أوغور تيجلي، كبير مسؤولي التقنية في MinIO – سلسلة المقابلات

أوغور تيجلي هو كبير مسؤولي التقنية في MinIO، الشركة الرائدة في تخزين الكائنات عالية الأداء من أجل الذكاء الاصطناعي. كما يساعد أوغور العملاء على تصميم وتنفيذ بنية تحتية للبيانات تعتمد على واجهات برمجة التطبيقات ومتوافرة مع السحابة ومتوسعة في المؤسسات باستخدام MinIO.

يمكنك وصف رحلتك إلى أن تصبح كبير مسؤولي التقنية في MinIO، وكيف أثرت تجاربك في نهجك تجاه الذكاء الاصطناعي وبنية تحتية البيانات؟

بدأت مسيرتي المهنية في هندسة البنية التحتية في ميريل لينش كمدير لاستعادة البيانات ونسخها الاحتياطي. وواصلت اتخاذ تحديات مختلفة ومناصب فنية متنوعة. انضممت إلى بنك أمريكا من خلال استحواذ بنك ميريل لينش، حيث كنت نائب الرئيس للهندسة التخزينية. ومع ذلك، توسعت دوري لتشمل هندسة الحوسبة ومراكز البيانات. (BAC )

كجزء من عملي، عملت أيضًا مع شركات رأس المال الاستثماري المختلفة (VCs) وشركاتها التابعة لجلب أحدث وأفضل التكنولوجيا. خلال أحد اجتماعاتي مع كاتالست العام، تم تقديمي إلى فكرة وأشخاص وراء MinIO. لقد لفت انتباهي بسبب نهجهم لبنية تحتية البيانات – كان مختلفًا عن الجميع في السوق. أدركت الشركة أهمية مخزن الكائنات وواجهات برمجة التطبيقات القياسية التي بدأت التطبيقات معها. خلال تلك السنوات، كانوا قادرين على توقع مستقبل الحوسبة و الذكاء الاصطناعي قبل أي شخص آخر أو حتى قبل أن يُطلق عليه ما يُطلق عليه اليوم. أردت أن أكون جزءًا من تنفيذ تلك الرؤية وبناء شيء فريد حقًا. MinIO هي الآن أكثر مخازن الكائنات انتشارًا في الكوكب.

تأثير أدوار سابقة وتجارب على نهجي تجاه التكنولوجيا الجديدة، ولا سيما الذكاء الاصطناعي وبنية تحتية البيانات، هو ببساطة تراكم للمشاريع العديدة التي كنت جزءًا منها من خلال سنوات دعمي لفريق التطبيقات في مؤسسة مالية خدمات مالية عالية الطلب.

من الأيام المحدودة للنطاق الترددي، والتي أدت إلى تقنية Hadoop كأحدث تكنولوجيا قبل 15 عامًا، إلى تكنولوجيا وسائط البيانات المختلفة من محرك الأقراص الثابتة (HDD) إلى محرك الأقراص الصلبة (SSD)، nhiều من هذه التغييرات التكنولوجية شكلت نظريتي الحالية لمجال الذكاء الاصطناعي وبنية تحتية البيانات.

تم الاعتراف ب MinIO لقدراتها على تخزين الكائنات عالية الأداء. كيف تخدم MinIO بشكل خاص احتياجات الشركات التي تعتمد على الذكاء الاصطناعي اليوم؟

عندما كان AB و Garima يفكران في MinIO، كانت أولويةهم هي التفكير في بيان مشكلة – كانوا يعرفون أن البيانات ستستمر في النمو وتكنولوجيا التخزين الحالية غير متوافقة مع هذا النمو. وقد جعلت الظهور السريع لل الذكاء الاصطناعي آراءهم الرؤية حقيقة. منذ ذلك الحين، أصبحت تخزين الكائنات أساسية لبنية تحتية الذكاء الاصطناعي (جميع النماذج الكبيرة مثل OpenAI و Anthropic مبنية على مخازن الكائنات)، ويتأسس مركز البيانات الحديث على أساس مخزن الكائنات.

