MinIO’nun Teknik Müdürü Ugur Tigli ile Röportaj Serisi

Ugur Tigli, MinIO’nun Teknik Müdürüdür, MinIO, yüksek performanslı nesne depolama için liderdir. Teknik Müdür olarak, Ugur, MinIO’yu kullanarak API’ye dayalı, bulut yerel ve ölçeklenebilir企业级 veri altyapısı oluşturmak ve dağıtmak için müşterilere yardımcı olur.

MinIO’nun Teknik Müdürü olarak yolculuğunuzu anlatır mısınız ve AI ve veri altyapısına yaklaşımınızı nasıl şekillendirdi?

Kariyerime Merrill Lynch’te altyapı mühendisliği alanında yedekleme ve geri yükleme yöneticisi olarak başladım. Farklı zorluklar ve teknik pozisyonlar aldım. Merrill Lynch’in Bank of America (BAC ) tarafından satın alınmasının ardından, depolama mühendisliği başkan yardımcısı olarak görev yaptım, ancak rolüm bilgisayar ve veri merkezi mühendisliği dahil olmak üzere genişledi.

İşimin bir parçası olarak, çeşitli risk sermayesi şirketleriyle (VC) ve onların portföy şirketleriyle birlikte çalıştım ve en son teknolojiyi getirmeye çalıştım. General Catalyst ile bir toplantıda MinIO’nun arkasındaki fikir ve insanlarla tanıştım. Beni cezbetti çünkü veri altyapısına yaklaşımları herkesinkinden farklıydı. Şirket, nesne deposunun ve uygulamaların başlamak için kullandığı standart API’lerin önemini anladı. O yıllarda, herkesin önünde gelecek olan hesaplama ve AI‘yı tahmin edebildiler. Bu vizyonu gerçekleştirmek ve gerçekten benzersiz bir şey inşa etmek istedim. MinIO şimdi dünyanın en yaygın olarak dağıtılan nesne deposudur.

Önceki rollerim ve deneyimim, özellikle AI ve veri altyapısına yaklaşımlarımı etkileyen bir birikimdir. Yüksek talep gören finansal hizmetler şirketlerinde uygulama takımlarına destek olmak için birçok projede yer aldım.

Sınırlı ağ bant genişliği günlerinden, Hadoop teknolojisine, çeşitli veri medya teknolojilerine kadar, bu teknoloji değişiklikleri AI ekosistemine ve veri altyapısına bakışımı şekillendirdi.

MinIO, yüksek performanslı nesne depolama yetenekleri ile tanınır. MinIO, AI sürüklenen işletmelerin bugünkü ihtiyaçlarına nasıl cevap veriyor?

AB ve Garima, MinIO’yu kavramlaştırırken, ilk öncelikleri bir sorun ifadesi düşünmekti – veri büyüyeceğini ve mevcut depolama teknolojilerinin bu büyümeye uygun olmadığını biliyorlardı. AI‘nın hızlı ortaya çıkışı, onların pazar hakkındaki öngörülerini gerçekleştirdi. O günden beri, nesne depolama, AI altyapısı için temel haline geldi (tüm büyük LLM’ler gibi OpenAI ve Anthropic, nesne depolarına dayanır) ve modern veri merkezi, nesne depolama temelinde inşa edilir.

MinIO, AI girişimlerini desteklemek için kritik企业级 özelliklere sahip yeni bir nesne depolama platformu başlattı: MinIO Enterprise Nesne Deposu. Bu, büyük AI iş yükleri tarafından getirilen performans ve ölçekleme zorluklarını ele almak için tasarlandı ve müşterilerin milyarlarca nesne ve yüz binlerce kriptografik işlem ile ilgili zorlukları daha kolay bir şekilde ele almasına olanak tanır. Altı yeni ticari özellik, AI iş yükleri tarafından karşılaşılan ana operasyonel ve teknik zorlukları hedefler: Katalog (nesne depolama ad alanı ve meta veri araması sorununu çözer), Güvenlik Duvarı (veri için özel olarak tasarlanmıştır), Anahtar Yönetim Sistemi (milyarlarca kriptografik anahtar ile ilgili sorunu çözer), Önbellek (önbellek hizmeti olarak çalışır), Gözlemlenebilirlik (yöneticilerin tüm sistem bileşenlerini her örnek boyunca görüntülemesine olanak tanır) ve son olarak, Enterprise Konsolu (tüm MinIO örnekleri için tek bir cam olarak hizmet eder).

AI için ölçeklenebilirlik giderek daha önemli hale geliyor. MinIO, modern işletmelerin bu gereksinimlerini nasıl karşılıyor?

Şu anda her şey nesne depolama üzerinde inşa ediliyor ve bu, modern veri göllerinin ve AI‘nın yaşandığı bir dünyada hızlanmaya devam edecek. İşletmeler, sistemlerine giren tüm verileri yönetmek ve ardından bu verilerin üzerine veri odaklı uygulamalar inşa etmek için yeni altyapılara bakıyorlar – bu, yalnızca nesne depolama tarafından desteklenebilecek olağanüstü ölçeklenebilirlik ve esneklik gerektirir. İşte MinIO burada devreye giriyor ve şirket, AI için neye ihtiyaç duyulduğunu tasarladığı için rekabette hep bir adım öndedir.

