Ουγκούρ Τίγλι, Τεχνικός Διευθυντής της MinIO – Σειρά Συνεντεύξεων

Ο Ουγκούρ Τίγλι είναι ο Τεχνικός Διευθυντής της MinIO, η ηγέτης στις υψηλές επιδόσεις αντικειμενικής αποθήκευσης για AI. Jako CTO, ο Ουγκούρ βοηθά τους πελάτες να σχεδιάσουν και να αναπτύξουν API-κίνητες, cloud-γενικές και κλιμακωτές επιχειρηματικές λύσεις αποθήκευσης δεδομένων χρησιμοποιώντας την MinIO.

Μπορείτε να περιγράψετε το ταξίδι σας για να γίνετε ο Τεχνικός Διευθυντής της MinIO, και πώς οι εμπειρίες σας έχουν διαμορφώσει την προσέγγισή σας στο AI και την υποδομή δεδομένων;

Ξεκίνησα την καριέρα μου στην τεχνική μηχανική υποδομής στο Merrill Lynch ως διαχειριστής αντίγραφων ασφαλείας και επαναφοράς. Συνέχισα να αναλαμβάνω διαφορετικές προκλήσεις και τεχνικές θέσεις. Εντάχθηκα στην Bank of America μέσω της απόκτησης του Merrill Lynch, όπου ήμουν ο αντιπρόεδρος της Μηχανικής Αποθήκευσης. Ωστόσο, ο ρόλος μου επεκτάθηκε για να περιλαμβάνει την μηχανική υπολογιστών και την μηχανική κέντρου δεδομένων.

Ως μέρος του έργου μου, εργάστηκα επίσης με διάφορες εταιρείες κεφαλαίου (VC) και τις θυγατρικές τους εταιρείες για να φέρω τις τελευταίες και καλύτερες τεχνολογίες. Κατά τη διάρκεια μιας από τις συναντήσεις μου με την General Catalyst, μου παρουσιάστηκε η ιδέα και οι άνθρωποι πίσω από την MinIO. Μου άρεσε επειδή της προσεγγίσεως της υποδομής δεδομένων — διαφέρει από όλους τους άλλους στην αγορά. Η εταιρεία κατέστησε σαφές την σημασία του αντικειμενικού αποθήκευσης και των τυποποιημένων API που οι εφαρμογές ξεκινούσαν. Κατά τη διάρκεια εκείνων των ετών, μπορούσαν να προβλέψουν το μέλλον της υπολογίσεως και του AI πριν από οποιονδήποτε άλλον ή ακόμη και πριν από το ότι ονομάζεται σήμερα. Ήθελα να είμαι μέρος της εκτέλεσης αυτής της όρασης και της κατασκευής κάτι πραγματικά μοναδικό. Η MinIO είναι τώρα η πιο ευρέως αναπτυγμένη αντικειμενική αποθήκη στον πλανήτη.

Η επίδραση των προηγούμενων ρόλων και εμπειριών μου στην προσέγγισή μου για νέες τεχνολογίες, ιδιαίτερα το AI και την υποδομή δεδομένων, είναι επίσης απλώς μια συσσώρευση των πολλών έργων στα οποία έχω συμμετάσχει μέσω των ετών υποστήριξης ομάδων εφαρμογών σε μια υψηλά απαιτητική εταιρεία χρηματοοικονομικών υπηρεσιών.

Από τις περιορισμένες ημέρες της ζώνης δικτύου, οι οποίες οδήγησαν στην τεχνολογία Hadoop, η οποία ήταν η τελευταία τεχνολογία πριν από 15 χρόνια, μέχρι διάφορες τεχνολογίες μέσων δεδομένων από σκληρό δίσκο (HDD) σε στερεή κατάσταση δίσκου (SSD), πολλές από αυτές τις αλλαγές τεχνολογίας διαμόρφωσαν την τρέχουσα μου άποψη για το οικοσύστημα AI και την υποδομή δεδομένων.

Η MinIO αναγνωρίζεται για τις ικανότητες υψηλών επιδόσεων αντικειμενικής αποθήκευσης. Πώς η MinIO ικανοποιεί συγκεκριμένα τις ανάγκες των επιχειρήσεων που οδηγούνται από AI σήμερα;

Όταν ο AB και η Garima εννοούσαν την MinIO, η πρώτη τους προτεραιότητα ήταν να σκεφτούν ένα πρόβλημα — γνώριζαν ότι τα δεδομένα θα συνεχίσουν να αυξάνονται και οι υφιστάμενες τεχνολογίες αποθήκευσης ήταν ασύμβατες με αυτήν την αύξηση. Η ταχεία εμφάνιση του AI έχει κάνει τις προφητικές απόψεις τους της αγοράς πραγματικότητα. Από τότε, η αντικειμενική αποθήκη έχει γίνει θεμελιώδους σημασίας για την υποδομή AI (όλες οι μεγάλες LLMs όπως το OpenAI και το Anthropic είναι toutes κατασκευασμένες σε αντικειμενικές αποθήκες), και το σύγχρονο κέντρο δεδομένων είναι κατασκευασμένο σε μια θεμελιώδη αντικειμενική αποθήκη.

