स्प्रेपॉइंट रूटिंग प्रोटोकॉल: यह एक बिल्कुल नया डिस्ट्रीब्यूटेड (विकेंद्रीकृत) रूटिंग एल्गोरिदम है जो सिर्फ रैंडम एक्सपैंडर ग्राफ़ के लिए बनाया गया है। यह एक्सपेंशन प्रॉपर्टी का इस्तेमाल करके, किन्हीं भी दो सर्वरों के बीच ढेरों एज-डिस्जॉइंट पाथ (ऐसे रास्ते जो एक-दूसरे से टकराते नहीं) ढूंढता है। यह बिना किसी सेंट्रल कंट्रोल के काम करता है और सामान्य कमोडिटी हार्डवेयर पर चलता है, ठीक वैसे ही जैसे एक स्मार्ट GPS ट्रैफिक को कई वैकल्पिक रास्तों पर बाँट देता है ।
शफ़लबॉक्स (एक निष्क्रिय ऑप्टिकल डिवाइस): यह एक नॉवेल पैसिव ऑप्टिकल कंपोनेंट है जो केबल के सिरों को अंदरूनी तौर पर मिक्स कर देता है। यह केबलिंग की जटिलता को फैट-ट्री के समान स्तर पर ले आता है। सबसे दिलचस्प बात यह है कि यह बिल्कुल भी बिजली नहीं खाता। यह एक पूरी तरह से निष्क्रिय फाइबर मैनेजमेंट डिवाइस है, मानो एक बिना बिजली का इंटेलिजेंट जंक्शन बॉक्स ।
AWS के नए RNG नेटवर्क के फायदे सिर्फ सैद्धांतिक नहीं हैं। पुराने फैट-ट्री डिज़ाइनों की तुलना में, शुरुआती परिणाम काफी प्रभावशाली हैं:
AWS का अनुमान है कि इस आर्किटेक्चर से होने वाली बचत अरबों डॉलर में हो सकती है। कुछ अनुमानों के मुताबिक, 2026 तक संचयी बचत 200 बिलियन डॉलर तक पहुँच सकती है ।
AWS ने RNG की तैनाती चरणबद्ध तरीके से की है:
यह परिवर्तन एक क्रमिक और पारदर्शी प्रक्रिया है। हर जगह एक साथ बदलाव करने के बजाय, यह अब नए और अपग्रेड होने वाले AWS डेटा सेंटरों के लिए मानक डिज़ाइन बन चुका है।
यह बदलाव ग्राहकों के लिए बिल्कुल पारदर्शी है। RNG एक भौतिक लेयर और रूटिंग लेयर में बदलाव है जो वर्चुअलाइज़ेशन लेयर के नीचे काम करता है। आपके EC2 इंस्टेंस, VPC, लोड बैलेंसर्स, और सभी एडब्ल्यूएस सेवाओं को बिल्कुल वही लॉजिकल नेटवर्क इंटरफ़ेस दिखाई देगा। आपको अपने API, इंस्टेंस टाइप, सिक्योरिटी ग्रुप, नेटवर्क कॉन्फ़िगरेशन या एप्लिकेशन कोड में कोई बदलाव नहीं करना है । यह एक ऐसा अपग्रेड है जिसे आप महसूस भी नहीं करेंगे, लेकिन सब कुछ तेज़ और सस्ता हो गया है।
AWS का यह कदम पूरे क्लाउड इंफ्रास्ट्रक्चर बाजार के लिए गहरे मायने रखता है:
लागत का फायदा: AWS के पैमाने पर 9-45% नेटवर्क लागत में कमी का मतलब है प्रतिस्पर्धियों पर एक बड़ी बढ़त। AWS या तो अपनी कीमतें कम कर सकता है या फिर ज़्यादा मार्जिन कमाकर उसे AI पर खर्च कर सकता है ।
AI/ML वर्कलोड की रफ्तार: AI मॉडल की ट्रेनिंग के लिए बहुत ज़्यादा नेटवर्क बैंडविड्थ की जरूरत होती है। 33% बेहतर थ्रूपुट और ज़्यादा रास्तों की उपलब्धता का सीधा फायदा डिस्ट्रीब्यूटेड ट्रेनिंग, मॉडल पैरेललिज़्म और बड़े पैमाने पर इंफ़रेंसिंग को मिलता है। इससे मॉडल बनाने का समय घटेगा और आपका महंगा GPU बेकार नहीं बैठा रहेगा ।
बिजली दक्षता: नेटवर्क उपकरणों में 40% कम बिजली की खपत हाइपरस्केलर्स के लिए एक बड़ी राहत है, खासकर तब जब AI क्लस्टर्स भारी मात्रा में बिजली खा रहे हैं ।
प्रतिस्पर्धियों पर दबाव: Google Cloud, Microsoft Azure और दूसरे क्लाउड प्रदाता अभी भी ज़्यादातर पुराने क्लोस/फैट-ट्री डिज़ाइन पर चल रहे हैं। AWS ने रैंडम-ग्राफ नेटवर्किंग को उत्पादन स्तर पर तैनात करके एक नया मानक स्थापित कर दिया है। अब बाकी कंपनियों के सामने या तो AWS की राह पर चलने या फिर नेटवर्किंग की ऊंची लागत झेलने की चुनौती है ।
शैक्षणिक और उद्योग जगत में मील का पत्थर: AWS का रिसर्च पेपर यह साबित करता है कि दशकों पुराने सैद्धांतिक विचार को पहली बार हाइपरस्केल स्तर पर हकीकत में बदला जा सका है ।
Comments
0 comments