De uitdaging
Wetenschappelijk onderzoek is afhankelijk van data, maar niet alle data is noodzakelijk. Soms zijn er bijvoorbeeld meerdere kopieën van één dataset, of verschillende versies van hetzelfde onderzoek. Daarnaast wordt niet alle data efficiënt beheerd waardoor data langer dan nodig bewaard wordt. Het gevolg is dat datacenters steeds meer een beroep doen op schaarse en (soms ook) milieubelastende hulpbronnen. Dit heeft onhoudbare sociale en milieu gevolgen. Voor water- en energietoevoer concurreren datacenters bijvoorbeeld nu al met huishoudens.
De industrie is begonnen met het toepassen van energiezuinige data-management-tactieken. Deze oplossingen worden vaak toegankelijk uiteengezet, maar er is beperkt onderzoek naar hoe deze oplossingen werken in de praktijk. Dit geldt zowel op praktisch niveau (wat moet je doen), als op effect niveau (wat is de feitelijke (milieu)impact van de maatregel).
Het project
In dit project gaan we aan de slag met ideeën die industrie al heeft ontwikkeld. Denk bijvoorbeeld aan de aanbevelingen van de Nationale Coalitie Duurzame Digitalisering. De NCDD doet verschillende suggesties om de milieu-impact van data te verminderen, zoals het opschonen van data. Als je de data verwijderd die je niet nodig hebt, scheelt dit vanaf het begin van een project al dataopslag.
In project PHOENIX willen we bestaande industriële oplossingen nader uitwerken. We passen daarvoor de industriële oplossingen toe in twee à drie academische situaties waarin data wordt gebruikt. In elke setting brengen we in kaart welke oplossingen we voor duurzamer datagebruik in die specifieke setting kunnen toepassen. Indien nodig ontwikkelen we ook nieuwe maatregelen. De maatregelen werken we vervolgens uit in de praktijk. We leggen vast hoe je ze uitvoerbaar maakt, hoe bruikbaar ze zijn en wat de voor- en nadelen zijn. Ook meten we de milieu-effecten van de maatregel.
Het resultaat
Het doel van het project is om een ‘modellerings- en meetmethode’ te ontwikkelen. In deze methode beschrijven we welke mogelijkheden er zijn om data slimmer te beheren, en wat de bijbehorende milieu-impact van een maatregel is. Ook beschrijven we hoe je de impact van maatregelen kunt meten. Dit helpt mensen bij het kiezen van duurzamere data-keuzes in hun project. Het project heeft dus drie resultaten
- een beschrijving van de methode waarmee je de milieu-impact van maatregelen kunt meten (inclusief dataset)
- een online catalogus met daarin een overzicht van de geteste maatregelen
- een academisch paper met de resultaten
Alle resultaten worden publiek gepubliceerd zodat iedereen ze kan inzien.
Interessant voor jou?
De resultaten zijn interessant voor mensen die werken in de IT sector, bijvoorbeeld in de industrie of de publieke sector, die hun databeheer duurzamer willen maken. Het onderzoek is ook interessant voor academici die onderzoek doen naar digitale duurzaamheid.
Wetenschappelijke samenvatting
Phoenix - Energy-aware Data Management from Practice to Research
Science relies on knowledge, knowledge relies on data. However, not all data is necessary, nor is it always managed efficiently or effectively. This is witnessed by the rapid growth of energy use in data centres with unsustainable socio-environmental effects. Industry has started creating and adopting energy-aware data management tactics. Science must do the same. To this aim, we build upon the methods and results emerged from the pragmatism of industrial practice and the rigour of academic research. We create an integrated `modeling-and-measurement’ method coming from both worlds, with energy-aware tactics learned in industry, and adapted and measured in academic research.
Betrokken organisaties
- Vrije Universiteit Amsterdam
- Nationale Coalitie Duurzame Digitalisering
- DGL
