Nei capitolati e nelle richieste d'offerta il «green» è diventato un requisito. Chi progetta infrastrutture si trova sempre più spesso davanti a claim ambientali usati come argomento tecnico: questa architettura consuma dieci volte meno, questo modello elimina i Data Center. Visto che sono affermazioni verificabili, vale la pena farlo — soprattutto quando arrivano in forma di pubblicazione rigorosa.
Ci è capitato tra le mani un green paper sull'impronta ambientale del cloud storage distribuito, firmato da un ricercatore affiliato all'École Normale Supérieure di Parigi e a una startup italiana del settore. La tesi: se invece di concentrare i dati in Data Center li si distribuisce su una rete peer-to-peer di piccoli computer a scheda singola nelle case degli utenti, si consuma molta meno energia — sia per conservare i dati, sia per trasferirli.
Il documento ha un pregio non banale: è completamente trasparente. Riporta le equazioni, le tabelle dei consumi degli apparati, i coefficienti. Il che significa che chiunque può rifare i conti. Li abbiamo rifatti.
Cosa dice il modello, in due righe
Il paper divide il consumo di un servizio di cloud storage in due termini:
- Storage — la potenza necessaria a tenere il dato online, espressa in W/GB;
- Trasferimento — l'energia consumata dagli apparati di rete per portare il dato dall'utente al deposito e ritorno, espressa in J/GB.
Per entrambi si appoggia al modello di Baliga, Ayre, Hinton e Tucker pubblicato sui Proceedings of the IEEE nel 2011: un lavoro serio e molto citato, che stima il consumo per bit dividendo la potenza assorbita di ogni apparato per la sua capacità di trasporto, e poi somma i contributi lungo il percorso — switch, gateway, provider edge, core router, tratte ottiche — moltiplicando per coefficienti di ridondanza, raffreddamento e sotto-utilizzo.
Il vantaggio dell'architettura distribuita, nella tesi del paper, viene da due fatti: i nodi domestici consumano pochissimo e non hanno raffreddamento dedicato; e i frammenti dei file stanno vicini all'utente (entro 80 km), quindi il pacchetto attraversa meno router di dorsale.
Il ricalcolo:
Abbiamo riprodotto le quattro equazioni usando esclusivamente i valori della tabella degli apparati contenuta nel paper stesso. Ecco il confronto.
| Grandezza | Valore dichiarato | Nostro ricalcolo | Esito |
|---|---|---|---|
| Storage, cloud a data center (eq. 1) | 0,195 W/GB | 0,1944 W/GB | ✓ |
| Storage, cloud distribuito (eq. 3) | 0,015 W/GB | 0,0150 W/GB | ✓ |
| Trasferimento, data center (eq. 2) | 23,9 kJ/GB | 24,3 kJ/GB | ✓ (+1,8%) |
| Trasferimento, distribuito (eq. 4) | 11,9 kJ/GB | 13,4 kJ/GB | ✗ (+12%) |
| 1 TB con uso trascurabile, data center | 1.700 kWh/anno | 1.703 kWh/anno | ✓ |
| 1 TB con uso trascurabile, distribuito | 131 kWh/anno | 131 kWh/anno | ✓ |
| Estrapolazione (modello di riferimento architetturale Dropbox) | ~6×10⁹ kWh/anno | 5,97×10⁹ kWh/anno |
Chi volesse rifare la verifica da sé: sono venti righe di codice, oppure basta utilizzare un foglio di calcolo.
# P in watt, C in bit/s — valori dalla tabella apparati del paper
es = (3800.0, 160e9) # ethernet switch Cisco 6509
bg = (3300.0, 60e9) # broadband gateway Juniper E320
g = (5100.0, 660e9) # gateway data center Juniper MX-960
pe = (4210.0, 160e9) # provider edge Cisco 12816
c = (10900.0, 640e9) # core router Cisco CRS-1
w = (136.0, 40e9) # WDM 800 km Fujitsu 7700 (per canale)
jb = lambda x: x[0] / x[1] # joule per bit
GB = 8e9 # bit in 1 GB (10^9 byte)
srv = 6 * (3*jb(es) + jb(bg) + jb(g) + 2*jb(pe) + 18*jb(c) + 4*jb(w))
dis = 6 * (2*jb(es) + 2*jb(bg) + 2*jb(pe) + 4*jb(c))
print(f"data center: {srv*GB/1000:.1f} kJ/GB") # 24.3 (dichiarato 23.9)
print(f"distribuito: {dis*GB/1000:.1f} kJ/GB") # 13.4 (dichiarato 11.9)Lo scarto sull'equazione 2 è dell'1,8%: arrotondamenti, nulla di rilevante. Quello sull'equazione 4 è del 12%, e non si spiega con gli arrotondamenti. La formula stampata nel paper somma due provider edge router; assumendone uno solo si ottiene 12,1 kJ/GB, cioè lo stesso scarto dell'1,8% dell'altra equazione. È verosimilmente un refuso di trascrizione — il documento si dichiara del resto «Draft Manuscript», ma un refuso in un'equazione da cui si ricava un titolo è un refuso che conta.
