چالش های رایانش ابری به راحتی تحت الشعاع این واقعیت قرار می گیرد که بازار در حال حاضر از یک رونق عظیم عبور می کند. بخش رایانش ابری توسط تعداد کمی از شرکتهای بزرگ فناوری از جمله خدمات وب آمازون (AWS) ، Microsoft Azure و IBM تحت سلطه است. AWS بسته بندی را در سهم بازار رهبری می کند ، اما همه این شرکت ها رشد سرسام آور دارند. AWS گزارش داد 49 درصد رشد درآمد در سه ماهه اول 2018 ، در حالی که مایکروسافت اعلام کرد درآمد لاجوردی آن 93 درصد افزایش یافته است.

خبر خوبی به نظر می رسد؟ شاید ، اما حتی در یک بازار پررونق نیز نباید چالش های رایانش ابری را دست کم گرفت. در اینجا ، ما چگونگی تلاش شرکتهای بزرگ فناوری برای تأمین تقاضا را بررسی می کنیم و اینکه چگونه تمرکززدایی می تواند یکی از مهمترین عوامل محاسبات ابری برای آینده باشد.

چرا رایانش ابری در چنین رشد فاحشی وجود دارد؟?

یک دلیل توسعه هوش مصنوعی (AI) است. الگوریتم های هوش مصنوعی به حجم عظیمی از داده ها متکی هستند. تا چند سال پیش ، فقط قدرت محاسباتی موجود برای اجرای برنامه های هوش مصنوعی وجود نداشت. اکنون ، سخت افزار بهتر بدان معنی است که توسعه هوش مصنوعی به محض در دسترس بودن ، محاسبات را از بین می برد. یک تحلیل نشان داد که مصرف برق محاسباتی هوش مصنوعی از سال 2012 هر سه ماه و نیم دو برابر شده است. مقایسه آن با قانون مور ، که 18 ماه دوره دو برابر داشت.

هوش مصنوعی

ربات های حریص هوش مصنوعی تمام پای کامپیوترها را خوردند. تصویر با مجوز از Pixabay.

با توجه به اشتیاق شدید AI به داده ها و بنابراین قدرت محاسبات ، بزرگترین چالش های رایانش ابری امروز عرضه و تقاضا هستند. بنابراین با افزایش تقاضا ، ارائه دهندگان رایانش ابری باید راهی برای افزایش عرضه یا مدیریت قیمت گذاری برای مهار تقاضا پیدا کنند. آنها هر دو را انجام می دهند.

چالش های رایانش ابری شماره 1: مدیریت عرضه و تقاضا با ظرفیت سرور موجود

ارائه دهندگان ابر مانند AWS با قیمت گذاری چند لایه کار می کنند. این مدل به مشتریان آنها این امکان را می دهد تا نوع توان محاسباتی مورد نیاز خود را برای مشاغل خاص انتخاب کنند. AWS خدمات درخواستی با قیمت ممتاز را به فروش می رساند که همیشه برای مشتریانی که نیاز به خدمات مستمر دارند فعال است. همچنین نمونه هایی از محاسبات ابری را با قیمت های متغیر به فروش می رساند. این موارد برای مشتریانی کار می کنند که می توانند در صف های شغلی قرار بگیرند تا زمانی که ظرفیت سرور در دسترس باشد ، بنابراین می توانند هزینه کمتری صرف کنند.

بنابراین یک شرکت نرم افزاری را تصور کنید که یک محصول را راه اندازی کرده و در حال تولید محصول دیگری است. برای محصول زنده ، این شرکت برای مشتریان خود یک وب بت سرویس مشتری مبتنی بر وب را اداره می کند. برای محصول در دست تولید ، آنها باید برخی آزمایشات را انجام دهند ، اما در زمان اجرای آزمون ها انعطاف پذیر هستند زیرا در صورت نیاز فقط می توانند آنها را در صف قرار دهند تا یک شب اجرا شوند.

این شرکت یک سرویس درخواستی را برای chatbot خود خریداری می کند ، بنابراین ربات همیشه برای مشتریان آنها در دسترس است. برای محصول در حال توسعه ، آنها در موارد مناقصه پیشنهاد می دهند. آنها حداکثر سقف پرداختی برای ظرفیت سرور را تعیین می کنند. ارائه دهنده رایانش ابری آنها دسترسی به سرور را با توجه به تقاضای زمان واقعی قیمت می دهد. هنگامی که قیمت توان محاسباتی به زیر آستانه ای که شرکت نرم افزار ما تعیین کرده است ، سقوط می کند ، کارهای آزمایشی آنها شروع می شود. اگر تقاضا تا حدی از طریق کار افزایش یابد ، قیمت دوباره افزایش می یابد و ارائه دهنده آنها قدرت را به جای دیگری هدایت می کند.

مشتری با استفاده از نمونه های فوری برای مشاغل انعطاف پذیر تا 90 درصد در قیمت بالای حق تقاضا صرفه جویی می کند. با این حال ، همه مشتریان قادر به انعطاف پذیری با نیازهای محاسباتی خود نیستند. بعلاوه ، این راه حل فقط تقاضای موجود را مدیریت می کند و به رشد گسترده تقاضا پاسخ نمی دهد.

