مسائل پایداری ابر که نادیده گرفته شده‌اند

تقاضاهای غیرپایدار برای هوش مصنوعی در افق قرار دارند. مردم به‌زودی باید از ظاهرسازی در مورد پایداری ابرها دست بکشند و به‌واقعیت اهمیت بدهند.

پایداری ابری موضوعی جالب است. مانند مراقبت دندانی است؛ همه توافق دارند که این مهم است، اما چه کسی می‌خواهد جزئیات را بحث کند؟ بحث درباره «کلیدهای براق» جدید فناوری اطلاعات: هوش مصنوعی و امکانات بی‌پایان آن، خیلی سرگرم‌کننده‌تر است. پایداری ابری پنج دقیقه پیش بوده است. با این حال، همانند مراقبت دندانی، نادیده گرفتن مسایل آن‌ها را از بین نمی‌برد.

رشد هوش مصنوعی امسال توسط کمبود تراشه‌های هوش مصنوعی محدود شد. با حل مشکل تراشه، هوش مصنوعی بحران پایداری را به دلیل تقاضاهایش بر روی شبکه‌های برق ما که از عرضه پیشی می‌گیرد، سرعت خواهد داد. خوشبختانه، ما هنوز به نقطه انحراف نرسیده‌ایم—اما.

نگاه در مکان‌های غلط

در بحث‌های پادکست و ویدیوهای من درباره ابر و پایداری، که به دلیل رشد هوش مصنوعی مولد در ابر روز به روز بیشتر می‌شود، مردم تمایل دارند عمدتاً بر موضوعات مرکز داده مانند انرژی و کارآمدی سرورها تمرکز کنند. ما باید درک کنیم که سمت تولید و مصرف انرژی جایی نیست که بیشترین بهبودها می‌تواند صورت گیرد.

دو مرکز داده به من نشان دهید: یکی که توسط زغال‌سنگ کثیف تغذیه می‌شود و دیگری که تنها به انرژی باد و خورشید وابسته است، و می‌توانم به شما نشان دهم چگونه می‌توان مرکز داده مبتنی بر زغال‌سنگ را به تولید کمتر کربن برسانید. چگونه این ممکن است؟

ساده است. مسئله این نیست که چگونه فناوری را انرژی می‌دهید؛ بلکه درباره این است که چرا و چگونه در ابتدا از آن استفاده می‌کنید. به عبارت دیگر، ارزیابی مجدد پیکربندی‌های فناوری برای یافتن حوزه‌های بهینه‌سازی بهتر منابع، مصرف انرژی بهتر و پایدارتر را برای شما به ارمغان می‌آورد.

من شما را در این مسیر راهنمایی می‌کنم

خطا نکنید، کارایی مرکز داده ضروری است. پیشرفت‌های فناوری به مراکز داده امکان کاهش مصرف انرژی را از طریق بهبود سیستم‌های خنک‌کننده، سخت‌افزارهای کم‌مصرف و منابع انرژی تجدیدپذیر داده‌اند. با وجود این تلاش‌ها، تمرکز صرف بر کاهش ردپای انرژی مراکز داده به طور کامل چالش‌های پایداری محاسبات ابری را برطرف نمی‌کند. در واقع، اغلب از مشکل اصلی حواس‌پرت می‌شود.

یک رویکرد جامع‌تر این است که بررسی کنیم چگونگی ساختار و بهینه‌سازی معماری‌های ابری. معماری یک سیستم ابری کارایی عملیاتی و استفاده از منابع آن را تعیین می‌کند. با ایجاد سیستم‌های ابری که به پایداری اولویت می‌دهند، کسب‌وکارها می‌توانند استفاده از منابع را بهینه کرده و ضایعات را کاهش دهند. چه مقدار ضایعات؟ مشاهدات شخصی من نشان می‌دهد که تا ۵۰۰٪ منابع بیشتر از نیاز استفاده می‌شود، که عمدتاً ناشی از مصرف انرژی است.

معماری ابری کارآمد شامل چندین استراتژی است، از جمله مجازی‌سازی سرور، بهینه‌سازی بارکاری، و تخصیص دینامیک منابع. این استراتژی‌ها اطمینان می‌دهند که منابع محاسباتی فقط به اندازهٔ نیاز استفاده شوند، ظرفیت‌های بیکاری را کاهش داده و در نتیجه هدر رفت انرژی را کم می‌کنند.