Makine öğrenimi (ML) ihtiyaçları gibi önceki AI nesillerinde olduğu gibi, veri ve modern veri gölleri, herhangi bir “tahmin edici” AI için kritikti. Ancak, “yaratıcı” AI ile birlikte bu manzara, AI Ops verisi ve belge işlem hatları, temel modeller ve vektör veritabanları gibi birçok başka bileşeni içerecek şekilde genişledi.

Tüm bu ek bileşenler nesne depolama kullanır ve çoğunu doğrudan MinIO ile entegre eder. Örneğin, Milvus, bir vektör veritabanı, MinIO kullanır ve birçok modern sorgu motoru, S3 API’leri aracılığıyla MinIO ile entegre olur.

AI teknik borcu, birçok organizasyon için büyüyen bir endişe kaynağı. MinIO, müşterilerinin bu sorunu nasıl aşmasına yardımcı oluyor, özellikle GPU’ları daha verimli kullanma açısından?

Bir zincir, en zayıf halkası kadar güçlüdür – ve AI/ML altyapınız, en yavaş bileşeniniz kadar hızlıdır. Makine öğrenimi modellerini GPU’lar ile eğitirseniz, zayıf halkanız depolama çözümü olabilir. Sonuç, “Açık GPU Problemi” olarak adlandırdığım şeydir. Açık GPU problemi, ağ veya depolama çözümünüzün eğitim mantığınıza verileri yeterince hızlı sunamaması ve değerli hesaplama gücünün boşa gitmesidir. Organizasyonlar, GPU’larını tam olarak kullanmak için neler yapabileceğini anlamak için veri mimarisinin zayıf noktalarını anlamalıdır. Teknik borcunu önlemek için şirketler, verilere nasıl baktıklarını ve depoladıklarını değiştirmelidir.

Organizasyonlar, hesaplama altyapısının bulunduğu aynı veri merkezinde bir depolama çözümü kurabilir. İdeal olarak, bu, hesaplama kümenizin içinde olurdu. MinIO, bir yazılıma dayalı depolama çözümü olarak, açlık çeken GPU’lara gerekli performansı sunmaya yeteneklidir – yakın zamanda yapılan bir benchmark, yalnızca 32 adet NVMe SSD ile 325 GiB/s GET ve 165 GiB/s PUT elde etti.

Küresel finansal kurumlar için yüksek performanslı veri altyapıları oluşturmak konusundaki zengin geçmişiniz, MinIO’daki çalışmalarınıza, özellikle de çeşitli endüstri ihtiyaçları için çözümler tasarlamak açısından nasıl yansıyor?

Bank of America için ilk özel bulutu inşa etmeye yardımcı oldum ve bu girişim, içerde kamu bulutlarının sunduğu özellikler ve işlevselliği daha düşük maliyetle sunarak milyarlarca dolar tasarruf sağladı. Sadece bu büyük girişim değil, birçok farklı uygulama gereksinimini BofA Merrill Lynch’te çalışırken desteklediğim, MinIO’daki çalışmalarımı, müşterilerimiz için çözümler tasarlamak açısından şekillendirdi.

Örneğin, Hadoop kümelerini yalnızca sunucunun veri depolama bileşenlerini kullanan ve sunucu CPU’larını boşta veya neredeyse boşta bırakan bir takımla çalıştım. Bu gibi basit örnekler veya öğrenmeler, modern veri altyapısında bugün disaggregated veri ve hesaplama çözümlerini kullanmama olanak tanıdı ve müşterilerimize ve ortaklarımıza daha iyi ve daha düşük maliyetli çözümler sunmamı sağladı.

Melez bulut, benzersiz zorluklar ve karmaşıklıklar sunar. Bu konuları ayrıntılı olarak tartışabilir ve MinIO’nun melez “patlama” bulut modelinin nasıl maliyetleri etkili bir şekilde kontrol etmeye yardımcı olduğunu açıklayabilir misiniz?

Çoklu buluta geçmek, bütçelerin şişmesine ve kilometre taşlarına ulaşılmasına engel olmamalıdır – maliyetleri yönetmeye ve bir organizasyonun yol haritasını hızlandırmaya yardımcı olmalıdır. Bulut geri dönüşümü – gerçeklik, bulut operasyonlarından şirket içi altyapıya geçmenin önemli maliyet tasarrufu sağlayabileceğini gösterir ve her zaman bulutu bir işletme modeli olarak, bir varış noktası olarak düşünmelisiniz. Örneğin, organizasyonlar GPU örneklerini başlatır, ancak sonra verileri GPU’ya sığdırmak için zaman harcar ve bu, değerli zaman ve paradan kaybetmelerine neden olur – organizasyonlar, bulut yerel ve özellikle bulut taşınabilir teknolojileri seçerek ve böylece çoklu bulutun gücünü önemli maliyetler olmadan kilitleyerek daha iyi optimize etmelidir. Bulut öncelikli işletme modeli ilkelerine uymak ve bu çerçeveye bağlı kalmak, değişen operasyonel gereksinimlere uyum sağlama esnekliği sağlar.