Η MinIO πρόσφατα έκανε την première μιας νέας πλατφόρμας αντικειμενικής αποθήκευσης με κρίσιμες επιχειρηματικές ιδιότητες για την υποστήριξη των οργανισμών στις πρωτοβουλίες AI τους: το MinIO Enterprise Object Store. Είναι σχεδιασμένο για τις προκλήσεις επιδόσεων και κλίμακας που εισάγονται από τεράστιες AI εργασιές και επιτρέπει στους πελάτες να αντιμετωπίσουν τις προκλήσεις που σχετίζονται με δισεκατομμύρια αντικείμενα πιο εύκολα, καθώς και εκατοντάδες χιλιάδες κρυπτογραφικές επιχειρήσεις ανά κόμβο ανά δευτερόλεπτο. Έχει έξι νέες εμπορικές ιδιότητες που στοχεύουν σε κρίσιμες λειτουργικές και τεχνικές προκλήσεις που αντιμετωπίζουν οι AI εργασιές: Κατάλογος (αυτό λύνει το πρόβλημα της αντικειμενικής αποθήκευσης ονόματος και μεταδεδομένων αναζήτησης), Τείχος προστασίας (σκοπός-κατασκευασμένο για τα δεδομένα), Σύστημα Διαχείρισης Κλειδιών (λύνει το πρόβλημα της αντιμετώπισης δισεκατομμυρίων κρυπτογραφικών κλειδιών), Cache (λειτουργεί ως υπηρεσία cache), Παρατηρησιμότητα (επιτρέπει στους διαχειριστές να δουν όλα τα συστατικά του συστήματος σε κάθε περίπτωση) και τελευταίο, το Enterprise Console (υπηρετεί ως ένα ενιαίο τζάμι για όλες τις περιπτώσεις της MinIO).

Η αντιμετώπιση του AI σε κλίμακα γίνεται ολοένα και πιο κρίσιμη. Μπορείτε να εξηγήσετε γιατί αυτό είναι το caso και πώς η MinIO διευκολύνει αυτές τις απαιτήσεις για τις σύγχρονες επιχειρήσεις;

Σχεδόν όλα όσα οι οργανισμοί κατασκευάζουν τώρα είναι σε αντικειμενική αποθήκευση, η οποία θα επιταχύνει καθώς εκείνοι που τρέχουν υποδομή με συσκευή θα χτυπήσουν το τοίχωμα στην εποχή των σύγχρονων λιμνών δεδομένων και AI. Οι οργανισμοί κοιτάζουν νέες υποδομές για να διαχειριστούν όλα τα δεδομένα που εισέρχονται στο σύστημά τους και στη συνέχεια να κατασκευάζουν εφαρμογές-κεντρικές δεδομένων επάνω από αυτό — αυτό απαιτεί εξαιρετική κλίμακα και ευελιξία που μόνο η αντικειμενική αποθήκευση μπορεί να υποστηρίξει. Εκεί είναι που η MinIO έρχεται και γιατί η εταιρεία έχει πάντα στεκόταν μίλια μπροστά από τον ανταγωνισμό επειδή είναι σχεδιασμένη για αυτό που χρειάζεται το AI — αποθήκευση τεράστιων όγκων δομημένων και μη δομημένων δεδομένων και παροχή επιδόσεων σε κλίμακα.

Παρόμοια με τις ανάγκες της μηχανικής μάθησης (ML) στις προηγούμενες γενιές του AI, τα δεδομένα και οι σύγχρονες λίμνες δεδομένων ήταν κρίσιμες για την επιτυχία οποιουδήποτε «προβλεπτικού» AI. Ωστόσο, με την πρόοδο του «γεννητικού» AI, αυτό το τοπίο έχει επεκταθεί για να περιλαμβάνει πολλά άλλα συστατικά, όπως τα δεδομένα AI Ops και τα δεδομένα εγγράφων, τα θεμελιώδη μοντέλα και τις διανυσματικές βάσεις δεδομένων.