Il punto che cambia tutto: da dove vengono i sei miliardi di kWh
Il numero che circola — il risparmio pari al consumo elettrico di un intero Paese — arriva da un'estrapolazione sulla scala di Dropbox. Il paper stesso, correttamente, invita alla cautela perché si basa su volumi non pubblici. Ma c'è una cosa che l'estrapolazione non dice, e che si vede solo scomponendola:
- risparmio dal trasferimento: 6,7 milioni di kWh/anno;
- risparmio dallo storage: 5.972 milioni di kWh/anno.
Il termine di trasporto — quello a cui il paper dedica la parte analiticamente più elaborata, con i coefficienti, gli hop, le tratte WDM (Wavelength Division Multiplexing) — vale lo 0,11% del risultato finale.
Il 99,9% dei sei miliardi di kWh viene da un singolo rapporto: 0,195 W/GB contro 0,015 W/GB. E quel rapporto merita di essere guardato da vicino.
Cinque cose da sapere prima di citare quel rapporto
1. Confronta hardware di due epoche diverse. Il numeratore viene dalle specifiche di un array HP StorageWorks 8100 EVA: 4,9 kW di assorbimento. È un sistema di storage enterprise di fine anni Duemila, ereditato dal modello IEEE del 2011. Il denominatore è un Raspberry Pi 3 con un disco da 1 TB, cioè hardware consumer di dieci anni dopo. Il confronto non è tra due architetture: è tra due generazioni tecnologiche.
2. C'è un'ambiguità di unità che vale un fattore 8. La tabella indica la capacità dell'array come «604,8 Tb». L'equazione 1 restituisce il valore dichiarato di 0,195 W/GB solo leggendo quel numero come terabit, cioè 75,6 TB. Se lo si leggesse come terabyte, l'equazione darebbe 0,0243 W/GB, e il vantaggio dell'architettura distribuita crollerebbe da 13× a 1,6×. La lettura in terabit è quasi certamente quella corretta e coerente con il modello originale, ma la notazione mescolata bit/byte in una tabella da cui dipende l'intero risultato è il genere di dettaglio che chi cita il paper dovrebbe verificare.
3. I fattori di ridondanza non sono simmetrici. Il lato Data Center viene penalizzato con un fattore 2 (copia completa), quello distribuito con un fattore 1,5 (erasure coding Reed-Solomon 24+12). La differenza non è giustificata nel testo: le tecniche di codifica a cancellazione sono da tempo comuni anche negli object store centralizzati, che raggiungono overhead analoghi o migliori.
4. Conta solo l'energia d'esercizio. Restano fuori la produzione dei dispositivi (comunque in verità non trascurabile), la loro sostituzione e lo smaltimento. È una scelta metodologica legittima e dichiarata, ma pesa in modo asimmetrico: distribuire un petabyte su migliaia di dispositivi domestici significa moltiplicare alimentatori, schede e dischi rispetto a concentrarlo in un armadio. Restano fuori anche la linea e il router di casa, sempre accesi, e l'ipotesi implicita che il disco da 1 TB del nodo sia sempre pieno — mentre il termine dell'array centralizzato ammortizza un apparato condiviso su molti utenti.
