Cloud Carbon Footprint — это проект с открытым исходным кодом, предназначенный для измерения и мониторинга выбросов углекислого газа и энергопотребления облачных сервисов. Гибкость методов развёртывания позволяет пользователям выбирать подход, который лучше всего соответствует их потребностям и инфраструктуре. Существует 4 этапа измерения CCF: сбор данных об использовании, преобразование использования в энергопотребление, оценка выбросов углерода и использование инструментов и панелей мониторинга CCF.
Cloud Carbon Footprint — это проект с открытым исходным кодом, запущенный в марте 2021 года, предназначенный для измерения и мониторинга выбросов углекислого газа и энергопотребления облачных сервисов. Инструмент предлагает настраиваемую и модульную панель мониторинга для визуализации этих оценок. 1. Что такое Cloud Carbon Footprint? Проект Cloud Carbon Footprint был создан для обеспечения прозрачности и практической информации о выбросах углерода и энергопотреблении облачных сервисов.
Изначально он поддерживал трёх основных поставщиков публичных облачных услуг: Google Cloud, Amazon Web Services (AWS) и Microsoft Azure, а недавно добавил поддержку Alibaba Cloud. Читайте также: испанские стартапы обвиняют Microsoft в недобросовестной конкуренции на рынке облачных сервисов. Инструмент предлагает настраиваемую и модульную панель мониторинга для визуализации этих оценок. Пользователи также могут получать доступ к данным через API или интерфейс командной строки.
Как и инструмент Backstage от Spotify, Cloud Carbon Footprint может быть развёрнут в среде организации для подключения к учётным записям облачных провайдеров и просмотра оценок за определённый период. 2. Как получить и использовать CCF? Для получения и использования Cloud Carbon Footprint (CCF) у пользователей есть несколько вариантов. Они могут клонировать репозиторий CCF или создать новый экземпляр приложения с помощью предоставленных NPM-скриптов. Необходимо настроить переменные окружения и параметры подключения к своим учётным записям и платёжным данным.
Варианты развёртывания включают использование Helm-чартов для кластеров Kubernetes, публичных исходных контекстов AWS CloudFormation для экземпляров EC2, ручную настройку на виртуальной машине, Google App Engine для бессерверного развёртывания и скрипты Terraform для кастомизации. Читайте также: Microsoft подписывает соглашение со шведским партнёром по улавливанию углерода. Гибкость методов развёртывания позволяет пользователям выбирать подход, который лучше всего соответствует их потребностям и инфраструктуре. Thoughtworks включила различные варианты развёртывания, основанные на собственном опыте, вкладе сообщества и работе с клиентами.
Цель — предоставить пользователям набор ресурсов и возможностей для развёртывания CCF в соответствии с их предпочтениями: от настройки полноценной панели мониторинга React и API до интеграции API CCF с существующими инструментами мониторинга. 3. 4 этапа измерения CCF Сбор данных об использовании Первый шаг в измерении углеродного следа вашего облака — сбор подробных данных об использовании облака. Это включает сбор счетов и отчётов об использовании от ваших облачных провайдеров, в которых указаны потреблённые ресурсы, такие как вычислительные экземпляры, хранилища и передача данных.
Эти отчёты предоставляют базовые данные, необходимые для оценки энергопотребления. Преобразование использования в энергопотребление После получения необработанных данных об использовании следующим шагом будет преобразование этих данных в показатели энергопотребления. Это делается путём применения специальных коэффициентов и справочных данных, таких как Cloud Jewels от Etsy, которые оценивают энергопотребление на единицу потреблённого облачного сервиса. Это преобразование абстрактных данных об использовании в реальное энергопотребление имеет решающее значение для последующих расчётов выбросов углерода.
Оценка выбросов углерода Имея данные об энергопотреблении, следующим шагом будет оценка связанных с ними выбросов углерода. Это предполагает применение региональных коэффициентов углеродоёмкости, которые показывают, сколько CO2 выбрасывается на единицу потреблённой энергии. Эти коэффициенты различаются в зависимости от региона из-за различий в энергетическом балансе, используемом для производства электроэнергии, например уголь, природный газ или возобновляемые источники энергии. Использование инструментов и панелей мониторинга CCF Чтобы упростить этот сложный процесс, проект Cloud Carbon Footprint предлагает практичные инструменты.
CCF предоставляет модульную и настраиваемую панель мониторинга для визуализации оценок углеродного следа. Кроме того, он поддерживает реализации API и интерфейса командной строки, что позволяет организациям легко интегрировать отслеживание выбросов углерода в свои существующие системы. Развернув CCF в своей среде, компании могут отслеживать и анализировать углеродный след своего облака в режиме реального времени. 4. Отличительные особенности Арик объясняет, что Cloud Carbon Footprint (CCF) принципиально отличается от других инструментов по нескольким аспектам.
Ключевое отличие — сбор данных непосредственно из платёжной информации облачных провайдеров, что позволяет получать более детальную информацию об использовании, такую как оборудование, вычислительные часы и конфигурации. Это позволяет CCF предоставлять более частые оценки — от ежедневных до годовых, в отличие от многих инструментов облачных провайдеров, которые часто ограничиваются месячной детализацией. CCF также включает данные об энергопотреблении в дополнение к выбросам, что даёт более полную картину.
Открытая и прозрачная методология CCF позволяет сравнивать его с инструментами облачных провайдеров, и рекомендуется использовать их вместе для получения целостной картины. Арик подчёркивает важность наличия панели мониторинга использования для нескольких облаков для организаций, которые работают с несколькими облачными провайдерами. 5. Практическое применение и примеры Несколько компаний уже внедрили CCF для отслеживания и снижения углеродного следа своего облака.
Например, Holaluz, европейская энергетическая компания, интегрировала CCF в свою инфраструктуру AWS для выявления конкретных потребностей пользователей и проблем с масштабируемостью. Это сотрудничество подчеркнуло важность наличия точных измерительных инструментов. Другой пример — Ivan, компания по обработке данных, которая использовала CCF для включения данных о выбросах углерода в свои процессы выставления счетов и отчётности. Разработав инструмент на основе Python, Ivan смог интегрировать оценки выбросов углерода CCF в свои внутренние платформы, продемонстрировав гибкость и потенциал кастомизации CCF.