ثورة في مراكز البيانات: AWS تستبدل التصاميم التقليدية بشبكات مسطحة توفر حتى 45% من التكاليف

لطالما اعتمدت مراكز البيانات الضخمة على هيكلية تُعرف بـ "الشجرة السمينة" (Fat-Tree أو Clos)، وهو تصميم هرمي متعدد الطبقات يربط الخوادم ببعضها البعض. لكن هذا التصميم، رغم شيوعه، يعاني من تعقيد في التوصيلات وعدد كبير من الموجّهات (Routers). هنا يأتي الابتكار الأحدث من أمازون ويب سيرفيسز (AWS)، الذي قد يغيّر قواعد اللعبة بالكامل.

ما هي شبكة RNG؟

كشفت AWS النقاب عن هيكلية جديدة أطلقت عليها اسم RNG (اختصاراً لـ Random Network Graph أو Resilient Network Graphs)، وهي شبكة مسطحة (Flat) لمراكز البيانات. بدلاً من التصميم الهرمي، تقوم فكرتها على ربط الموجّهات بشكل رسم بياني شبه عشوائي، وتحديداً ما يُعرف بـ "الرسم البياني الموسّع" (Expander Graph) . هذا هو أول تطبيق إنتاجي واسع النطاق لشبكات مراكز بيانات قائمة على الرسوم البيانية العشوائية في التاريخ.

كيف تعمل؟ تحالف الرياضيات مع الهندسة

لتحويل هذه النظرية الأكاديمية إلى واقع ملموس، طوّرت AWS ثلاثة ابتكارات رئيسية تعمل معاً بتناغم:

• طوبولوجيا الرسم البياني الموسّع العشوائي: بدلاً من الهيكل الهرمي الصارم، يتم توصيل الموجّهات بطريقة شبه عشوائية. هذا يخلق شبكة "مسطحة" يكون فيها كل موجّه قريباً منطقياً من جميع الموجّهات الأخرى، مع وجود تنوع كبير في المسارات مُدمج في التوصيلات الفيزيائية نفسها .

• بروتوكول التوجيه Spraypoint: تم تطوير خوارزمية توجيه موزعة خصيصاً للعمل على هذه الرسوم البيانية العشوائية. تستغل هذه الخوارزمية خاصية "التمدد" لتجد عدداً كبيراً من المسارات المنفصلة حافياً (Edge-Disjoint Paths) بين أي خادمين، مع الحد الأدنى من التداخل بين الأزواج المختلفة. هذا يحقق إنتاجية عالية ومرونة فائقة، وكل ذلك يعمل على أجهزة تجارية قياسية دون الحاجة لمنسق مركزي .

• جهاز ShuffleBox (صندوق الخلط البصري): هو جهاز بصري سلبي (Passive) جديد يعمل على خلط وتوصيل أطراف كابلات الألياف الضوئية داخلياً. تكمن عبقريته في أنه يُبسّط تعقيد التوصيلات ليكون مشابهاً لتعقيد الشبكات التقليدية، ولكنه لا يستهلك أي طاقة كهربائية على الإطلاق. إنه مجرد قطعة إدارة ألياف ضوئية بسيطة وذكية .

معاً، تسمح هذه الابتكارات ببناء شبكة من طبقة واحدة مسطحة، مما يلغي الحاجة إلى التسلسل الهرمي متعدد الطبقات ويقلل بشكل كبير من عدد الموجّهات المطلوبة.

أرقام مثيرة للإعجاب: الأداء، التكلفة، والطاقة

لا تقتصر فوائد RNG على الجانب النظري، فالأرقام التي كشفت عنها AWS مثيرة للدهشة:

المقياس	نسبة التحسين
الإنتاجية (Throughput)	أفضل بنسبة تصل إلى 33% مقارنة بالشبكات التقليدية المكافئة
عدد الموجّهات والمبدلات	أقل بنسبة 69% (تخفيض كبير في العتاد)
توفير التكاليف	من 9% إلى 45%، اعتماداً على الحجم والتكوين
استهلاك الطاقة لأجهزة الشبكة	انخفاض بنسبة 40% في استهلاك الكهرباء، ويعود الفضل الأكبر لإلغاء طبقات كاملة من المبدلات التي كانت تستهلك طاقة
تعقيد توصيل الكابلات	مماثل للشبكات التقليدية، بفضل جهاز ShuffleBox

تقدّر AWS أن التوفير الناتج عن هذه الهيكلية قد يصل إلى مليارات الدولارات، حيث تشير بعض التوقعات إلى توفير تراكمي يصل إلى 200 مليار دولار بحلول عام 2026 .