أطلقت MinIO مؤخرًا منصة تخزين كائنات جديدة مع ميزات حيوية للشركات لدعم منظماتها في مبادرات الذكاء الاصطناعي: مخزن الكائنات التجاري MinIO. تم تصميمه لأداء وتحديات النطاق التي قدمتها حمولات الذكاء الاصطناعي الضخمة وتمكين العملاء من معالجة التحديات المرتبطة بمليارات الكائنات بسهولة أكبر، بالإضافة إلى مئات الآلاف من العمليات التشفيرية لكل عقدة في الثانية. لديها ست ميزات تجارية جديدة تستهدف التحديات التشغيلية والفنية الرئيسية التي تواجهها حمولات الذكاء الاصطناعي: كتالوج (يحل مشكلة مساحة اسم ومetadata البحث في مخزن الكائنات)، جدار الحماية (مصمم خصيصًا للبيانات)، نظام إدارة المفاتيح (يحل مشكلة التعامل مع مليارات المفاتيح التشفيرية)، ذاكرة التخزين المؤقت (تعمل كخدمة ذاكرة التخزين المؤقت)، مراقبة (تمكن المسؤولين من عرض جميع مكونات النظام عبر كل مثيل)، وأخيرًا، لوحة التحكم التجارية (تخدم كلوحة تحكم واحدة لجميع مثيلات MinIO في المنظمة).

يصبح التعامل مع الذكاء الاصطناعي بمستوى كبير بشكل متزايد महत्वًا. هل يمكنك توضيح سبب ذلك وكيف تسهل MinIO هذه المتطلبات للشركات الحديثة؟

تقريبًا كل ما تبنيه المنظمات الآن على مخزن الكائنات، وهو ما سيزيد فقط مع تطور البنية التحتية الحديثة و الذكاء الاصطناعي. المنظمات تبحث عن بنية تحتية جديدة لإدارة جميع البيانات التي تدخل نظامها، ثم بناء تطبيقات مركزة على البيانات فوقها – هذا يتطلب نطاقًا غير عادي من المرونة والscale التي يمكن أن يدعمها فقط مخزن الكائنات. هذا هو المكان الذي تأتي فيه MinIO، والسبب في أن الشركة دائمًا تقف أمام المنافسة لأنها مصممة لما يحتاجه الذكاء الاصطناعي – تخزين حجم كبير من البيانات المنظمة وغير المنظمة وتوفير الأداء بمستوى كبير.

类似ًا إلى احتياجات التعلم الآلي (ML) في الأجيال السابقة من الذكاء الاصطناعي، كانت البيانات وبرك البيانات الحديثة حاسمة لنجاح أي الذكاء الاصطناعي “تنبؤي”. ومع تقدم “الذكاء الاصطناعي” التوليدي، توسعت هذه المناظر لتشمل العديد من المكونات الأخرى، مثل بيانات الذكاء الاصطناعي وخطوط وثائق، ونماذج أساسية، وقواعد بيانات متجهة.

جميع هذه المكونات الإضافية تستخدم مخزن الكائنات، ومعظمها يدمج مباشرة مع MinIO. على سبيل المثال، Milvus، قاعدة بيانات متجهة، تستخدم MinIO، والعديد من محركات الاستعلام الحديثة تدمج مع MinIO من خلال واجهات برمجة التطبيقات S3.

الذكاء الاصطناعي الديون التقنية مشكلة متزايدة للعديد من المنظمات. ما هي الاستراتيجيات التي تتبعها MinIO لمساعدة العملاء على تجنب هذه القضية، خاصة فيما يتعلق باستخدام وحدات معالجة الرسومات (GPUs) بشكل أكثر كفاءة؟

السلسلة قوية مثل أضعف حلقة – وبنية تحتية الذكاء الاصطناعي/التعلم الآلي الخاصة بك قوية فقط مثل أضعف مكون. إذا قمت بتدريب نماذج التعلم الآلي مع وحدات معالجة الرسومات، قد تكون حلقة الضعف هي حل تخزين البيانات. النتيجة هي ما أسميه “مشكلة وحدات معالجة الرسومات الجائعة”. مشكلة وحدات معالجة الرسومات الجائعة تحدث عندما لا يمكن لحل التخزين أو الشبكة تقديم بيانات التدريب إلى منطق التدريب بسرعة كافية لاستخدام وحدات معالجة الرسومات بشكل كامل، مما يترك قوة حاسوبية ثمينة على الطاولة. شيء يمكن للمنظمات القيام به لاستخدام وحدات معالجة الرسومات بشكل كامل هو أولاً فهم علامات بنية البيانات الضعيفة وكيف يمكن أن تؤدي مباشرة إلى سوء استخدام تكنولوجيا الذكاء الاصطناعي. لتجنب الديون التقنية، يجب على الشركات تغيير طريقة نظرها إلى البيانات (وخزنها).

