Ugur Tigli, MinIO:n tekninen johtaja – Haastattelusarja

Ugur Tigli on MinIO:n tekninen johtaja, MinIO, joka on johtava objektitallennuksen tarjoaja AI:lle. Toimitusjohtajana Ugur auttaa asiakkaita suunnittelemaan ja käyttöönottoon MinIO:n avulla API-pohjaisia, pilvi-natiiveja ja skaalautuvia yritysluokan tietoinfrastruktuureja.

Voitko kuvata matkasi MinIO:n tekniseksi johtajaksi ja miten kokemuksesi ovat muovanneet lähestymistasi AI:hin ja tietoinfrastruktuuriin?

Aloittelin urani infrastruktuuri-insinöörinä Merrill Lynchillä varmuuskopio- ja palautusjärjestelmän ylläpitäjänä. Jatkoin erilaisten haasteiden ja teknisten roolien parissa. Liityin Bank of Americaan Merrill Lynchin kautta, jossa toimin tallennusjärjestelmien johtajana. Tehtävääni laajennettiin myös käsittämään laskennan ja tietokeskusjärjestelmien insinööritöitä.

Osin työstäni työskentelin myös erilaisten venture-rahastojen (VC) ja niiden sijoittajayritysten kanssa, jotka toivat markkinoille uusimmat ja parhaat teknologiat. Yhdessä tapaamisessani General Catalystin kanssa tutustuin MinIO:n ideaan ja henkilöstöön. Se veti minut puoleensa, koska heidän lähestymistapansa tietoinfrastruktuuriin poikkesi muista markkinoilla olevista. Yritys ymmärsi objektitallennuksen ja sovellusten käyttämien standardien tärkeyden. Silloin he pystyivät ennustamaan tulevaisuuden laskentaa ja AI:ta ennen kuin kukaan muu tai ennen kuin se oli edes nykyisellä nimellään. Halusin olla mukana toteuttamassa visiota ja luomaan jotain ainutlaatuista. MinIO on nyt laajimmin käytetty objektitallennus maailmassa.

Aikaisempien roolieni ja kokemukseni vaikutus AI:n ja tietoinfrastruktuurin lähestymistapaani on yksinkertaisesti kertynyt monien projektiemme kautta, joissa olen tukemassa sovellusjoukkueita korkean vaatimustason rahoituspalveluyrityksessä.

Rajoitetun verkkoliikenteen ajoista, jotka johtivat Hadoop-tekniikan käyttöön 15 vuotta sitten, useisiin tietovälineisiin, kuten kiintolevyistä (HDD) ja flash-muisteista (SSD), monet näistä teknologiamuutoksista ovat vaikuttaneet nykyiseen AI-ekosysteemiin ja tietoinfrastruktuuriin.

MinIO on tunnettu korkean suorituskyvyn objektitallennuksestaan. Miten MinIO erityisesti palvelee AI-vetovoimaisia yrityksiä tänään?

Kun AB ja Garima suunnittelivat MinIO:ta, heidän ensisijainen tavoitteensa oli pohtia ongelmanasettelmaa – he tietävät, että data jatkuva kasvu ja olemassa olevat tallennusteknologiat eivät ole yhteensopivia kasvun kanssa. AI:n nopea kehittyminen on tehnyt heidän näkemyksensä markkinasta todenmukaiseksi. Objektitallennus on sittemmin tullut AI-infrastruktuurin perustaksi (kaikki suuret LLM:t kuten OpenAI ja Anthropic ovat kaikki rakennettu objektitallennukselle), ja moderni tietokeskus on rakennettu objektitallennuksen perustalle.