5. La premessa d'apertura non regge ai dati odierni. L'abstract afferma che l'ecosistema ICT vale il 10% del consumo energetico mondiale. La fonte è duplice: un rapporto Greenpeace del 2012 e uno di Mark P. Mills del 2013, che sostiene i 1.500 TWh. Quel secondo rapporto dichiara al proprio interno di essere stato sostenuto dalla National Mining Association e dall'American Coalition for Clean Coal Electricity, ed è stato criticato in modo circostanziato dal ricercatore Jonathan Koomey per sovrastima sistematica. Va aggiunto che Mills parla del 10% della generazione elettrica mondiale, mentre l'abstract del green paper lo trasforma nel 10% del consumo energetico complessivo — che è un'affermazione ancora più forte, perché l'elettricità è solo una frazione dell'energia finale.
Il dato di riferimento oggi disponibile è quello dell'Agenzia Internazionale per l'Energia: nel 2024 i Data Center hanno consumato circa 415 TWh, pari a circa l'1,5% del consumo elettrico globale, con una crescita del 12% l'anno negli ultimi cinque anni; lo scenario base IEA li porta a circa 945 TWh nel 2030, poco meno del 3%. Il perimetro non è identico — «ICT» comprende anche reti e dispositivi, che i Data Center non includono — ma l'ordine di grandezza della premessa resta molto distante dai dati misurati.
Cosa ci portiamo a casa
Non è un attacco al cloud distribuito, anzi: la geo-distribuzione ha ragioni eccellenti per esistere — resilienza, sovranità del dato, assenza di lock-in, etc.
- Chiedete quale termine domina il risultato. Se il 99,9% di un risparmio dipende da un rapporto solo, tutto il resto dell'analisi è decorazione.
- Chiedete l'anno delle schede tecniche. Un array del 2008 contro hardware del 2018 non è un confronto tra architetture. È un confronto tra decenni.
- Chiedete il perimetro. Solo energia d'esercizio o anche produzione e smaltimento? Solo il nodo o anche la linea che lo tiene raggiungibile? Con quale tasso di riempimento?
- Distinguete i workload. Per un archivio a lungo termine il termine dominante è lo storage, e il trasporto è trascurabile; per uno streaming ad alto volume il rapporto si ribalta. Un modello unico che risponde a entrambe le domande forse sta rispondendo male a entrambe.
- Diffidate della metrica singola. È lo stesso motivo per cui abbiamo scritto che il PUE da solo non basta: un rapporto ben scelto può raccontare qualunque storia. Quello che conta è l'energia per unità di lavoro utile.
La cosa che ci è piaciuta di più di questo documento, per inciso, è proprio ciò che ci ha permesso di criticarlo: le equazioni sono lì, in chiaro. La maggior parte dei claim ambientali non sono quasi mai nemmeno verificabili.
Nota metodologica
Tutti i ricalcoli sono stati eseguiti con i soli valori pubblicati nel green paper (tabella degli apparati e coefficienti delle equazioni 1–4), assumendo 1 GB = 10⁹ byte. Il documento analizzato è marcato «Draft Manuscript», non riporta data né indicazione di peer review; la citazione più recente al suo interno è del 2018. Due delle undici referenze sono working paper o interventi a convegno degli stessi autori. L'ottimizzazione della collocazione dei frammenti tramite routine di intelligenza artificiale, citata nel testo, rimanda a uno di questi interventi e non è descritta né validata nel documento: non l'abbiamo quindi potuta verificare in alcun modo.
Fonti.
- Documento analizzato: L. Posani, The environmental footprint of a distributed cloud storage, Draft Manuscript (senza data; citazione più recente 2018).
- Modello di riferimento: J. Baliga, R. W. A. Ayre, K. Hinton, R. S. Tucker, Green Cloud Computing: Balancing Energy in Processing, Storage, and Transport, Proceedings of the IEEE, vol. 99, n. 1, 2011, pp. 149–167 — DOI 10.1109/JPROC.2010.2060451; copia liberamente accessibile.
- Consumi dei data center, dati attuali: International Energy Agency, Energy and AI (2025), sezione Energy demand from AI; Our World in Data, Share of total electricity demand used by data centers (elaborazione su dati IEA ed Ember).
- Sulla stima del 10% attribuita all'ICT: M. P. Mills, The Cloud Begins with Coal, Digital Power Group, 2013 — il documento originale dichiara al proprio interno il sostegno di National Mining Association e American Coalition for Clean Coal Electricity; critica metodologica di J. Koomey, ripresa tra gli altri da CleanTechnica.