Kubernetes yerel çözümler, modern altyapı için çok önemlidir. MinIO’nun Kubernetes ile entegrasyonu, AI veri altyapısı için ölçeklenebilirlik ve esnekliğini nasıl artırır?

MinIO, doğası gereği Kubernetes yerel ve S3 uyumlu olarak tasarlanmıştır. Geliştiriciler, tüm bulut yerel uygulamaları için kalıcı nesne depolama hızlı bir şekilde dağıtabilir. MinIO ve Kubernetes’in birleşimi, uygulamaların herhangi bir çoklu bulut ve melez bulut altyapısı boyunca ölçeklenmesine ve aynı zamanda merkezi olarak yönetilip güvence altına alınmasına olanak tanıyan güçlü bir platform sağlar ve böylece kamu bulutuna kilitlenmeyi önler.

Kubernetes’in motoru olarak, MinIO, Kubernetes’in çalışabileceği her yerde çalışabilir – modern, bulut yerel/AI dünyasında, bu esasen her yerdir.

AI veri altyapısı bağlamında MinIO’dan bekleyebileceğimiz gelecekteki gelişmeler veya iyileştirmeler nelerdir?

Son ortaklıklarımız ve ürün lansmanlarımız, pazara verdiğimiz bir işarettir – yavaşlayacağımızı hiç düşünmüyoruz ve müşterilerimiz için anlamı olan yerlerde ilerlemeye devam edeceğiz. Örneğin, yakın zamanda Carahsoft ile ortaklık kurduk ve MinIO’nun yazılıma dayalı nesne depolama portföyünü Kamu Sektörü, Savunma, İstihbarat ve Eğitim sektörlerine sunmaya başladık. Bu, Kamu Sektörü organizasyonlarının, geniş modern veri göllerinden otonom kenarlardaki özel veri depolama çözümlerine kadar çeşitli ölçeklerde veri altyapısı inşa etmelerine olanak tanır. Birlikte, bu yenilikçi çözümleri Kamu Sektörü müşterilerine getiriyoruz ve onlara veri altyapısı zorluklarını kolayca ve verimli bir şekilde ele almaları için güç veriyoruz. Bu ortaklık, kamu sektörünün AI yeteneklerini etkinleştirmesine yönelik artan bir çabanın yaşandığı bir zamanda gerçekleşiyor ve federal ajansların tümünün bir AI Başkanı (diğer şeyler arasında) olması gerektiği yönündeki recent OMB gereksinimlerini takip ediyor. Genel olarak, bu ortaklık endüstrinin AI duruşunu güçlendiriyor ve kamu sektörünün başarılı olmasına必要 olan değerli araçları sağlıyor.

Ek olarak, MinIO geleceğe çok iyi hazırlanmış durumda. AI veri altyapısı hala çocukluk döneminde. Bu alandaki birçok konu, önümüzdeki birkaç yıl içinde daha belirgin hale gelecektir. Örneğin, çoğu işletme, temel modeller ve Alıntı Artırlı Oluşturma (RAG) ile kendi özel veri ve belgelerini kullanmak isteyecektir. Bu dağıtım modeline daha fazla entegrasyon, MinIO için kolay olacaktır, çünkü tüm bu mimari seçimleri ve dağıtım modelleri, ortak bir şeyi paylaşıyor – tüm bu veriler zaten MinIO’da depolanıyor.

Son olarak, AI için veri altyapısını oluşturmak veya geliştirmek isteyen teknoloji liderleri için, MinIO’daki deneyim ve içgörülerinize dayanarak ne tür tavsiyelerde bulunurdunuz?

Herhangi bir AI girişiminin başarılı olabilmesi için üç ana unsur vardır: doğru veri, doğru altyapı ve doğru uygulamalar. Her şey, neye ihtiyacınız olduğunu anlamakla başlar – sadece AI gemisini kaçırmaktan korktuğunuz için pahalı GPU’lar satın almayın. AI stratejilerinin 2024’te başarısız olacağına inanıyorum – çünkü organizasyonlar yalnızca modellere odaklanırlar, veri değil. Model aşağıdan düşünmek yerine veri yukarıdan düşünmek, kritik bir hatadır – veriyle başlamalısınız. Proper bir veri altyapısı oluşturun. Sonra, modellerinizi düşünün. Organizasyonlar AI-öncelikli bir mimariye doğru ilerlerken, veri altyapınızın verilerinizi kısıtlamaması, aksine ermög etmesi çok önemlidir.

Harika röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular MinIO‘yu ziyaret edebilir.