MinIO julkaisi äskettäin uuden objektitallennusjärjestelmän kriittisillä yritysluokan ominaisuuksilla, jotka tukevat organisaatioita AI-aloitteissaan: MinIO Enterprise Object Store. Se on suunniteltu suorituskyvyn ja skaalautuvuuden haasteiden ratkaisemiseksi, jotka AI-työkuormat tuottavat, ja mahdollistaa asiakkaiden helpommin kohdata haasteita, jotka liittyvät miljardien objektiin ja satoihin tuhansiin kryptografisiin operaatioihin solmua kohden sekunnissa. Siinä on kuusi uutta kaupallista ominaisuutta, jotka kohdistuvat AI-työkuormien keskeisiin toiminnallisiin ja teknisiin haasteisiin: Luokittelu (ratkaisee objektitallennuksen nimeämisen ja metatietojen hakua), Palomuuri (suunniteltu tietoturvaan), Salakielenhallintajärjestelmä (ratkaisee miljardien salakielten ongelman), Välimuisti (toimii välimuistipalveluna), Havainnollistaminen (sallii järjestelmän komponenttien katselun kaikissa esiintymissä) ja lopulta Enterprise Console (toimii yhtenäisenä näkymänä kaikille organisaation MinIO-esiintymille).

Miten MinIO mahdollistaa nämä vaatimukset modernille yrityksille, ja miksi AI:n hallitseminen suurissa mittakaavoissa on tärkeää?

Melkein kaikki, mitä organisaatiot rakentavat, on nyt objektitallennuksessa, ja tämä kasvu kiihtyy edelleen, kun laitteistoinen infrastruktuuri kohtaa esteen modernien datajärvien ja AI:n aikakaudella. Organisaatiot etsivät uusia infrastruktuureja hallitsemaan kaikkea tietoa, joka tulee järjestelmään, ja rakentamaan datakeskeisiä sovelluksia sen päälle – tämä vaatii poikkeuksellista skaalautuvuutta ja joustavuutta, mitä vain objektitallennus voi tarjota. Tässä MinIO tulee kuvaan ja on aina ollut kilpailijoiden edellä, koska se on suunniteltu AI:n tarpeisiin – tallentamaan valtavat määrät rakennettua ja rakenteetonta dataa ja tarjoamaan suorituskykyä suurissa mittakaavoissa.

Samoin kuin aikaisemmissa AI-sukupolvissa, jolloin koneoppiminen (ML) vaati tietoa, modernit datajärvet ovat olleet kriittisiä “ennustavalle” AI:lle. Kuitenkin “luoja-AI:n” kehittyessä tämä maisema on laajentunut käsittämään muita komponentteja, kuten AI Ops -tietoa ja asiakirjaputkia, perusmalleja ja vektorigrafiikkatietokantoja.

Kaikki nämä lisäkomponentit käyttävät objektitallennusta, ja useimmat niistä integroidaan suoraan MinIO:hon. Esimerkiksi Milvus, vektorigrafiikkatietokanta, käyttää MinIO:ta, ja monet modernit kyselymoottorit integroidaan MinIO:hon S3-rajapinnan kautta.

AI-tekninen velka on kasvava huolenaihe monille organisaatioille. Mitkä strategiat MinIO käyttää auttaakseen asiakkaita välttämään tämän ongelman, erityisesti siinä, miten hyödyntää GPU:ita tehokkaammin?

Ketju on niin vahva kuin sen heikoin lenkki – ja AI/ML-infrastruktuurisi on vain niin nopea kuin sen hitain komponentti. Jos koulutat koneoppimismalleja GPU:illa, heikoin lenkki saattaa olla tallennusratkaisusi. Tämä johtaa siihen, mitä kutsun “Nälkäinen GPU -ongelma”. Nälkäinen GPU -ongelma ilmenee, kun verkkosi tai tallennusratkaisusi ei pysty palvelemaan koulutusdataa koulutuslogiikalle tarpeeksi nopeasti täyttämään GPU:iden käyttöä, jättäen arvokasta laskentatehoa käyttämättä. Jotain, mitä organisaatiot voivat tehdä täysin hyödyntääkseen GPU:nsa, on ensin ymmärtää heikkojen tietoarkkitehtuurien merkit ja miten se voi johtaa AI-teknologian vajaakäyttöön. Välttääkseen teknisen velan yritysten on muutettava tapaa, jolla ne kokevat (ja tallentavat) dataa.

