Cómputo consciente del carbono: reducir emisiones sin rehacer todo

javi
Paneles solares con turbinas eólicas al fondo al atardecer representando energía limpia

Carbon-aware computing es la idea de que workloads flexibles pueden ejecutarse cuando y donde la energía es más limpia. La intensidad de carbono de la red eléctrica varía por hora y región — ejecutar un batch job de noche con viento alto emite 3-5x menos CO₂ que al mediodía con gas natural. Sin cambiar hardware, sin reescribir apps, solo con scheduling inteligente. Este artículo cubre tools y patterns prácticos.

El concepto base

La red eléctrica no tiene carbono constante:

  • Noche con viento: ~50-100g CO₂/kWh.
  • Día con sol fuerte: ~100-200g.
  • Picos de demanda con gas: ~400-500g.
  • Zonas con carbón: >800g.

Un workload que consume 1MWh:

  • En zona limpia y horario óptimo: ~50kg CO₂.
  • En zona sucia y horario malo: ~800kg.

16x diferencia sin cambiar nada excepto timing/ubicación.

Tipos de flexibilidad

No todos los workloads son flexibles:

Flexibles en tiempo:

  • Batch processing.
  • ML training.
  • Data warehouse refresh.
  • Backups.
  • Indexing.

Flexibles en ubicación:

  • Workloads estateless multi-región.
  • CDN origin.
  • Compute-only tasks (no data residency tight).

No flexibles:

  • User-facing requests.
  • Real-time streaming.
  • OLTP transactions.
  • Control loops.

El 20-40% del compute total de una org puede ser diferible sin impacto user-facing.

Fuentes de datos

APIs principales:

  • Electricity Maps: real-time y forecast por región, pay-per-use.
  • WattTime: similar, foco US con historical data.
  • Carbon Aware SDK: de Green Software Foundation, wrapper open-source.
  • Google Cloud: publica carbon data por región.
  • Microsoft Azure: similar.

Free tier suficiente para experimentación.

Patterns simples

Delay batch jobs

Si un backup o ETL puede correr en cualquier momento en ventana de 24h:

from carbon_aware import get_cleanest_hour

hour = get_cleanest_hour(region="es-es", window_hours=24)
schedule_job_at(hour, "backup-db")

Cambio trivial, impacto medible.

Route workloads between regions

Workload flexible puede ejecutarse en:

  • Suecia (hydro, muy limpio).
  • Irlanda (gas, medio).
  • Polonia (carbón, sucio).
region = get_cleanest_region(candidates=["se-north-1", "ie-west-1", "pl-central-1"])
deploy_to(region)

Útil para training ML o data processing donde la data puede viajar.

Scale based on carbon

HPA tradicional escala por CPU. Carbon-aware HPA ajusta por carbono:

  • Carbon low: scale up, procesa más.
  • Carbon high: scale down, diferir.

Keda + carbon metric scaler hace esto.

Integración con Kubernetes

Stack emergente:

  • carbon-aware-keda-operator de Microsoft.
  • Custom HPA basados en Prometheus + carbon metric.
  • Kubernetes Scheduler plugins para nodos flexibles.

Ejemplo con KEDA:

apiVersion: keda.sh/v1alpha1
kind: ScaledObject
metadata:
  name: carbon-aware-workload
spec:
  scaleTargetRef:
    name: my-deployment
  triggers:
    - type: external
      metadata:
        scalerAddress: carbon-aware-scaler.default:8080
        region: eu-west-1
        threshold: "300"  # g CO₂/kWh

Green Software Foundation

La Green Software Foundation desarrolla:

  • Carbon-Aware SDK: library multi-idioma.
  • Software Carbon Intensity (SCI) specification.
  • Training y certifications.

Linux Foundation + Microsoft, GitHub, Accenture, Thoughtworks. Buena señal de momentum.

Casos con ROI real

  • Google: goal 24/7 carbon-free energy 2030. Reportan millones de kg CO₂ evitados anualmente via scheduling.
  • Microsoft: Xbox descarga actualizaciones priorizando horas low-carbon.
  • Meta: data centers con workload shifting.
  • NHS UK: pilots moviendo MRI processing nocturno.

Escala individual de empresa mediana: 10-30% reducción de CO₂ en workloads flexibles con mínimo esfuerzo.

Métricas y reporting

Para trackear:

  • CO₂ por workload: estimar con cloud APIs + carbon intensity.
  • SCI score: Software Carbon Intensity — g CO₂ per función de negocio.
  • Carbon savings: diferencia entre ejecución naive y carbon-aware.
  • Report en CSRD: algunos cloud providers ya reportan emissions de tus workloads.

Costes vs beneficios

Carbon-aware típicamente no añade costes:

  • Cloud pricing por hora es uniforme en la misma región.
  • El cambio es solo scheduling logic (código trivial).
  • Tiempo añadido solo si diferir batch causa delay inaceptable.

Beneficios:

  • CO₂ reducción real, reportable.
  • ESG / CSRD compliance ayuda.
  • Marketing: green credentials genuinos.

Muy pocos casos donde costó más que beneficio, asumiendo tiempo dev razonable.

Limitaciones

Ser honesto:

  • Data accuracy: forecasts tienen error ±20%.
  • Regional coverage: Electricity Maps tiene muchas regiones pero no todas.
  • Savings modest: típicamente 10-30% de workloads, no 100%.
  • Greenwashing risk: si solo reports pero no reduces significativamente.

Ideologías competitivas

Dos corrientes:

  • Carbon-aware (flexibility-first): mover workloads.
  • Carbon-neutral via offsets: comprar créditos.

La industria empuja por la primera. Offsets son supplement, no replacement.

Para empezar

Path pragmático:

  1. Audit: qué workloads son flexibles y cuánto consumen.
  2. Prototype: 1-2 jobs movidos a horas low-carbon.
  3. Medir: CO₂ antes/después con Electricity Maps.
  4. Expand: más workloads, automatización con KEDA.
  5. Report: incorporar en sustainability reporting.

3-6 meses a implementación mature.

Conclusión

Carbon-aware computing es low-hanging fruit para sostenibilidad IT. Sin cambios de hardware ni reescritura de apps, puedes reducir emisiones de workloads flexibles 10-30% con scheduling inteligente. Herramientas existentes (Electricity Maps, KEDA, Carbon-Aware SDK) facilitan implementación. Combined con workloads sustainable architecture y commit real de renewable energy, es pieza importante del puzzle. En contexto de CSRD y regulación europea creciente, será expected en años — mejor adoptar antes que ser forzado.

Síguenos en jacar.es para más sobre sostenibilidad IT, Kubernetes y green software.

Entradas relacionadas