Όλα αυτά τα πρόσθετα συστατικά χρησιμοποιούν αντικειμενική αποθήκευση, και τα περισσότερα από αυτά ενσωματώνουν άμεσα με την MinIO. Για παράδειγμα, το Milvus, μια διανυσματική βάση δεδομένων, χρησιμοποιεί την MinIO, και πολλές σύγχρονες μηχανές ερωτήσεων ενσωματώνουν με την MinIO μέσω S3 API.

Το τεχνικό χρέος του AI είναι μια αυξανόμενη ανησυχία για πολλούς οργανισμούς. Ποίες στρατηγικές χρησιμοποιεί η MinIO για να βοηθήσει τους πελάτες να αποφύγουν αυτό το ζήτημα, ιδιαίτερα σε σχέση με την αποτελεσματική χρήση των GPU;

Μια αλυσίδα είναι τόσο ισχυρή όσο το πιο αδύνατο σημείο της – και η υποδομή AI/ML είναι τόσο γρήγορη όσο το πιο αργό της συστατικού. Αν εκπαιδεύσετε μοντέλα μηχανικής μάθησης με GPU, το πιο αδύνατο σημείο σας μπορεί να είναι η λύση αποθήκευσης. Το αποτέλεσμα είναι αυτό που ονομάζω το «Πρόβλημα Πεινασμένων GPU». Το πρόβλημα Πεινασμένων GPU συμβαίνει όταν η λύση δικτύου ή αποθήκευσης σας δεν μπορεί να εξυπηρετήσει τα δεδομένα εκπαίδευσης στη λογική εκπαίδευσης σας αρκετά γρήγορα για να αξιοποιήσει πλήρως τα GPU σας, αφήνοντας πολύτιμη υπολογιστική δύναμη στο τραπέζι. Κάτι που οι οργανισμοί μπορούν να κάνουν για να αξιοποιήσουν πλήρως τα GPU τους είναι πρώτα να κατανοήσουν τα σημάδια μιας κακής αρχιτεκτονικής δεδομένων και πώς μπορεί να οδηγήσει直接 στην υποεκμετάλλευση της τεχνολογίας AI. Για να αποφύγουν το τεχνικό χρέος, οι εταιρείες πρέπει να αλλάξουν τον τρόπο με τον οποίο βλέπουν (και αποθηκεύουν) τα δεδομένα.

Οι οργανισμοί μπορούν να ρυθμίσουν μια λύση αποθήκευσης που βρίσκεται στο ίδιο κέντρο δεδομένων με την υπολογιστική τους υποδομή. Ιδανικά, αυτό θα ήταν στο ίδιο cluster με την υπολογιστική σας. Επειδή η MinIO είναι μια λύση αποθήκευσης που ορίζεται από το λογισμικό, είναι ικανή για την απόδοση που χρειάζεται για να τροφοδοτήσει πεινασμένα GPU – μια πρόσφατη μετρήσεις που επιτύγχαναν 325 GiB/s σε GETs και 165 GiB/s σε PUTs με μόνο 32 κόμβους off-the-shelf NVMe SSDs.

Έχετε ένα πλούσιο υπόβαθρο στη δημιουργία υψηλών επιδόσεων υποδομής δεδομένων για παγκόσμιες χρηματοοικονομικές εταιρείες. Πώς αυτές οι εμπειρίες ενημερώνουν το έργο σας στην MinIO, ιδιαίτερα σε σχέση με την αρχιτεκτονική λύσεων για διάφορες βιομηχανικές ανάγκες;

Βοήθησα να κατασκευάσω την πρώτη ιδιωτική νεφελή για την Bank of America και αυτή η πρωτοβουλία σώθηκε δισεκατομμύρια δολάρια παρέχοντας χαρακτηριστικά και λειτουργικότητα που είναι διαθέσιμα σε δημόσιες νεφελές εσωτερικά με χαμηλότερο κόστος. Όχι μόνο αυτή η σημαντική πρωτοβουλία, αλλά και πολλές άλλες διαφορετικές απαιτήσεις εφαρμογών που έχω εργαστεί στην BofA Merrill Lynch έχουν διαμορφώσει το έργο μου στην MinIO, καθώς αφορά την αρχιτεκτονική λύσεων για τους πελάτες μας σήμερα.

