Профилирование энергозатрат PYTHON микросервисов с использованием eBPF в LINUX контейнерах в строительной отрасли
Ключевые слова:
микросервисы, Python, eBPF, энергоэффективность, профилирование энергопотребления, контейнеризация, устойчивое строительство, Kubernetes, облачные вычисления, информационные системы в строительствеАннотация
Современная строительная отрасль активно внедряет информационные технологии для оптимизации бизнес-процессов, что привело к широкому распространению микросервисной архитектуры на базе контейнеризации. Python, как один из наиболее удобных языков программирования, часто применяется для разработки таких систем. При этом энергопотребление серверной инфраструктуры становится критически важным аспектом в контексте устойчивого развития и снижения углеродного следа строительных компаний. В данном исследовании представлен комплексный подход к профилированию энергозатрат Python микросервисов в Linux контейнерах с применением технологии eBPF (extended Berkeley Packet Filter). Разработана и апробирована методика, позволяющая получать детальные метрики энергопотребления на уровне отдельных микросервисов, используемых в информационных системах строительной отрасли. Экспериментальная оценка на примере типичных программных компонентов строительных информационных систем показала возможность снижения энергозатрат до 26,8% при оптимизации микросервисов на основе собранных метрик. Предложенный подход интегрируется с существующими системами мониторинга и предоставляет инструментарий для анализа энергоэффективности облачной инфраструктуры. Результаты исследования демонстрируют перспективность применения eBPF для создания энергоэффективных систем управления строительными процессами и мониторинга энергопотребления зданий.
Библиографические ссылки
Abranches M., Michel O., Keller E., Schmid S. Efficient network monitoring applications in the kernel with eBPF and XDP // IEEE NFV-SDN 2021. 2021.
Brondolin R., Sardelli T., Santambrogio M.D. A black-box monitoring approach to measure microservices runtime performance // ACM Transactions on architecture and code optimization. 2020. № 17(4). рр. 1-26.
Capra E., Francalanci C., Slaughter S.A. Is software «green»? Application development environments and energy efficiency in open source applications // Information and software technology. 2012. 54(1), 60-71.
Dembski F., Wossner U., Letzgus M., Ruddat M., Yamu C. Urban Digital Twins for Smart Cities and Citizens: The Case Study of Herrenberg, Germany. Sustainability. 2020. № 12(6). Р. 2307.
Di Foggia G. Energy efficiency measures in buildings for achieving sustainable development goals // Heliyon. 2018. № 4(11). Art. e00953.
Fang M., Misnan M.S., Halim N.H.F.A. A systematic literature review on energy efficiency analysis of building energy management // Buildings. 2024. № 14(10). рр. 31-36.
Giudice P.L., Romero G.J., Marin F.W., Diaz A.F. The rise of eBPF for non-intrusive performance monitoring // IEEE International symposium on network computing and applications. 2020.
Igugu H.O., Laubscher J., Mapossa A.B., Popoola P.A., Dada M. Energy efficiency in buildings: performance gaps and sustainable materials // Encyclopedia. 2024. № 4(4). рр. 1411-1432.
Khan M.A., Ali S., Chong I. Microservices model to enhance the availability of data for buildings energy efficiency management services // Energies. 2019. № 12(3). рр. 360.
Liao X., Wang C., Li B., Li B., Du C. Professional barriers in energy efficiency retrofits – a solution based on information flow modeling // Buildings. 2025. № 15(2). Р. 280.
Mayer A., Loreti P., Bracciale L., Lungaroni P., Salsano S., Filsfils C. Performance monitoring with H∧2: Hybrid kernel/eBPF data plane for SRv6 based hybrid SDN // Computer networks. 2021. № 185. рр. 107-607.
Mendonсa B.L., Rodríguez P.M., Lopes M.M. Machine learning-powered traffic processing in commodity hardware with eBPF // Computer networks. 2024. № 245. рр. 110-188.
Miano S., Risso F., Bernal M.V., Bertrone M., Lu Y. A framework for ebpf-based network functions in an era of microservices // IEEE transactions on network and service management. 2021. № 18(1). рр. 133-151.
Sundberg S., Brunstrom A., Ferlin-Reiter S., Hoiland-Jorgensen T., Brouer J.D. Efficient Continuous Latency Monitoring with eBPF // Proceedings of the PAM 2023: passive and active measurement. 2023. pp. 142-158.
Vieira M.A.M., Castanho M.S., Pacífico R. D. G., Santos E.R.S., Junior E.P.M.C., Vieira L.F.M. Fast packet processing with eBPF and XDP: Concepts, code, challenges, and applications // ACM Computing Surveys. 2020. № 53(1). рр. 1-36.
