تازه واردان، علاقه‌مندان و متخصصان شبکه! به من گوش دهید. اتفاقاتی در حال وقوع است که تأثیر عمیقی بر قلمرو شما، یعنی شبکه، خواهد داشت. تمرکز زیادی بر هوش مصنوعی مولد و برنامه‌های کاربردی ساخته شده برای استفاده از آن وجود دارد. مطالعات فراوانی در مورد ظاهر این برنامه‌ها، چارچوب‌هایی که استفاده می‌کنند و خدماتی که باید استفاده شوند، وجود دارد. من خودم مقداری از این داده‌ها را دارم.
اما آنچه (به اندازه کافی) در مورد آن صحبت نمی‌شود، تأثیری است که این برنامه‌ها بر ستون فقرات کسب‌وکار خواهند گذاشت. می‌دانید، شبکه. جای تعجب نداشت که متوجه شدم فقط ۵۰ درصد از پاسخ‌دهندگان به یک نظرسنجی با محوریت شبکه گفتند که برنامه‌ریزی شبکه چیزی است که شرکتشان در آن مشارکت دارد. این مشکل‌ساز است، زیرا اتفاقاتی در کسب‌وکار در حال وقوع است که نشان می‌دهد شبکه‌های مرکز داده – همان‌هایی که شما روزانه آنها را اداره و نظارت می‌کنید – در آستانه غرق شدن در حجم کاری جدیدی هستند که پیامدهای بزرگی بر شبکه‌های مرکز داده خواهد داشت.
حجم کاری هوش مصنوعی به خانه بازمی‌گردد
بله، این دقیقاً همان چیزی است که تمام صحبت‌ها در مورد بازگشت به وطن واقعاً به آن معناست. اگر حجم کاری به خانه بازمی‌گردد، به مکانی برای اقامت و راهروهایی برای پرسه زدن در نیمه‌شب نیاز دارند. تحقیقات خودمان نشان‌دهنده افزایش قابل توجه (از ۱۳ درصد در سال ۲۰۲۱ به ۵۰ درصد در سال ۲۰۲۴) سازمان‌هایی است که حجم کاری را بازگردانده‌اند یا قصد بازگرداندن آن را دارند.
و نکته اینجاست: اگر نظرسنجی مدیران فناوری اطلاعات بارکلی در نیمه اول سال ۲۰۲۴ درست باشد، حجم کاری که به خانه بازمی‌گردد، همگی مربوط به داده است. هم حجم کاری ذخیره‌سازی و هم حجم کاری پایگاه داده، برترین حجم کاری بودند که از ابر عمومی به یک مرکز داده نزدیک شما منتقل می‌شدند. به دلیل اتکای هوش مصنوعی به آن داده‌ها، بازگشت حجم کاری مرتبط با داده به مرکز داده، نشان‌دهنده حجم کاری هوش مصنوعی آینده – در مرکز داده – است.
با توجه به الگوهای کاربردی هوش مصنوعی پیشرو فعلی، تغییرات قابل توجهی در شبکه از نظر توان عملیاتی و الگوهای ترافیکی مورد نیاز است. این امر به دلیل اضافه شدن “لایه‌های” جدید در معماری برنامه کاربردی است که برای گنجاندن منابع داده و خدمات استنتاج و هجوم ترافیک جدید گسترش می‌یابد.
کدام فناوری شبکه‌سازی برای حجم کاری هوش مصنوعی بهترین است؟
نکته اینجاست که برخی پروتکل‌ها، مانند اینفینی‌بند (Infiniband)، مدت‌هاست که در حوزه تخصص متخصصان ذخیره‌سازی قرار دارند. اما اینفینی‌بند یکی از پروتکل‌های محبوب کارخانه‌های هوش مصنوعی است، زیرا بیشتر ترافیک هوش مصنوعی شامل تکه‌های بزرگ داده است و صادقانه بگویم، به راحتی اترنت را تحت فشار قرار می‌دهد.
بنابراین، ما شبکه‌ای داریم که اکنون پروتکل‌های اضافی را با مسیرهای جدیدی که عمیق‌تر به مرکز داده می‌رسند، ادغام می‌کند. ترافیک بیشتری وجود دارد و نیاز بیشتری به کنترل آن به دلایل مختلف (مانند انطباق، حریم خصوصی و موارد دیگر) وجود دارد.
آن تمرین برنامه‌ریزی شبکه کامل؟ اکنون کاملاً ضروری است. و یکی از وظایف مرتبط با آن تمرین باید شناسایی نقاط کنترل استراتژیک در آن شبکه باشد.
نقاط کنترل استراتژیک، مکان‌هایی در معماری شبکه هستند که می‌توان خدمات را برای کنترل ترافیک به منظور مقیاس‌پذیری و امنیت در آنها قرار داد. و به همان اندازه که شناسایی آن نقاط کنترل مهم است، تشخیص این موضوع است که جریان ترافیک دو طرفه خواهد بود. بسیاری از برنامه‌های کاربردی هوش مصنوعی به خدمات استنتاجی متکی هستند که می‌توانند به یک سرویس فراخوانی کنند؛ سرویس‌هایی که ممکن است در داخل مرکز داده قرار داشته باشند، اما می‌توانند خارج از مرکز داده نیز باشند.
این یک تغییر مشخص در معماری است که به طور سنتی فرض می‌کرد کنترل ترافیک ورودی (ingress) یک هنجار است. برخی از آن نقاط کنترل به سرویسی نیاز دارند که قادر به مدیریت و ایمن‌سازی ترافیک خروجی (outbound) باشد. و نه نوع قابلیت‌های “فیلتر کردن URL/محتوای وب”. این بیشتر در راستای امنیت API است که از داخل به بیرون تبدیل شده است.
سخن پایانی در مورد شبکه‌سازی و حجم کاری هوش مصنوعی
هوش مصنوعی از هر نظر کلمه “مختل کننده” است. صنایع را تغییر می‌دهد، مشاغل را تغییر می‌دهد، انتظارات را تغییر می‌دهد و شبکه را تغییر می‌دهد. وقتی در مورد تحول دیجیتال و نیاز به مدرن‌سازی معماری سازمانی صحبت می‌کنیم، بر اهمیت اساسی‌ترین جزء آن تأکید می‌کنیم: زیرساخت. این به معنای شبکه است.
وقت آن است که قبل از اینکه با حجم کاری و الزامات ترافیکی جدیدی که زیرساخت شبکه موجود نمی‌تواند از پس آن برآید، غرق شود، در برخی از تمرینات برنامه‌ریزی شبکه شرکت کنیم.
Shortlink for this post: https://blog.talahost.com/?p=2008