Organisaatiot voivat asettaa tallennusratkaisun, joka on samassa tietokeskuksessa kuin laskentainfrastruktuurinsa. Ihanteellisesti se olisi samassa klusterissa kuin laskentasi. Koska MinIO on ohjelmistopohjainen tallennusratkaisu, se pystyy suorituskykyyn, joka vaaditaan nälkäisten GPU:iden ruokkimiseen – äskettäinen suorituskykytesti saavutti 325 GiB/s GET-operaatioissa ja 165 GiB/s PUT-operaatioissa vain 32 solmun avulla NVMe-kiintolevyillä.

Kuinka rikas taustasi luomassa korkean suorituskyvyn tietoinfrastruktuureja globaaleille rahoituslaitoksille vaikuttaa työhösi MinIO:ssa, erityisesti ratkaisujen suunnittelussa moninaisten teollisuudenalojen tarpeisiin?

Autuin rakentamaan ensimmäisen yksityisen pilven Bank of Americaan, ja tämä aloite säästi miljardeja dollareita tarjoamalla ominaisuuksia ja toiminnallisuutta, jotka olivat saatavilla julkisissa pilvissä sisäisesti edullisemmin. Tämä aloite ja monet muut sovellusvaatimukset, joissa olen työskennellyt Bank of America (BAC ) Merrill Lynchillä, ovat vaikuttaneet työhöni MinIO:ssa, kun suunnittelen ratkaisuja asiakkaidemme tarpeisiin tänään.

Esimerkiksi oppiminen väärästä tai “vaikeasta” tapasta työskennellyt tiimin kanssa, joka rakensi Hadoop-klustereita, jotka käyttivät vain tietovälineosia palvelimista ja pitivät palvelimen prosessoreita vähäisessä käytössä tai melkein käyttämättöminä. Yksinkertaiset esimerkit tai oppimiskokemukset, kuten tämä, ovat mahdollistaneet minun käytön hajautettuja tieto- ja laskentaratkaisuja modernissa tietoinfrastruktuurissa tänään, auttaen asiakkaitamme ja kumppaneitamme, jotka ovat teknisesti parempia ja edullisempia ratkaisuja käyttäen nykyisiä korkean kaistanleveyden verkkoteknologioita ja korkean suorituskyvyn objektitallennuksia, kuten MinIO:ta, ja minkä tahansa kysely- tai prosessointimoottorin.

Hybridipilvi esittää ainutlaatuisia haasteita ja monimutkaisuuksia. Voitko keskustella näistä yksityiskohtaisesti ja selittää, miten MinIO:n hybridiratkaisu “puhkeaa” pilveen, hallitsee pilvinvestoinnit tehokkaasti?

Monipilvisyys ei pitäisi johtaa IT-budjettien kasvuun eikä estää saavuttamasta tavoitteita – se pitäisi auttaa kustannusten hallinnassa ja kiihdyttää organisaation tiennäyttäjää. Yksi asia, jota on syytä ottaa huomioon, on pilvipalautus – todellisuus on, että toimintojen siirtäminen pilvestä sisäiseen infrastruktuuriin voi johtaa merkittäviin kustannussäästöihin, riippuen tapauksesta, ja sinun pitäisi aina katsoa pilveä toimintamallina, ei kohdemaana. Esimerkiksi organisaatiot käynnistävät GPU-instances, mutta sitten käyttävät aikaa esikäsittelemään dataa, jotta se sopii GPU:lle. Tämä haaskaa arvokasta aikaa ja rahaa – organisaatioiden on valittava pilvi-natiivisia ja, mikä on tärkeintä, pilvi-siirrettäviä teknologioita, jotka voivat lukita multicloudin voiman ilman merkittäviä kustannuksia. Käyttämällä pilvi-ensin -toimintamallin periaatteita ja noudattamalla sitä antaa joustavuutta sopeutua muuttuviin toiminnallisiin vaatimuksiin.

Kubernetes-natiiviset ratkaisut ovat olennaisia modernille infrastruktuurille. Miten MinIO:n integrointi Kubernetesiin parantaa sen skaalautuvuutta ja joustavuutta AI-tietoinfrastruktuurille?

