Design and evaluation of an Energy-Aware scheduling plugin for Kubernetes clusters
| dc.contributor.author | BOUBEGRA , Lydia | |
| dc.contributor.author | ZERMANI , Chaima | |
| dc.contributor.author | BETTAYEB , Sami Supervisor | |
| dc.date.accessioned | 2026-09-29T13:16:32Z | |
| dc.date.issued | 2026 | |
| dc.description | أدى التوسع السريع في استخدام أنظمة التنسيق السحابية، ولا سيما نظام كوبرنيتس، إلى ارتفاع ملحوظ في استهلاك الطاقة وانبعاثات الكربون بمراكز البيانات. ورغم أن آليات الجدولة التقليدية تركّز على تحسين استغلال الموارد، فإنها غالباً ما تهمل البعد البيئي المرتبط بتوزيع أحمال العمل. يقدّم هذا البحث نظام CARMEN، وهو مكمّل برمجي مبتكر لجدولة المهام داخل Kubernetes (نسخة K3s)، يدمج مبادئ الحوسبة المراعية للكربون في طبقة التنسيق. يعتمد CARMEN على قاعدة بسيطة وحتمية تمنح الأولوية المطلقة للعقد المزودة بمعمارية ARM (قدرتها 8 واط) على حساب العقد ذات المعمارية x86 (قدرتها 35 واط)، مستعيناً بمقاييس فورية يجمعها خادم المقاييس الخاص بكوبرنيتس. تتألف بنية CARMEN من خمسة مكونات أساسية: جدول خارجي يطبّق أولوية ARM في وضع المهام، وجدول استباقي يعيد ترتيب المهام كل 30 ثانية ولا ينقلها إلا إذا تجاوز الربح الطاقي نسبة 15٪، وجدول لمعالجة الأعطال يكتشف تلقائياً تعطل العقد ويعيد استعادة المهام المتضررة في أقل من 5 ثوانٍ، بالإضافة إلى لوحة تحكم تفاعلية (Streamlit) تعرض المقاييس بشكل لحظي، وخادم المقاييس نفسه. خضع الحل للتقييم عبر 30 اختباراً متتالياً على مجموعة محاكاة غير متجانسة مؤلفة من 3 عقد (عامل ARM، وعامل x86، وعقدة رئيسية x86). يحقق CARMEN ربحاً طاقياً وسطياً مقداره نسبة.86 38 بالمئة مقارنة بالتوزيع العشوائي، إذ ينخفض متوسط الاستهلاك الكهربائي من 35.96 واط إلى .0022 واط، وتتراوح نسب الربح بين 32.93 بالمئة و49.54 بالمئة، مع إمكانية تكرار كاملة للنتائج (تباين معدوم). كما تنخفض انبعاثات الكربون بالنسبة نفسها، بالاعتماد على عامل الكثافة الكربونية الوسطي العالمي الذي أوصت به الهيئة الحكومية الدولية المعنية بتغير المناخ (IPCC) والقدره 475 غرام CO₂/كيلوواط/ساعي. تؤكد نتائجنا أن CARMEN يوفق بين الأداء التشغيلي والاستدامة البيئية، مقدماً إطاراً خفيف الوزن، قابلًا للتكرار، وقابلاً للتوسع، يُساهم في بناء حوسبة سحابية أكثر خضرة | |
| dc.description.abstract | The rapid proliferation of cloud-native orchestration via Kubernetes has led to significant escalations in data center energy consumption and carbon footprints. While traditional scheduling frameworks prioritize resource utilization, they often neglect the environmental impact of workload distribution. This dissertation proposes CARMEN, a novel energy-aware scheduling plugin for Kubernetes (K3s) that integrates carbon-aware computing principles into the orchestration layer. CARMEN implements a simple, deterministic ARM-priority rule that systematically places pods on ARM nodes (8W) over x86 nodes (35W), using real-time metrics from the Kubernetes Metrics Server. The CARMEN framework consists of five components: an external scheduler for ARM-first placement, a proactive rescheduler that migrates pods when energy gain exceeds 15%, a failure descheduler that automatically detects node failures and recovers affected pods within 5 seconds, a real-time Streamlit dashboard, and the Kubernetes Metrics Server. Evaluated through 30 consecutive tests on a simulated 3-node heterogeneous cluster (one ARM worker, one x86 worker, one x86 master), CARMEN achieves a mean energy gain of 38.86% compared to random placement, reducing power consumption from 35.96W to 22.00W, with gains ranging from 32.93% to 49.54% and perfect reproducibility (zero variance). Carbon emissions are reduced by the same percentage using the IPCC global average factor of 475 gCO2/kWh. Our findings demonstrate that CARMEN effectively balances operational performance with ecological sustainability, providing a scalable framework for green cloud-native computing | |
| dc.description.sponsorship | La prolifération rapide de l’orchestration cloud-native via Kubernetes a entraîné une augmentation considérable de la consommation énergétique et de l’empreinte carbone des centres de données. Alors que les mécanismes d’ordonnancement traditionnels privilégient l’optimisation des ressources, ils négligent souvent l’impact environnemental lié à la répartition des charges de travail. Ce mémoire propose CARMEN, une extension logicielle pour l’ordonnancement énergétique dans Kubernetes (K3s), intégrant les principes de l’informatique sensible au carbone au sein de la couche d’orchestration. CARMEN met en œuvre une règle simple et déterministe donnant la priorité aux nœuds ARM (8W) plutôt qu’aux nœuds x86 (35W), en s’appuyant sur des métriques temps réel fournies par le Metrics Server de Kubernetes. L’architecture de CARMEN repose sur cinq composants principaux : un ordonnanceur externe pour le placement prioritaire sur ARM, un réordonnanceur proactif qui déclenche une migration des pods lorsque le gain énergétique dépasse 15%, un mécanisme de tolérance aux pannes qui détecte automatiquement les défaillances des nœuds et restaure les pods affectés en moins de 5 secondes, un tableau de bord interactif développé avec Streamlit, ainsi que le Metrics Server de Kubernetes. Évalué à travers 30 tests consécutifs sur un cluster hétérogène simulé de 3 nœuds (un worker ARM, un worker x86 et un master x86), CARMEN atteint un gain énergétique moyen de 38,86% par rapport à un placement aléatoire. La consommation moyenne est ainsi réduite de 35,96W à 22,00W, avec des gains individuels variant entre 32,93% et 49,54%, et une reproductibilité parfaite (variance nulle). Les émissions de carbone sont réduites dans les mêmes proportions, en utilisant le facteur moyen global recommandé par le GIEC, soit 475 gCO2/kWh. Nos résultats démontrent que CARMEN parvient à concilier performances opérationnelles et durabilité écologique, offrant ainsi une solution légère, reproductible et évolutive pour un cloud computing plus vert. | |
| dc.identifier.other | MAI/1085 | |
| dc.identifier.uri | https://repository.univ-setif.dz/handle/123456789/3051 | |
| dc.language.iso | en | |
| dc.publisher | Setif 1 Unuversity Ferhat Abbas . Faculty of Sciences | |
| dc.subject | Kubernetes | |
| dc.subject | Energy-aware scheduling | |
| dc.subject | Carbon-aware computing | |
| dc.subject | ARMpriority | |
| dc.subject | deterministic scheduler | |
| dc.subject | K3s | |
| dc.subject | Green computing. | |
| dc.title | Design and evaluation of an Energy-Aware scheduling plugin for Kubernetes clusters | |
| dc.type | Thesis |