حوسبة البنية التحتية

ستتجه البنية التحتية للحوسبة نحو اكتشاف السعة بشكل مستقل

تفترض الطريقة التقليدية في الحوسبة أن الناس يعرفون ما الموارد التي يحتاجونها.

يختار المهندسون الخوادم.

يُصمّم المعماريون المجموعات (الكلستر).

تقوم الفرق بتخصيص وحدات معالجة الرسوميات (GPUs).

يُعدّل المسؤولون الشبكات.

تطلب التطبيقات موارد.

مع تزايد حجم البنية التحتية وتنوّعها، يصبح هذا النموذج أكثر فأكثر صعوبة في الحفاظ عليه.

قد يتحرك الجيل التالي من البنية التحتية للحوسبة، بالتالي، نحو اكتشاف السعة بشكل مستقل.

بدلًا من أن تنتظر البنية التحتية طلبات موارد صريحة، يمكن لأنظمة ذكية أن تكتشف باستمرار السعة الحاسوبية المتاحة عبر البيئة وتحدد كيف يمكن استخدام هذه السعة.

هذا مختلف جوهريًا عن المراقبة التقليدية.

الإجابة عبر المراقبة:

“ما الموارد الموجودة؟”

يسأل اكتشاف السعة الذاتي:

“ما نوع الحوسبة المفيدة التي يمكن لهذه الموارد تقديمها حاليًا؟”

إن هذا التمييز مهم.

قد يمتلك الخادم سعة CPU غير مستخدمة لكن ذاكرة غير كافية.

قد تكون وحدة معالجة رسومات (GPU) متاحة لكن متصلة بشبكة مزدحمة.

قد تمتلك مجموعة (Cluster) سعة حاسوبية لكن بتبريد محدود.

قد يملك مركز البيانات أجهزة متاحة لكن بسعة كهربائية احتياطية غير كافية.

قد تكون منطقة سحابية تحتوي على موارد لكنّها تنتهك متطلبات تحديد موقع البيانات.

لذلك لا يمكن تمثيل السعة برقم واحد.

إنها متعددة الأبعاد.

قد تقوم أنظمة البنية التحتية المستقبلية ببناء خريطة قدرات تعمل في الوقت الحقيقي.

قد يشمل الخريطة:

أداء الحوسبة.

توافر الذاكرة.

نوع المسرّع.

سعة الشبكة.

قرب التخزين.

توفر الطاقة.

سعة التبريد.

زمن الاستجابة (Latency).

تصنيف الأمان.

الموقع الجغرافي.

حالة الاعتمادية.

توافق الأحمال.

ينشئ ذلك نموذجًا حيًا للسعة الحاسوبية.

يمكن عندها لأنظمة الذكاء الاصطناعي البحث في هذا النموذج عن بيئات تنفيذ مناسبة.

يصل حمل عمل (Workload).

يقوم النظام بتحليل خصائصه.

يحدد الموارد المرشحة.

يقيم القيود.

يتنبأ بالأداء.

يختار استراتيجية تنفيذ.

يراقب النتيجة باستمرار.

إذا تغيّرت الظروف، يمكن للنظام إعادة النظر في تخصيص الموارد.

يؤدي ذلك إلى اكتشاف سعة ديناميكي.

تصبح الفكرة قوية بشكل خاص في البنية التحتية الموزعة.

قد تعمل شركة على مراكز بيانات خاصة، وموارد سحابية عامة، وبنية تحتية طرفية (Edge)، ومسرّعات متخصصة، ومنشآت شركاء.

تتعامل إدارة البنية التحتية التقليدية مع هذه البيئات كأنظمة منفصلة.

قد يؤدي الاكتشاف التلقائي للسعة إلى التعامل معها كبيئة موارد حاسوبية واحدة محتملة، مع مراعاة قيود الأمان والحوكمة والعمليات.

يمكن للنظام تحديد أين توجد سعة مفيدة.

قد يؤدي ذلك إلى إنشاء طبقة توريد حوسبي.

تصبح الموارد المتاحة قابلة للاكتشاف.

تصبح الأحمال عبئًا مطلوبًا.

تتحول المنظومة التنسيقية إلى الآلية التي تربط بين الاثنين.

قد يدعم مثل هذا النظام في النهاية أسواقًا حاسوبية متخصصة.

يمكن للمؤسسات التي لديها بنية تحتية غير مستخدمة أن تجعل السعة متاحة.

قد تحتاج المؤسسات التي تتطلب حوسبة إضافية إلى اكتشاف موارد مناسبة.

يمكن لسوق البنية التحتية أن يطابق متطلبات الأحمال مع القدرات الحاسوبية.

ومع ذلك، لا يمكن التعامل مع السعة الحاسوبية كما لو كانت سلعة بسيطة.

تُعد الجودة مهمة.