چالش های رایانش ابری شماره 2: ظرفیت در حال رشد با مراکز داده بیشتر

ارائه دهندگان رایانش ابری در مراکز داده کار می کنند. بنابراین ، برای پرداختن به چالش های ظرفیت رایانش ابری ، یک ارائه دهنده می تواند فقط مراکز داده بیشتری ایجاد کند ، مطمئنا?

آنها می توانند ، اما مراکز داده خواستار منابع عظیم انرژی هستند. یک گزارش از سال 2016 تخمین زده شده است که مراکز داده جهان بیش از کل انگلیس در سال قبل انرژی مصرف کرده اند. همچنین یک مطالعه ژاپنی را برجسته کرد که تخمین می زند اگر رشد بدون وقفه رشد کند ، مراکز داده در این کشور کل منبع برق ملی را تا سال 2030 مصرف خواهند کرد.

بنابراین ، فقط ایجاد مراکز داده بیشتر نمی تواند تنها راه حل باشد.

چشم انداز آینده: تمرکززدایی

تمرکززدایی می تواند راه حلی ارائه دهد. شبکه های توزیع شده رایانه می توانند با همکاری یکدیگر ظرفیت بیکاری را در شبکه آماده کنند که آماده پرداخت هزینه آن هستند. بنابراین ، بگویید که شما GPU مخصوص استخراج ارزهای رمزپایه دارید ، اما اکنون از آن استفاده نمی کنید. شاید استخراج بیت کوین در عمق سقوط قیمت بی سود شده باشد. می توانید آن GPU را برای استفاده در شبکه رایانش ابری توزیع شده قرار دهید. شخصی به شما در ازای دیجیتال پول پرداخت می کند تا بتواند از قدرت پردازنده گرافیکی شما برای کمک به تست توسعه AI خود استفاده کند.

DeepBrain Chain یکی از پروژه های بلاکچین است که هدف آن دستیابی به این هدف است و مستقیماً در بازار رو به رشد قدرت محاسباتی AI هدف قرار می گیرد. در DeepBrain Chain ، هر کسی می تواند با مشارکت در ظرفیت محاسبات بیکار خود ، که به توسعه دهندگان هوش مصنوعی فروخته می شود ، نشانه کسب کند..

Tatau یک پروژه بلاکچین مشابه اما جدیدتر است که از این مفهوم قدرت محاسباتی غیرمتمرکز برای هوش مصنوعی استفاده می کند.

تمرکززدایی یک راه حل واقعی برای مشکل توسعه بیش از حد مرکز داده ارائه می دهد ، زیرا نیازی به آوردن سخت افزار جدید نیست. همچنین در مدیریت نوسانات ظرفیت انعطاف پذیرتر است ، زیرا بسیاری از اپراتورهای کوچکتر در شبکه وجود دارند. هنگامی که یک مرکز داده ساخته شد ، باید از آن برای کارآیی استفاده شود ، در حالی که یک شبکه محاسباتی غیرمتمرکز مقاومت بیشتری در برابر ظرفیت بیکار دارد.

این فقط یک سناریو است. اگرچه ، در آینده فرصت های زیادی برای بلاکچین و محاسبات ابری وجود دارد.

محاسبات کوانتومی

رایانش کوانتومی فرصتی دیگر برای حل چالش های رایانش ابری فراهم می کند. این رایانه ها از توانایی وجود ذرات زیر اتمی در چندین حالت همزمان استفاده می کنند. یک بیت استاندارد داده می تواند همزمان فقط در یک حالت وجود داشته باشد ، یا 1 یا 0. یک بیت کوانتوم یا qubit می تواند به طور همزمان در دو حالت وجود داشته باشد. این حالت دوگانه به آنها امکان می دهد داده های بسیار بیشتری نسبت به یک بیت سنتی در اختیار داشته باشند.

کامپیوتر کوانتومی

رایانه های کوانتومی می توانند آینده ابر باشند

محاسبات کوانتومی هنوز در روزهای ابتدایی است. با این حال ، دو شرکت ارائه دهنده خدمات ابری ، IBM و Alibaba ، اکنون رایانه های کوانتومی خود را راه اندازی کرده اند. یک استارت آپ, ریجتی, در تلاش است تا خدمات ابر کوانتومی خود را راه اندازی کند. بنابراین ، محاسبات ابری کوانتومی می تواند زودتر از آنچه ما تصور می کنیم در اینجا باشد.

نتیجه

رایانش ابری قطعاً برای ماندن در اینجاست. با این حال ، اگر تلاش کنند تا وضعیت موجود را حفظ کنند ، چالش های رایانش ابری به زودی بر دوش شما سنگینی می کند. از سناریوهای ذکر شده در اینجا ، احتمالاً آینده شامل ترکیبی از مدل های مختلف از جمله زیرساخت های موجود ، شبکه های غیرمتمرکز و رایانه های کوانتومی حداقل برای مدتی خواهد بود. با تقاضای روزافزون هوش مصنوعی به ابر ، ما به این گزینه ها زودتر از دیرتر نیاز داریم.

تصویر ویژه با مجوز از Pixabay.

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me