أين ومتى تم نشرها؟

بدأت AWS بنشر هذه التقنية بهدوء في مراكز بياناتها حول العالم:

• أواخر 2024: أول نشر إنتاجي في دبلن، إيرلندا .
• عام 2025: توسعت إلى مواقع أوروبية إضافية، مثل إسبانيا وألمانيا .
• بحلول أبريل 2026: أصبحت RNG الشبكة الافتراضية لمراكز البيانات لمعظم أعباء العمل في AWS على مستوى العالم. تنص الورقة البحثية صراحةً: "RNG هي الآن شبكة مراكز البيانات الافتراضية لمعظم أعباء العمل في أمازون" .

لم يكن هذا تغييراً شاملاً جذرياً تم بين ليلة وضحاها، بل هو ترقية تدريجية وشفافة للبنية التحتية، ولكن الهيكلية أصبحت الآن هي المعيار لبناء مراكز البيانات الجديدة وتحديث القديمة.

لماذا لن تشعر بأي تغيير (ولكن كل شيء أصبح أفضل)؟

الجميل في هذا الابتكار أنه تغيير غير مرئي تماماً للعملاء. تعمل RNG في الطبقة الفيزيائية وطبقة التوجيه، وهي طبقات تحت طبقة الخدمات السحابية التي تتعامل معها. أجهزة EC2 الافتراضية، شبكات VPC، موازنات الأحمال، وجميع خدمات AWS الأخرى ترى نفس واجهة الشبكة المنطقية دون أي تغيير. لا حاجة لتعديل أي شيء في إعدادات الأمان، أو أنواع الأجهزة، أو حتى كود التطبيقات . إنها الترقية الذهبية: "لن تلاحظ شيئاً، لكن كل شيء أصبح أسرع وأرخص".

ماذا يعني هذا لمستقبل الحوسبة السحابية والذكاء الاصطناعي؟

لهذا الابتكار آثار تنافسية هائلة:

• ميزة تنافسية في التكلفة: عندما توفر ما بين 9% و45% من تكلفة الشبكات على نطاق AWS، فإن ذلك يخلق خندقاً تسعيرياً هيكلياً. يمكن لـ AWS إما تقديم أسعار أقل من المنافسين، أو استيعاب هوامش أرباح أعلى وإعادة استثمارها في قدرات الحوسبة والذكاء الاصطناعي .
• تسريع أعباء عمل الذكاء الاصطناعي: تدريب نماذج الذكاء الاصطناعي الضخمة متعطش للنطاق الترددي وحساس جداً لاختناقات الشبكة. التحسن بنسبة 33% في الإنتاجية والتنوع الكبير في المسارات يفيد بشكل مباشر التدريب الموزع وتقسيم النماذج، مما يقلل وقت إنجاز المهام ويزيد استخدام وحدات معالجة الرسوميات (GPUs) .
• كفاءة الطاقة والاستدامة: استهلاك طاقة أقل بنسبة 40% لأجهزة الشبكة رقم ضخم لشركات الحوسبة السحابية العملاقة التي تسعى لتحقيق أهداف الاستدامة وإدارة تكاليف الطاقة المتصاعدة، خصوصاً مع استهلاك عناقيد الذكاء الاصطناعي الهائل للطاقة .
• ضغط على المنافسين: لا يزال معظم المنافسين مثل غوغل ومايكروسوفت أزور يعتمدون على تصاميم الشجرة السمينة التقليدية. رفع إعلان AWS لسابقة النجاح الإنتاجي لشبكات الرسوم البيانية العشوائية سقف التحدي، وقد يضطر المنافسون للاستثمار في مناهج مشابهة أو قبول تكاليف شبكات أعلى.
• إنجاز أكاديمي وصناعي: تمثل الورقة البحثية المنشورة المرة الأولى التي يتم فيها بناء وتشغيل شبكات قائمة على نظرية الرسوم البيانية العشوائية/الموسّعة على نطاق إنتاجي فائق الضخامة، محوّلةً فكرة نظرية عمرها عقود إلى حقيقة ملموسة .