يمكن للمنظمات إنشاء حل تخزين في نفس مركز البيانات مثل بنية الحوسبة. في المثالي، يكون هذا في نفس المجموعة مثل الحوسبة. نظرًا لأن MinIO هو حل تخزين محدد بالبرمجيات، فهو قادر على الأداء المطلوب لإطعام وحدات معالجة الرسومات الجائعة – اختبار حديث اختبار حقق 325 GiB/s على GETs و 165 GiB/s على PUTs مع 32 عقدة فقط من NVMe SSDs.

لديك خلفية غنية في إنشاء بنية تحتية للبيانات عالية الأداء للمؤسسات المالية العالمية. كيف تؤثر هذه الخبرات على عملك في MinIO، خاصة في تصميم حلول لاحتياجاتصناعية متنوعة؟

ساعدت في بناء أول سحابة خاصة لبنك أمريكا، وهذه المبادرة وفرت مليارات الدولارات من خلال تقديم ميزات ووظائف متاحة في السحابة العامة داخليًا بتكلفة أقل. ليس فقط هذه المبادرة الكبيرة، ولكن العديد من المتطلبات التطبيقية المتنوعة التي عملت عليها في BofA Merrill Lynch قد شكلت عملي في MinIO فيما يتعلق بتصميم حلول لعملائنا اليوم.

على سبيل المثال، تعلمتها الطريقة الصعبة أو “الطريقة الصعبة” مع الفريق الذي بنى مجموعات Hadoop التي استخدمت فقط مكونات تخزين البيانات من الخادم بينما أبقت معالجات الخادم غير مستخدمة أو غير نشطة. أمثلة بسيطة مثل هذه سمحت لي باستخدام حلول بيانات و حوسبة منفصلة في البنية التحتية الحديثة للبيانات اليوم بينما أساعد عملائنا وشركائنا، وهي حلول تقنية أفضل وأقل تكلفة باستخدام تكنولوجيا الشبكات عالية النطاق الحديثة وتخزين الكائنات عالية الأداء مثل MinIO و أي محرك استعلام أو معالجة.

الوضع الحالي للسحابة الهجينة يقدم تحديات و複잡ية فريدة. هل يمكنك مناقشة هذه بالتفصيل وشرح كيف يساعد نموذج “الانفجار” إلى السحابة في MinIO في التحكم في تكاليف السحابة بشكل فعال؟

الانتقال إلى السحابة المتعددة لا ينبغي أن يؤدي إلى تضخم الميزانيات التكنولوجية وعدم القدرة على تحقيق الأهداف – يجب أن يساعد في التحكم في التكاليف وتسريع خارطة طريق المنظمة. شيء يجب مراعاته هو استرجاع السحابة – الحقيقة هي أن نقل العمليات من السحابة إلى البنية التحتية المحلية يمكن أن يؤدي إلى وفورات كبيرة في التكاليف، حسب الحالة، ويجب دائمًا النظر إلى السحابة كنموذج تشغيل، وليس وجهة. على سبيل المثال، المنظمات تُشغل مثيلات وحدات معالجة الرسومات ولكن ثم تقضي وقتًا في معالجة البيانات لتناسب وحدات معالجة الرسومات. هذا يهدر وقتًا و مالًا ثمينين – المنظمات تحتاج إلى تحسين هذا الاختيار من خلال اختيار تكنولوجيا السحابة الأصلية و، أكثر من ذلك، تكنولوجيا السحابة القابلة للنقل التي يمكنها تفعيل قوة السحابة المتعددة دون تكاليف كبيرة. استخدام مبادئ نموذج تشغيل السحابة الأولى و الالتزام بهذا الإطار يوفر المرونة للتكيف مع المتطلبات التشغيلية المتغيرة.

حلول السحابة الأصلية هي حاسمة للبنية التحتية الحديثة. كيف يعزز تكامل MinIO مع السحابة تحسيناتها في القابلية للتوسع والمرونة لبنية تحتية الذكاء الاصطناعي؟

MinIO هو السحابة الأصلية حسب التصميم ومتوافق مع S3 منذ البداية. يمكن للمطورين نشر تخزين كائنات دائم بسرعة لجميع تطبيقاتهم الأصلية. يُقدم مزيج MinIO و السحابة منصة قوية تسمح للتطبيقات بالتوسع عبر أي بنية تحتية سحابة متعددة وهجينة ومركزية وآمنة، وتجنب حبس السحابة العامة.