Για παράδειγμα, η μάθηση στο λάθος ή το «δύσκολο» τρόπο δούλεψε με την ομάδα που κατασκεύασε συστοιχίες Hadoop που χρησιμοποιούσαν μόνο τα συστατικά αποθήκευσης δεδομένων του διακομιστή ενώ κρατούσαν τους CPU του διακομιστή υποχρησιμοποιημένους ή σχεδόν ανενεργούς. Απλά παραδείγματα ή μαθήματα όπως αυτό μου επέτρεψαν να χρησιμοποιήσω αποσυνδεμένες λύσεις δεδομένων και υπολογισμού στις σύγχρονες υποδομές δεδομένων της σημερινής ημέρας, βοηθώντας τους πελάτες και τους συνεργάτες μας, οι οποίοι είναι τεχνικά καλύτεροι και χαμηλότερου κόστους λύσεις χρησιμοποιώντας τις σύγχρονες υψηλές τεχνολογίες δικτύου και τις υψηλές επιδόσεις αντικειμενικής αποθήκευσης όπως η MinIO και οποιαδήποτε μηχανή ερωτήσεων ή μηχανή επεξεργασίας.

Η υβριδική νεφελή παρουσιάζει μοναδικές προκλήσεις και сложκότητες. Μπορείτε να συζητήσετε αυτές τις λεπτομέρειες και να εξηγήσετε πώς το υβριδικό «έκρηξη» της MinIO στο cloud μοντέλο βοηθά να ελέγξει αποτελεσματικά τα κόστη νεφελής;

Η μετάβαση σε πολλές νεφελές δεν πρέπει να οδηγήσει σε φουσκωμένα προϋπολογισμούς IT και την αδυναμία να φτάσετε τα ορόσημα — πρέπει να βοηθήσει στην διαχείριση των κοστών και να επιταχύνει το δρόμο της οργάνωσης. Κάτι που πρέπει να ληφθεί υπόψη είναι η επαναπατρισμός νεφελής — η πραγματικότητα είναι ότι η μεταφορά λειτουργιών από τη νεφελή σε υποδομή εσωτερικού μπορεί να οδηγήσει σε σημαντική οικονομία, ανάλογα με την περίπτωση, και πρέπει πάντα να κοιτάξετε τη νεφελή ως ένα μοντέλο λειτουργίας, όχι ως προορισμό. Για παράδειγμα, οι οργανισμοί ξεκινούν περιπτώσεις GPU αλλά στη συνέχεια ξοδεύουν χρόνο επεξεργασίας δεδομένων για να τα προσαρμόσουν στη GPU. Αυτό σπαταλάει πολύτιμο χρόνο και χρήμα – οι οργανισμοί πρέπει να βελτιώσουν καλύτερα επιλέγοντας cloud-γενικές και, πιο σημαντικά, cloud-πορτοκαλί τεχνολογίες που μπορούν να ξεκλειδώσουν τη δύναμη της πολλών νεφελών χωρίς σημαντικά κόστη. Η χρήση του cloud-πρώτου μοντέλου λειτουργίας και η συμμόρφωση με αυτό το πλαίσιο παρέχουν την ευελιξία να προσαρμοστούν στις αλλαγμένες λειτουργικές απαιτήσεις.

Οι λύσεις που είναι εγγενείς στο Kubernetes είναι κρίσιμες για τις σύγχρονες υποδομές. Πώς η ενοποίηση της MinIO με το Kubernetes ενισχύει την κλιμακωσιμότητα και την ευελιξία της για την υποδομή δεδομένων AI;

Η MinIO είναι εγγενώς Kubernetes από τη σχεδίαση και S3 συμβατή από την αρχή. Οι dévelopπεurs μπορούν να αναπτύξουν γρήγορα μόνιμη αντικειμενική αποθήκευση για όλες τις cloud-γενικές εφαρμογές. Η συνδυασμένη MinIO και Kubernetes παρέχει ένα ισχυρό πλαίσιο που επιτρέπει στις εφαρμογές να κλιμακωθούν σε οποιαδήποτε multi-cloud και υβριδική νεφελή υποδομή και να είναι κεντρικά διαχειριζόμενες και ασφαλισμένες, αποφεύγοντας την απαγωγή νεφελής.

Με το Kubernetes ως κινητήρα, η MinIO είναι σε θέση να τρέξει οπουδήποτε το Kubernetes κάνει – το οποίο, στον σύγχρονο, cloud-γενικό/AI κόσμο, είναι ουσιαστικά παντού.