قد ينتج عن جهازي موارد يقدمان أداءً اسمياً متشابهًا نتائج مختلفة جدًا اعتمادًا على الشبكات والذاكرة والتخزين وكفاءة الطاقة والموثوقية وتوافق البرامج.

لذلك قد تحتاج أسواق الحوسبة المستقبلية إلى أوصاف تفصيلية للقدرات.

قد تعلن إحدى الموارد ليس فقط:

“وحدة معالجة الرسوميات متاحة (GPU available).”

قد يستطيع وصف:

معمارية المسرّع.

سعة الذاكرة.

عرض نطاق الذاكرة.

أداء الربط البيني (Interconnect).

التوفر المتوقع.

الموقع.

خصائص الأمان.

ملف الطاقة.

بيئات البرامج المدعومة.

مقاييس الاعتمادية.

يؤدي ذلك إلى إنشاء قدرة حاسوبية قابلة للقراءة بواسطة الآلة.

يمكن لأنظمة الذكاء الاصطناعي استخدام هذه الأوصاف لاتخاذ قرارات البنية التحتية تلقائيًا.

يخلق ذلك أيضًا مطلبًا جديدًا للثقة.

يتطلب اكتشاف الموارد ذاتي الاعتمادية معلومات موثوقة.

يحتاج مشغلو البنية التحتية إلى الثقة بأن السعة المُعلَن عنها موجودة بالفعل.

تحتاج ادعاءات الأداء إلى التحقق.

يجب أن تكون معلومات التوافر دقيقة.

يجب أن تكون خصائص الأمان قابلة للإنفاذ.

قد يؤدي ذلك إلى توحيد هوية الموارد الحاسوبية وأنظمة التحقق (attestation).

قد يثبت كل من الأجهزة والبنية التحتية بشكل متزايد القدرات التي تمتلكها.

قد تصبح بيئات التنفيذ الموثوقة، والتحقق من الأجهزة (hardware attestation)، والقياس عن بُعد (telemetry)، والتحقق التشفيري مكونات مهمة في هذا التصميم المعماري.

قد تتمثل النتيجة طويلة الأجل في اقتصاد حاسوبي أكثر شفافية.

تصبح الحوسبة قابلة للاكتشاف.

تصبح القدرات قابلة للقياس.

تصبح الأحمال قابلة للبرمجة.

تصبح البنية التحتية قابلة للتخصيص ديناميكيًا.

يصبح توفر الطاقة قيدًا ومتغيرًا للتحسين.

قد يغيّر ذلك جذريًا الطريقة التي تفكر بها المؤسسات في ملكية البنية التحتية.

بدلًا من السؤال:

“كم عدد الأجهزة التي ينبغي أن نشتريها؟”

قد تبدأ المؤسسات في التساؤل:

“كم مقدار السعة الحاسوبية التي يجب أن نتحكم فيها بشكل موثوق؟”

يمكن أن تأتي هذه السعة من بنية تحتية مملوكة أو موارد سحابية أو أنظمة طرفية (Edge) أو مزودين خارجيين موثوقين.

قد يصبح التمييز بين الملكية المادية والوصول الحاسوبي أكثر أهمية بشكل متزايد.

قد لا تحتاج شركة إلى امتلاك كل معالج مطلوب لحمل العمل لديها.

تحتاج إلى وصول موثوق إلى القدرة الحاسوبية.

يخلق ذلك فلسفة جديدة للبنية التحتية:

يجب أن تكون السعة متاحة للوصول وقابلة للقياس وقابلة للبرمجة وقابلة للتحقق.

قد تحتوي مكدسات الحوسبة المستقبلية بالتالي على أربع طبقات رئيسية.

توفر البنية التحتية المادية الأجهزة والطاقة.

تحدد أنظمة الاكتشاف القدرات المتاحة.

تخصص أنظمة التنسيق الموارد.

تقوم أنظمة الذكاء الاصطناعي بتحسين القرارات.

معًا، تخلق هذه الطبقات اقتصادًا حاسوبيًا تكيفيًا.

إن الهدف النهائي ليس بناء أكبر مجموعة ممكنة من الآلات.

أن الهدف هو إنشاء نظام بنية تحتية قادر على اكتشاف الموارد المتاحة باستمرار وتحويلها إلى حوسبة مفيدة.

هذه رؤية أكثر تقدمًا بكثير لبنية الحوسبة التحتية.

لن يحتوي مركز البيانات المستقبلي على الحوسبة فحسب.

سيُفهم إمكانه الحاسوبي باستمرار.

SriDanamTrades

تعلّم | ابنِ | ابتكر | قُد

موارد رقمية مميزة على وحدات معالجة الرسوميات (GPUs) للحوسبة بالذكاء الاصطناعي | البنية التحتية | الطاقة & التقنيات الناشئة

#ComputeInfrastructure #AI #GPUs #CloudComputing #AutonomousInfrastructure #ComputeMarketplace #DataCenters #FutureComputing #SriDanamTrades