هوش مصنوعی و فناوری‌های یادگیری ماشین می‌توانند کارایی محاسبات ابری را نیز بهبود دهند. این فناوری‌ها می‌توانند الگوهای استفاده را پیش‌بینی کرده و مقیاس‌بندی منابع را به‌صورت خودکار برای بهینه‌سازی توزیع بارکاری انجام دهند. تجزیه و تحلیل‌های مبتنی بر هوش مصنوعی به شناسایی ناکارآمدی‌ها و حوزه‌های بالقوه برای صرفه‌جویی در انرژی کمک می‌کند، همه اینها بدون کاهش عملکرد.

ادغام اصول طراحی مدولار و انعطاف‌پذیر در معماری‌های ابری می‌تواند به‌طور چشمگیری پایداری را تقویت کند. معماری‌های مدولار امکان مقیاس‌پذیری و به‌روز‌رسانی مستقل اجزا را فراهم می‌کنند که به کمینه‌سازی فراگیری منجر می‌شود—مشکلی که اغلب منجر به مصرف انرژی غیرضروری می‌شود. معماری‌های انعطاف‌پذیر می‌توانند به‌صورت دینامیک به بارهای کاری متغیر سازگار شوند با تخصیص مجدد منابع برای مطابقت با تقاضا، به‌طوری که به‌طور مؤثر ظرفیت اضافی را کاهش دهند.

هزینهٔ عدم اقدام

چرا پایداری محاسبات ابری بهتر درک نمی‌شود در حالی که این‌چقدر پتانسیل دارد؟ به‌صورت ساده، بسیاری از معماری‌های ناکارآمد اولیه در محل‌های فیزیکی بودند و به یک ارائه‌دهندهٔ عمومی ابر منتقل شدند. اکنون این‌ها معماری‌های ناکارآمد در ابر هستند که چرخه‌های بیش از حد زیادی می‌سوزانند و به ذخیره‌سازی بسیار بیشتری نیاز دارند.

مشکلات معماری چالش‌برانگیز هستند و نیاز به افراد زیادی مانند من دارند که ساعت‌ها صرف یافتن مسیر بهتری برای یک پشتهٔ فناوری خاص کنند. برای شرکت‌ها راحت‌تر است که مسئله را به تعویق بیندازند تا هزینه و ریسک رفع مشکلات جابجایی و انتقال را جلوگیری کنند. آن‌ها ترجیح می‌دهند به این سیستم‌ها پول بیندازند در حالی که بر روی ابر عمل می‌کنند و نگران هدر رفتن مقادیر وسیعی از انرژی نیستند. به‌طور عجیب، من اغلب می‌شنوم دارندگان سیستم خود را به «پایداری ابری» تبریک می‌گویند چون چند نقطه حضور برای ارائه‌دهندگان ابرشان از انرژی تجدیدپذیر استفاده می‌کند. آفرین، شما.

چیزی برای فکر کردن: اگر مجبور باشید برای رفع مشکلی هزینه کنید، یعنی اشتباهی رخ داده است. بسیاری از افراد با خطر واکنش منفی احتمالی برای پذیرش این موضوع دست و پنجه نرم می‌کنند. مزایای رفع یک سیستم باید پذیرش آن را تحریک کند، اما بازاریابی این ایده همچنان یک چالش باقی می‌ماند.

من گمان می‌کنم بهبود پایداری از طریق معماری ابری تا زمانی که راه‌حلی قانع‌کننده‌تر ظاهر نشود، نادیده گرفته یا اجتناب شود. ابزارهای Finops اکنون فرصت‌های پایداری را نظارت می‌کنند و در شناسایی مشکلات بهتر می‌شوند. ممکن است آن‌ها نهایتاً تصمیمات نادرست جابجایی و انتقال را که منجر به ردپای کربنی بیش از نیاز شد، فاش کنند.

تقاضاهای ناپایدار برای هوش مصنوعی در افق هستند. مردم به زودی باید از نگرانیِ سطحی نسبت به پایداری ابری دست بکشند و به واقعیات اهمیت بدهند.