طوّر باحثون في جامعة «MIT» نظاماً برمجياً جديداً يهدف إلى تحسين كفاءة مراكز البيانات، عبر الاستفادة من قدرات غير مستغَلّة في أجهزة التخزين، في خطوة قد تقلل الحاجة إلى التوسع المستمر في البنية التحتية عالية التكلفة.
تعتمد مراكز البيانات الحديثة على تجميع أجهزة التخزين، خصوصاً «وحدات التخزين ذات الحالة الصلبة (SSD)»، ضمن شبكات مشتركة، بحيث يمكن لعدة تطبيقات استخدامها في الوقت نفسه. هذه المقاربة تُحسّن من كفاءة الاستخدام نظرياً، لأن التطبيقات لا تحتاج دائماً إلى كامل سعة الجهاز. لكن عملياً، تبقى نسبة كبيرة من هذه السعة غير مستغلة بسبب تفاوت الأداء بين الأجهزة المختلفة.
مشكلة غير مرئية
تكمن المشكلة الأساسية في أن أداء وحدات التخزين لا يكون متساوياً، حتى داخل النظام نفسه؛ فبعض الأجهزة تكون أبطأ من غيرها نتيجة اختلافات في العمر أو مستوى التآكل أو حتى الشركة المصنّعة. وفي بيئة تعتمد على العمل الجماعي، يمكن لجهاز واحد أبطأ أن يحد من الأداء الكلي للنظام. ويوضح جوهر شودري، الباحث الرئيسي في الدراسة، أن هذا التفاوت يجعل من الصعب تحقيق أقصى أداء ممكن، مشيرة إلى أنه «لا يمكن افتراض أن جميع وحدات التخزين ستتصرف بالطريقة نفسها طوال دورة تشغيلها». هذا التحدي لا يظهر بشكل مباشر، لكنه يؤدي إلى فقدان تدريجي في الكفاءة؛ حيث تعمل الأنظمة ضمن حدود أقل من إمكاناتها الفعلية.
ثلاثة مصادر للتفاوت
حدد الباحثون ثلاثة أسباب رئيسية لهذا التفاوت في الأداء. أولها يتعلق بالاختلافات الفيزيائية بين وحدات التخزين، مثل العمر والاستخدام السابق، ما يجعل بعضها أسرع من غيرها. أما السبب الثاني فيرتبط بطريقة عمل هذه الأجهزة نفسها؛ حيث تتداخل عمليات القراءة والكتابة؛ فعند كتابة بيانات جديدة، يحتاج الجهاز إلى حذف بيانات قديمة، وهي عملية قد تؤثر على سرعة القراءة في الوقت نفسه. السبب الثالث هو ما يُعرف بعملية «جمع البيانات غير الضرورية» أو «Garbage Collection»، وهي عملية داخلية تهدف إلى تحرير مساحة تخزين، لكنها تحدث في أوقات غير متوقعة، وقد تؤدي إلى تباطؤ مفاجئ في الأداء.
لمواجهة هذه التحديات، طوّر الباحثون نظاماً أطلقوا عليه اسم «ساندوك (Sandook)»، وهو نظام برمجي لا يتطلب تعديلات في الأجهزة، بل يعمل على إدارة توزيع المهام بين وحدات التخزين بطريقة أكثر ذكاءً.
يعتمد النظام على بنية من مستويين. في المستوى الأول، يوجد متحكم مركزي يقوم بتوزيع المهام بناءً على صورة شاملة لجميع الأجهزة. أما في المستوى الثاني، فهناك متحكمات محلية لكل جهاز، قادرة على التفاعل بسرعة مع التغيرات المفاجئة. هذه البنية تتيح للنظام اتخاذ قرارات استراتيجية على مستوى عام، مع الحفاظ على القدرة على الاستجابة الفورية للمشكلات التي قد تظهر في جهاز معين.
توازن بين التخطيط والاستجابة
من خلال هذا التصميم، يستطيع النظام معالجة أنواع مختلفة من التفاوت في الأداء، سواء تلك التي تحدث بشكل تدريجي (مثل التآكل) أو المفاجئة (مثل عمليات تنظيف البيانات). فعلى سبيل المثال، إذا كان أحد الأجهزة يعاني من بطء مؤقت بسبب عملية داخلية، يمكن للنظام تقليل الضغط عليه مؤقتاً، وتحويل بعض المهام إلى أجهزة أخرى، ثم إعادة توزيع العمل تدريجياً بعد انتهاء المشكلة. كما يقوم النظام بتحليل الأداء التاريخي لكل جهاز، ما يسمح له بالتنبؤ بالحالات التي قد تؤثر على الأداء، والتعامل معها مسبقاً.
عند اختبار النظام على مجموعة من المهام الواقعية، مثل تدريب نماذج الذكاء الاصطناعي وضغط الصور وتشغيل قواعد البيانات، أظهر نتائج لافتة؛ فقد تمكن من تحسين الأداء بنسبة تتراوح بين 12 و94 في المائة مقارنة بالطرق التقليدية، كما زاد من كفاءة استخدام السعة التخزينية بنسبة 23 في المائة. وفي بعض الحالات، وصلت وحدات التخزين إلى نحو 95 في المائة من أقصى أداء نظري لها، وهو مستوى يصعب تحقيقه في الأنظمة التقليدية.
بديل للتوسع المستمر
تعكس هذه النتائج توجهاً مختلفاً في إدارة مراكز البيانات؛ فبدلاً من إضافة المزيد من الأجهزة لتحسين الأداء، يقترح هذا النهج تحسين استخدام الموارد الحالية. ويشير شودري إلى أن الاعتماد المستمر على إضافة موارد جديدة «ليس مستداماً»، سواء من حيث التكلفة أو التأثير البيئي؛ خصوصاً أن مراكز البيانات تستهلك كميات كبيرة من الطاقة. وبالتالي، فإن تحسين الكفاءة قد يكون بديلاً أكثر استدامة من التوسع المستمر.
تزداد أهمية هذه التطورات مع تزايد الاعتماد على تطبيقات الذكاء الاصطناعي، التي تتطلب كميات هائلة من البيانات وسرعات عالية في المعالجة. في هذا السياق، يمكن لنظام مثل «Sandook» أن يلعب دوراً مهماً في تحسين أداء البنية التحتية دون الحاجة إلى استثمارات إضافية كبيرة. كما أن قدرته على التكيف مع التغيرات في الوقت الحقيقي تجعله مناسباً للبيئات التي تتسم بتقلبات مستمرة في حجم العمل.
نحو بنية أكثر ذكاءً
يمثل هذا العمل جزءاً من اتجاه أوسع نحو تطوير أنظمة برمجية قادرة على إدارة الموارد بكفاءة أعلى، من خلال فهم أعمق لسلوك الأجهزة والتطبيقات. فبدلاً من الاعتماد على افتراضات ثابتة، تعتمد هذه الأنظمة على تحليل مستمر للبيانات واتخاذ قرارات ديناميكية.
يعمل الباحثون حالياً على تطوير النظام ليتوافق مع تقنيات أحدث في وحدات التخزين، تمنح مزيداً من التحكم في كيفية توزيع البيانات. كما يسعون إلى الاستفادة من أنماط العمل المتوقعة في تطبيقات الذكاء الاصطناعي، لتحسين الكفاءة بشكل أكبر.
لا يقدّم هذا النظام مجرد تحسين تقني، بل يعيد طرح سؤال أساسي: هل الحل دائماً في إضافة المزيد من الموارد، أم في استخدام ما لدينا بشكل أفضل؟