MinIO on Kubernetes-natiivi suunnittelun perusteella ja S3-yhteensopiva alusta alkaen. Kehittäjät voivat nopeasti käyttöönottoon pysyvän objektitallennuksen kaikille pilvi-natiiveille sovelluksilleen. MinIO:n ja Kubernetesin yhdistelmä tarjoaa voimakkaan alustan, joka sallii sovellusten skaalautumisen minkä tahansa monipilvi- ja hybridipilvi-infrastruktuurin yli ja edelleen keskitetysti hallittavissa ja turvattavissa, välttäen julkisen pilven lukituksen.

Kubernetesin ollessa moottorina MinIO pystyy suorittamaan missä tahansa, missä Kubernetes toimii – mikä on nykyaikaisessa, pilvi-natiivisessa / AI-maailmassa käytännössä kaikkialla.

Mitä tulevia kehityksiä tai parannuksia käyttäjät voivat odottaa MinIO:lta AI-tietoinfrastruktuurin yhteydessä?

Viimeaikaiset kumppanuudet ja tuotelanseeraukset ovat merkki markkinoille, että emme hidasta vauhtia. Esimerkiksi äskettäin solmimme kumppanuuden Carahsoftin kanssa, jotta MinIO:n ohjelmistopohjainen objektitallennusportfolio olisi saatavilla julkiselle sektorille, puolustus-, tiedustelu- ja koulutussektorille. Tämä mahdollistaa julkiselle sektorille rakentaa mitä tahansa skaalautuvaa tietoinfrastruktuuria, aina laajasta modernista datajärvestä tietyn tehtävän data tallennukseen autonomisen reunan äärellä. Yhdessä tuomme nämä älykkäät, ainutlaaduiset ratkaisut julkiselle sektorille, jotta he voivat helposti ja tehokkaasti ratkaista tietoinfrastruktuurin haasteita. Tämä kumppanuus on aikansa, jolloin on lisääntynyt pyrkimys mahdollistaa julkiselle sektorille AI-valmius, kun otetaan huomioon viimeaikaiset OMB-vaatimukset, jotka määräävät, että kaikilla liittovaltion virastoilla on oltava AI-johtaja (muun muassa). Kokonaisuutena tämä kumppanuus vahvistaa alan AI-asemaa ja antaa julkiselle sektorille arvokkaita työkaluja, joita tarvitaan menestykseen.

Lisäksi MinIO on erittäin hyvin asemoitunut tulevaisuudelle. AI-tietoinfrastruktuuri on edelleen vasta alkuvaiheessa. Monet sen alueet tulevat olemaan selkeämmäksi seuraavien vuosien aikana. Esimerkiksi useimmat yritykset haluavat käyttää omia tietojaan ja asiakirjojaan perusmallien ja hakutuotteiden kanssa. Tähän käyttöön MinIO on helposti integroitavissa, koska kaikki nämä arkkitehtuuriset valinnat ja käyttömallit ovat yhtä: kaikki data on jo tallennettu MinIO:hon.

Lopulta, mitä neuvoja teknologian johtajat voivat odottaa AI-tietoinfrastruktuurin rakentamiseen tai parantamiseen perustuen kokemuksiisi ja näkemyksiisi MinIO:ssa?

Jotta mitkään AI-aloitteet voisivat onnistua, on kolme avainelementtiä, joihin on kiinnitettävä huomiota: oikea data, oikea infrastruktuuri ja oikeat sovellukset. Se alkaa ymmärtämisestä, mitä tarvitset – älä menekö ostamaan kalliita GPU:ita vain siksi, että pelkäät jääväsi AI-veneen ulkopuolelle. Uskon vahvasti, että yritysten AI-strategiat epäonnistuvat vuonna 2024, jos ne keskittyvät vain malleihin eivätkä tietoihin. Ajattelu mallien kautta alhaalta ylös on kriittinen virhe – sinun on aloitettava tiedoista. Rakenna oikea tietoinfrastruktuuri. Mieti sitten malleja. Kun organisaatiot siirtyvät AI-ensin -arkkitehtuuriin, on ehdottoman tärkeää, että tietoinfrastruktuurisi mahdollistaa tietojen käytön – ei rajoita sitä. Kiitos tästä haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla MinIO:ssa.