مع السحابة كمحركها، يمكن ل MinIO تشغيل أي مكان تشغيل السحابة – وهو في العالم الحديث، السحابة الأصلية / الذكاء الاصطناعي، أساسًا في كل مكان.

نظرًا إلى المستقبل، ما التطورات أو التحسينات التي يمكن للمستخدمين توقعها من MinIO في سياق بنية تحتية الذكاء الاصطناعي للبيانات؟

شراكاتنا و إطلاقنا المنتجات الأخيرة هي إشارة إلى السوق بأننا لن نتباطأ في أي وقت قريب، وسنواصل دفع الأمور حيثما كان ذلك يجدي نفعًا لعملائنا. على سبيل المثال، قمنا مؤخرًا بشراكة مع Carahsoft لجعل محفظة تخزين الكائنات المحددة بالبرمجيات من MinIO متاحة للقطاعات الحكومية والدفاع والاستخبارات والتعليم. هذا يسمح للمنظمات في القطاع العام ببناء بنية تحتية للبيانات على نطاق واسع، بدءًا من برك البيانات الحديثة الشاسعة وحتى حلول تخزين البيانات المخصصة للطرف المستقل. معًا، نحن نrought هذه الحلول الفريدة والقوية للعملاء في القطاع العام، مما يمنحهم الأدوات القيمة اللازمة للنجاح. تأتي هذه الشراكة في وقت هناك دفع متزايد لتمكين القطاع العام من أن يكون جاهزًا للاستفادة من الذكاء الاصطناعي، مع متطلبات OMB الأخيرة التي تنص على أن جميع الوكالات الفيدرالية تحتاج إلى ضابط الذكاء الاصطناعي الرئيسي (من بين أمور أخرى). بشكل عام، تساهم الشراكة في تعزيز موقف الذكاء الاصطناعي في الصناعة وتوفر للقطاع العام الأدوات القيمة اللازمة للنجاح.

بالإضافة إلى ذلك، MinIO جاهز جيدًا للمستقبل. بنية تحتية الذكاء الاصطناعي للبيانات لا تزال في مرحلة الطفولة. سيكون هناك العديد من المجالات التي ستصبح أكثر وضوحًا في السنوات القليلة القادمة. على سبيل المثال، سيرغب معظم المؤسسات في استخدام بياناتها ووثائقها الخاصة مع النماذج الأساسية وآلية الاسترجاع المعززة (RAG). سيكون التكامل الإضافي لهذا نمط النشر سهلًا ل MinIO بسبب حقيقة أن جميع هذه الخيارات المعمارية وأنماط النشر لها شيء مشترك – جميع هذه البيانات مخزنة بالفعل على MinIO.

أخيرًا، لأصحاب القرار التكنولوجي الذين يرغبون في بناء أو تحسين بنية تحتية للبيانات ل الذكاء الاصطناعي، ما النصيحة التي تقدمها بناءً على خبرتك وآرائك في MinIO؟

لجعل أي مبادرة الذكاء الاصطناعي ناجحة، هناك ثلاثة عناصر رئيسية يجب الالتزام بها: الحصول على البيانات الصحيحة، والبنية التحتية الصحيحة، والتطبيقات الصحيحة. يبدأ الأمر حقًا بفهم ما تحتاجه – لا تذهب وتشتري وحدات معالجة رسومات باهظة الثمن فقط لأنك تخشى أن تفوتك قارب الذكاء الاصطناعي. أؤمن بقوة أن استراتيجيات الذكاء الاصطناعي في المؤسسات ستهتز في عام 2024 إذا ركزت المنظمات فقط على النماذج نفسها وليس على البيانات. التفكير من النماذج إلى الأسفل مقابل البيانات إلى الأعلى هو خطأ حاسم – عليك أن تبدأ بالبيانات. بناء بنية تحتية للبيانات بشكل صحيح. ثم، فكر في نماذجك. مع تحرك المنظمات نحو بنية تحتية الذكاء الاصطناعي أولاً، من الضروري أن تتيح بنية تحتية البيانات لبياناتك – لا تقيدها.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا MinIO.