Κοιτάζοντας μπροστά, ποίες μελλοντικές αναπτύξεις ή βελτιώσεις μπορούν να περιμένουν οι χρήστες από την MinIO στο πλαίσιο της υποδομής δεδομένων AI;

Οι πρόσφατες συνεργασίες και προϊοντικές εκδόσεις μας είναι ένα σημάδι στην αγορά ότι δεν θα επιβραδύνουμε ποτέ και θα συνεχίσουμε να ωθούμε там όπου έχει νόημα για τους πελάτες μας. Για παράδειγμα, συνεργαστήκαμε πρόσφατα με την Carahsoft για να κάνουμε το λογισμικό-ορισμένο αντικειμενικό χαρτοφυλάκιο αποθήκευσης της MinIO διαθέσιμο για τους τομείς Κυβέρνησης, Άμυνας, Πληροφοριών και Εκπαίδευσης. Αυτό επιτρέπει στους οργανισμούς του Δημόσιου Τομέα να κατασκευάσουν οποιαδήποτε διαφορετική κλίμακα υποδομή δεδομένων, από εκτεταμένες σύγχρονες λίμνες δεδομένων σε λύσεις αποθήκευσης δεδομένων για αποστολές σε αυτόνομες ακμές. Μαζί, φέρνουμε αυτές τις कटTING-EDGE, μοναδικές λύσεις στους πελάτες του Δημόσιου Τομέα, ενδυναμώνοντάς τους να αντιμετωπίσουν προκλήσεις υποδομής δεδομένων εύκολα και αποτελεσματικά. Αυτή η συνεργασία έρχεται σε μια στιγμή που υπάρχει μια αυξημένη ώθηση για να ενεργοποιήσει τον Δημόσιο Τομέα να είναι AI-έτοιμος, με τις πρόσφατες απαιτήσεις OMB που δηλώνουν ότι όλες οι ομοσπονδιακές एजενσίες χρειάζονται έναν Αρχηγό AI (μεταξύ άλλων). Συνολικά, η συνεργασία βοηθά στην ενίσχυση της στάσης της βιομηχανίας AI και δίνει στον Δημόσιο Τομέα τα πολύτιμα εργαλεία που χρειάζονται για να επιτύχουν.

Επιπλέον, η MinIO είναι πολύ καλά τοποθετημένη για το μέλλον. Η υποδομή δεδομένων AI είναι ακόμη στην παιδική της ηλικία. Πολλές περιοχές της θα είναι πιο εμφανείς τα επόμενα χρόνια. Για παράδειγμα, οι περισσότερες επιχειρήσεις θα θέλουν να χρησιμοποιήσουν τα ιδιωτικά δεδομένα και έγγραφα τους με θεμελιώδη μοντέλα και Ανασυγκροτημένη Γενετική (RAG). Η περαιτέρω ενοποίηση σε αυτό το μοτίβο αναπτύξεως θα είναι εύκολη για την MinIO, επειδή όλα αυτά τα αρχιτεκτονικά επιλογές και μοτίβα αναπτύξεως έχουν ένα κοινό – όλα αυτά τα δεδομένα είναι ήδη αποθηκευμένα στην MinIO.

Τέλος, για τους τεχνολογικούς ηγέτες που επιδιώκουν να κατασκευάσουν ή να βελτιώσουν την υποδομή δεδομένων τους για AI, ποια συμβουλή θα προσφέρατε με βάση την εμπειρία και τις γνώσεις σας στην MinIO;

Για να κάνετε οποιαδήποτε πρωτοβουλία AI επιτυχημένη, υπάρχουν τρία κρίσιμα στοιχεία που πρέπει να ακολουθήσετε: να έχετε τα σωστά δεδομένα, την σωστή υποδομή και τις σωστές εφαρμογές. Αυτό πραγματικά ξεκινά με την κατανόηση του τι χρειάζεστε – μην πάτε και αγοράσετε ακριβά GPU μόνο και μόνο επειδή φοβάστε ότι θα χάσετε το AI πλοίο. Πιστεύω ισχυρά ότι οι στρατηγικές AI των επιχειρήσεων θα αποτύχουν το 2024 αν οι οργανισμοί εστιάσουν μόνο στα μοντέλα eux και όχι στα δεδομένα. Η σκέψη μοντέλου προς τα κάτω αντί για δεδομένα προς τα πάνω είναι ένα κρίσιμο λάθος – πρέπει να ξεκινήσετε με τα δεδομένα. Κατασκευάστε μια σωστή υποδομή δεδομένων. Στη συνέχεια, σκεφτείτε τα μοντέλα σας. Όσο οι οργανισμοί κινούνται προς μια αρχιτεκτονική AI-πρώτη, είναι απαραίτητο ότι η υποδομή δεδομένων σας ενεργοποιεί τα δεδομένα σας – όχι να τα περιορίζει.

Ευχαριστώ για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν την MinIO.