کنید. برنامه های اخیر همیشه از طریق ابر منتشر می شوند. اما رشد انفجاری خدمات مبتنی بر ابر منجر به گسترش سریع مراکز داده پر مصرف انرژی شده است. مراکز داده امروزه حدود 2٪ از برق جهانی را مصرف می کنند. تا سال 2030 ، آنها می توانند تا 8 درصد مصرف کنند.

تا به امروز ، بیشتر تلاش ها برای سبزسازی مراکز داده بر روی بهبود سخت افزار (با کاهش وجود سرورهای بیش از حد گرم شده) و کاهش انتشار کربن (با افزایش ترکیبی از انرژی تجدید پذیر که در آن کار می کنند) متمرکز شده است. این تکنیک ها به رفع مشکل کمک می کنند. با این حال ، گنجاندن مداخلات برنامه پایدار فرصت های جدیدی را برای صرفه جویی در انرژی ایجاد می کند.

به عنوان مثال ، حذف نسخه های اضافی داده ها یا فشرده سازی داده ها به قطعات کوچکتر ، ممکن است در مصرف انرژی صرفه جویی کند. بنابراین GPU ها ممکن است برای مدیریت بارهای کاری در لبه (نزدیک دستگاه یا کاربر نهایی) مستقر شوند و با تقسیم کارهای بزرگ به کارهای کوچکتر و تقسیم آنها بین چندین پردازنده ، کارایی ایجاد کنند.

اتخاذ معماری های سرور سبز به احتمال زیاد برای صرفه جویی در مصرف انرژی بسیار مهم است. به عنوان مثال ، استفاده از سرورهای مجازی به شرکت ها کمک می کند تا سرورهای خود را بر اساس تقاضا ، صرفه جویی در مصرف برق در مراکز داده سازمانی کنند. مجازی سازی اساساً امکان ایجاد چندین محیط شبیه سازی (یا منابع اختصاصی) از یک سیستم سخت افزاری فیزیکی را فراهم می کند. کانتینر ، اساساً پیشرفت نسبت به سیستم های مجازی ، گزینه دیگری است. وقتی محاسبات بدون سرور برنامه ها را در سطح سخت افزاری جدا می کند ، ظروف آنها را در سطح سیستم عامل جدا می کند.

معماری های جدیدتر برنامه – مانند محاسبات بدون سرور یا عملکردهای یک سرویس (FaaS) – امکان کنترل بیشتر ظرفیت و در نتیجه مصرف برق را فراهم می کنند. به عنوان مثال ، محاسبات بدون سرور ، با اجرای توابع فقط در صورت تقاضا ، به طور کارآمد منابع زیرساخت را به اشتراک می گذارند. و از آنجا که با توجه به زمان اجرا محاسبه می شود ، برنامه نویسان را مجبور به بهبود کارایی کد خود می کند. به عنوان مثال ، ارائه دهندگان خدمات محاسباتی بدون سرور بزرگ مانند AWS Lambda و Microsoft Functions با استفاده از مدل pay-as-you-go توسعه مداوم خود را ارائه می دهند.

خواه یک تلفن همراه باشد که برای صرفه جویی در مصرف انرژی به استفاده کارآمدتر از منابع و توان محاسباتی نیاز دارد یا یک مرکز داده ابری که در آن سرورها نیاز به بهینه سازی مصرف انرژی دارند ، نیاز به نرم افزار سبز همچنان رو به رشد است. با گنجاندن نرم افزار در تلاشهای پایداری شما ، شرکت شما در این زمینه مهم شروع خواهد کرد.

نویسندگان از Vikrant Kaulgud و Vibhu Saujanya Sharma از آزمایشگاه های Accenture و Shruti Shalini و Dave Light of Accenture Research برای کمک به این مقاله تشکر می کنند.


منبع: بادرود نیوز

لینک ها کوتاه شده

tinyurl.com/yy27l9u2
is.gd/uS6NHa
shrtco.de/jIF3L
clck.ru/QuoCB
u.nu/lla-b
ulvis.net/tEi

بیشتر بخوانیم:
کوهن می گوید ترامپ "خیلی به هواداران طبقه کارگر اهمیت نمی دهد"

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *