ظهور کلاندادهها (Big Data)، توسعه سریع محیطهای کانتینری و نیاز روزافزون به پردازشهای مبتنی بر هوش مصنوعی (AI)، دیتاسنترهای مدرن را با چالشهای بنیادینی در زمینه تخصیص منابع و بهرهوری زیرساخت مواجه کرده است. در طول یک دهه گذشته، معماریهای فناوری اطلاعات برای فرار از پیچیدگیهای استقرار سرورهای سنتی (Siloed Infrastructure)، به سمت راهکارهای یکپارچهتر حرکت کردند. در این میان، گذار از زیرساختهای سنتی به زیرساختهای فوقهمگرا (HCI) توانست با تجمیع منابع پردازشی، ذخیرهسازی و شبکه در قالب گرههای (Nodes) یکپارچه و نرمافزارمحور، مدیریت سیستمها را به شدت سادهسازی کند. با این حال، با رشد تصاعدی بارهای کاری (Workloads) مدرن، این معماری در مواجهه با نیازهای مقیاسپذیری نامتقارن، محدودیتهای ذاتی خود را نمایان ساخته است.
تعریف زیرساخت تفکیکپذیر (Composable Disaggregated Infrastructure یا به اختصار CDI) در واقع پاسخی قطعی به همین محدودیتهاست. CDI یک پارادایم نوین در طراحی دیتاسنتر است که در آن لایههای پردازش (Compute)، ذخیرهسازی (Storage)، شبکه (Networking) و حافظه (Memory) به جای محبوس شدن در یک شاسی فیزیکی واحد، به صورت استخرهای مستقلی از منابع (Resource Pools) در سطح رک (Rack-Scale) سازماندهی میشوند.
دلایل نیاز به عبور از HCI ریشه در همین مفهوم دارد؛ در معماری CDI، یک لایه ارکستراتور (Orchestrator) نرمافزاری با استفاده از رویکرد «زیرساخت به عنوان کد» (Infrastructure-as-Code)، این منابع فیزیکی پراکنده را به صورت آنی و بر اساس نیاز دقیق هر اپلیکیشن ترکیب کرده و سرورهای مجازی و منطقی ایجاد میکند. این گذار استراتژیک، نه تنها انعطافپذیری دیتاسنتر را به سطح سرویسهای ابری (Cloud-like Agility) ارتقا میدهد، بلکه با حذف پدیده “منابع سرگردان” (Stranded Resources)، بهرهوری اقتصادی تجهیزات گرانقیمت را به حداکثر میرساند.
آنچه میخوانید:
محدودیتهای معماری HCI در مقیاسپذیری سازمانهای بزرگ
زیرساختهای فوقهمگرا (Hyper-Converged Infrastructure) در ابتدا به عنوان راهحلی برای کاهش پراکندگی سختافزاری و سادهسازی عملیات فناوری اطلاعات معرفی شدند. در معماری HCI، لایههای پردازش، حافظه و ذخیرهسازی توسط یک نرمافزار مجازیساز (Hypervisor) در قالب یک بلوک ساختاری همگن ترکیب میشوند. اگرچه این رویکرد برای بارهای کاری قابل پیشبینی با رشد متناسب پردازش و ذخیرهسازی بسیار کارآمد است، اما بررسی دقیق آن در محیطهای سازمانی پیچیده، چالشهای ساختاری متعددی را در زمینه مقیاسپذیری و بازده سرمایه آشکار میسازد.
مهمترین چالش معماری HCI، درهمتنیدگی مقیاسپذیری (Coupled Scalability) است. در یک محیط HCI استاندارد، توسعه زیرساخت تنها از طریق اضافه کردن گرههای کامل (شامل CPU، RAM و Storage) به کلاستر امکانپذیر است. زمانی که یک سازمان برای پشتیبانی از یک پایگاهداده تحلیلی عظیم تنها به ظرفیت ذخیرهسازی بیشتری نیاز دارد، معماری HCI سازمان را مجبور میکند تا پردازندهها و مجوزهای نرمافزاری (Licenses) غیرضروری را نیز خریداری کند. این محدودیت منجر به تخصیص بیش از حد منابع (Overprovisioning) شده و باعث میشود بخش عظیمی از توان پردازشی به صورت محبوس و بدون استفاده (Stranded Assets) باقی بماند.
علاوه بر هدررفت سختافزار، لایه نرمافزاری استوریج در محیطهای HCI برای همگامسازی دادهها در میان گرههای کلاستر، بار پردازشی سنگینی (CPU Tax) را به پردازندههای اصلی تحمیل میکند و با بزرگتر شدن ابعاد کلاستر، ترافیک شبکه بینگرهی (East-West Traffic) افزایش یافته و گلوگاههای عملکردی متعددی ایجاد میشود. محدودیت دیگر، عدم توانایی معماری HCI در همگامسازی خود با سرعت پیشرفت قطعات سختافزاری است.
بررسی عملکرد و TCO (هزینه کل مالکیت) در سیستمهای فوقهمگرا نشان میدهد که بهکارگیری درایوهای حالت جامد نسل جدید در این معماریهای بسته، عملاً با اتلاف منابع همراه است. به عنوان مثال، درایوهای NVMe متکی بر استاندارد PCIe Gen 5 میتوانند پهنای باند خواندن ترتیبی را به ارقام خیرهکننده ۱۴ گیگابایت بر ثانیه (دو برابر سریعتر از Gen 4 با ۷ گیگابایت بر ثانیه) برسانند و سرعت انتقال دادهها را در برنامههای مبتنی بر هوش مصنوعی و ویرایش ویدیوهای 8K به شدت افزایش دهند.
با این حال، دستیابی به این پهنای باند مستلزم عمق صف (Queue Depth) بسیار بالا و ترافیک ترتیبی پیوسته است؛ در حالی که لایه مجازیساز کلاسترهای HCI عموماً چنین الگوی دسترسی مستقیمی را فراهم نمیکنند و پردازنده گره نیز توانایی مدیریت آنی این حجم از داده را ندارد.
از سوی دیگر، چالش مدیریت حرارت در این سیستمها هزینههای پنهان نگهداری را به شدت افزایش میدهد. کنترلرهای حافظه Gen 5 (مانند Phison E26) در زیر بارهای کاری پیوسته دمایی بین ۷۰ تا ۸۵ درجه سانتیگراد تولید میکنند. در صورت عدم وجود هیتسینکهای قدرتمند و جریان هوای فعال، این درایوها در عرض ۳۰ تا ۶۰ ثانیه دچار افت عملکرد حرارتی (Thermal Throttling) شده و سرعت آنها حتی از درایوهای Gen 4 نیز کمتر میشود.
در شاسیهای متراکم و یکپارچه سرورهای HCI، تعبیه سیستمهای خنککننده اختصاصی برای چندین درایو Gen 5 عملاً غیرممکن است که این امر موجب کاهش شدید عمر مفید قطعات و افت پایداری سیستم میگردد. جزئیات تحلیلی بیشتر پیرامون این تضاد ساختاری و ارزیابی عملکرد استوریجهای نوین در معماریهای بسته را در لینک زیر مطالعه کنید: -> [لینک داخلی به مقاله ۱۸ موجود: SSDهای Gen 4/5 در HCI]
پارادایم نوین CDI (Composable Disaggregated Infrastructure)
با آشکار شدن بنبستهای توسعهپذیری خطی در معماریهای سنتی، صنعت فناوری اطلاعات به سمت یک چرخش مفهومی حرکت کرده است. زیرساخت تفکیکپذیر و ماژولار (CDI) که گاهی از آن با عنوان زیرساخت نرمافزارتعریفشده (SDI) نیز یاد میشود، فراتر از یک ارتقای سختافزاری، یک دگرگونی بنیادین در نحوه مصرف منابع دیتاسنتر است. پارادایم CDI بر این اصل استوار است که میتوان یک سرور فیزیکی را به صورت منطقی متلاشی (Smashing the motherboard) کرد و المانهای آن را به استخرهای اشتراکی و مستقل انتقال داد.
در معماری CDI، قطعاتی مانند واحدهای پردازش مرکزی (CPU)، شتابدهندههای گرافیکی (GPU)، شبکههای ارتباطی، فضاهای ذخیرهسازی NVMe و حتی ماژولهای حافظه (RAM) در شاسیهای اختصاصی خود در سطح رک (نظیر JBOG برای پردازندههای گرافیکی یا JBOF برای درایوهای فلش) مستقر میشوند. قلب تپنده این پارادایم، یک پلتفرم نرمافزاری ارکستراسیون است که از طریق رابطهای برنامهنویسی کاربردی (API) و پروتکلهای ارتباطی فوقسریع، کنترل کامل سختافزار را در دست میگیرد.
مدیران سیستم میتوانند با استفاده از این لایه نرمافزاری، بر اساس نیاز دقیق یک بار کاری (مانند یک کانتینر یادگیری ماشین)، تعداد مشخصی از هستههای پردازشی، مقدار دقیقی از حافظه و پهنای باند استوریج را از استخرهای مختلف فراخوانی کرده و یک سرور مجازیِ کاملاً متناسب (Bare-metal-like) را در کسری از ثانیه خلق کنند. پس از اتمام پردازش، این منابع فوراً آزاد شده و به استخر اشتراکی بازمیگردند تا در اختیار اپلیکیشنهای دیگر قرار گیرند.
| ویژگی ساختاری | زیرساخت فوقهمگرا (HCI) | زیرساخت تفکیکپذیر ماژولار (CDI) |
| الگوی مقیاسپذیری | درهمتنیده و بلوکی (وابسته به گره کامل) | کاملاً مستقل (تفکیک ظرفیت از پردازش) |
| مدیریت منابع سختافزاری | محبوس در داخل شاسی سرور (Siloed) | استخرهای اشتراکی سیال در سطح شبکه (Fluid Pools) |
| تخصیص مجدد منابع | غیرممکن در سطح سختافزار (نیازمند مهاجرت VM) | پویا و برخط (Composed on-the-fly) |
| مدیریت چرخه عمر قطعات | وابسته به کل سرور (تعویض زودهنگام و پرهزینه) | کاملاً مجزا (ارتقای قطعات بدون خاموشی کل سیستم) |
مزیت رقابتی اصلی CDI در بهینهسازی بینظیر هزینه کل مالکیت (TCO) نهفته است. در محیطهای پردازشی ناهمگون (Heterogeneous Computing) امروزی، نرخ خرابی شتابدهندهها یا درایوهای ذخیرهسازی به مراتب متفاوت از پردازندههاست. با تفکیک منابع، ارتقا یا تعویض یک کارت گرافیک خراب دیگر نیازمند از کار انداختن یک سرور کامل نیست. در واقع، CDI به سازمانها این قدرت را میدهد که چابکی، مقیاسپذیری و مدل مصرفی مشابه سرویسهای ابری عمومی را، مستقیماً در دیتاسنترهای داخلی خود پیادهسازی کنند. با وجود تمامی این مزایا، مهاجرت یکباره از معماری بسته به سمت CDI خالص برای بسیاری از سازمانها با چالشهای عملیاتی همراه است، موضوعی که راهکارهای ترکیبی نوینی را به بازار معرفی کرده است.
نقش راهکارهای ابری محلی در تسهیل مهاجرت به CDI
تغییر معماری کلان دیتاسنتر از سیستمهای یکپارچه به استخرهای کاملاً تفکیکشده، نیازمند تغییرات بنیادین در پروتکلهای شبکه و آموزش مجدد تیمهای عملیاتی است. به منظور کاهش ریسک و ایجاد یک پل ارتباطی نرم بین این دو پارادایم، صنعت زیرساخت مفهومی به نام زیرساخت فوقهمگرای تفکیکشده (Disaggregated HCI یا dHCI) را توسعه داده است که در واقع تجلی عملیاتی CDI برای بارهای کاری مجازیسازی شده محسوب میشود. راهکارهای dHCI با جداسازی فیزیکی سرورهای پردازشی از آرایههای ذخیرهسازی، محدودیت توسعهپذیری درهمتنیده در HCI سنتی را از بین میبرند، اما همچنان تجربه کاربری ساده و یکپارچه آن را از طریق پلتفرمهای مدیریت متمرکز (مانند یکپارچگی کامل با VMware vCenter) حفظ میکنند.
یکی از بارزترین نمونههای این گذار، استفاده از پلتفرمهای ابری محلی است که زیرساخت را به عنوان یک سرویس (As-a-Service) در محیط On-Premises سازمان ارائه میدهند. در این بسترها، محاسبات (به واسطه سرورهای استاندارد نظیر HPE ProLiant) و فضاهای ذخیرهسازی (نظیر آرایههای پیشرفته HPE Alletra) به طور مستقل در شبکه فابریک مستقر میشوند. این معماری نوین نه تنها امکان مقیاسپذیری منعطف را فراهم میآورد، بلکه با اتکا به اتصالات پرسرعت NVMe، تأخیر دسترسی به دادهها را به شدت کاهش داده (Sub-millisecond Latency) و با قابلیت تحمل همزمان چندین خرابی در سطح دیسکها، پایداری ۹۹.۹۹۹۹٪ (شش ناین) را برای اپلیکیشنهای حیاتی کسبوکار تضمین میکند.
در این میان، نقش حیاتی بر عهده لایه مدیریت نرمافزاری است. مدیریت هوشمند منابع در زیرساختهای جدید با گذار از مدیریت دستی به عملیات مبتنی بر هوش مصنوعی (AI-driven Operations) متحول شده است. پلتفرمهای تلهمتری و تحلیل پیشبینانه، میلیونها نقطه داده را از سطح استوریج تا لایه ماشینهای مجازی (VMs) جمعآوری و تحلیل میکنند. این هوش مصنوعی قادر است گلوگاههای عملکردی، نیازهای آینده به منابع ذخیرهسازی یا پردازشی، و حتی ناهنجاریهای امنیتی را پیش از وقوع شناسایی و با پیشنهاد راهکارهای بهینهسازی (یا انجام خودکار آنها) از بروز هرگونه وقفه در سیستم جلوگیری کند.
این سطح از اتوماسیون، نیاز به تنظیمات دستی مکرر (Tuning) را حذف کرده و مدیریت دیتاسنتر را از حالت واکنشی (Fire-fighting) به حالت کاملاً پیشگیرانه تغییر میدهد. برای بررسی عمیقتر نحوه ادغام این تفکیک فیزیکی با تجربه کاربری ابری و آشنایی با معماری پیشرو در این عرصه، به مقاله زیرساخت ابری محلی HPE Alletra مراجعه کنید.
معماری فیزیکی: چگونه منابع پردازشی و ذخیرهسازی تفکیک میشوند؟
ارکستراسیون نرمافزاری و هوشمندسازی مدیریت، بدون وجود یک بستر فیزیکی با توان عملیاتی بالا و تأخیر ناچیز، صرفاً یک ایده تئوریک باقی میماند. اگرچه توسعه پروتکلهایی نظیر NVMe over Fabrics (NVMe-oF) توانست با کپسوله کردن دستورات پرسرعت NVMe بر روی شبکههای استاندارد اترنت، استوریجها را از پردازندهها جدا کرده و به اشتراک بگذارد، اما ایجاد استخرهای تفکیکپذیر برای “حافظه موقت” (Memory) همچنان یک چالش بزرگ و حلنشده باقی مانده بود. این بنبست معماری که به “دیوار حافظه” (Memory Wall) شهرت دارد، از تفاوت فاحش نرخ رشد توان پردازشی نسبت به پهنای باند حافظهها ناشی میشود؛ به طوری که در دو دهه گذشته، سرعت پردازندهها تقریباً ۶۰۰ برابر سریعتر از پهنای باند حافظههای DRAM رشد کرده است.
با گسترش مدلهای زبانی بزرگ (LLM) که برای پارامترهای خود (نظیر KV Cache) نیازمند صدها گیگابایت حافظه پرسرعت هستند، محبوس شدن حافظهها در کنار پردازندههای گرافیکی یا مرکزی به یکی از بزرگترین هدررفتهای مالی دیتاسنترها تبدیل شده است.
برای عبور از این بحران، کنسرسیومی از غولهای سختافزاری پروتکل نوین و انقلابی Compute Express Link (CXL) را طراحی کردند. CXL یک استاندارد اتصال باز و همدوس با حافظه پنهان (Cache-Coherent) است که بر روی لایه فیزیکی استاندارد PCIe سوار میشود. این فناوری مرز فیزیکی مادربرد را از بین برده و به پردازندهها اجازه میدهد تا به استخرهای حافظه متصل به شبکه (Fabric-attached Memory) دقیقاً مشابه با حافظه محلی خود و با استفاده از دستورات خواندن/نوشتن عادی (Load/Store) دسترسی داشته باشند.
اهمیت پروتکلهای ارتباطی نسل جدید در پیوستگی منابع تفکیکشده در معماری سه لایه CXL تجلی مییابد. این پروتکل از سه زیرپروتکل اصلی تشکیل شده است که به صورت همزمان از یک مسیر فیزیکی استفاده میکنند:
- CXL.io: مشابه پروتکل PCIe عمل کرده و مدیریت، کشف دستگاهها (Discovery) و تنظیمات اولیه اتصال را بر عهده دارد.
- CXL.cache: به دستگاههای متصل (مانند شتابدهندهها) اجازه میدهد تا به حافظه پردازنده میزبان به صورت همدوس (Coherent) دسترسی داشته باشند و همگامسازی کشها را مدیریت میکند.
- CXL.mem: مهمترین زیرپروتکل برای CDI که به پردازنده اجازه میدهد حافظه متصل به دستگاه اکسترنال (مانند ماژولهای CXL Type-3) را مستقیماً به عنوان حافظه اصلی سیستم در فضای آدرسدهی خود نقشهبرداری (Map) کند.
مسیر تکامل این پروتکل، به طور مستقیم آینده معماری CDI را ترسیم کرده است. در نسخههای اولیه (CXL 1.1 و 2.0) که بر بستر PCIe 5.0 (با پهنای باند ۳۲ گیگاترانسفر بر ثانیه) بنا شده بودند، مفهوم “استخر حافظه” (Memory Pooling) معرفی شد. در این حالت، ظرفیت یک شاسی حاوی ماژولهای حافظه، توسط یک سوییچ به بخشهای منطقی تفکیک شده و هر بخش به صورت انحصاری به یک سرور میزبان اختصاص مییافت تا از سرگردانی منابع جلوگیری کند. با این حال، انقلاب واقعی در نسخههای CXL 3.0 و CXL 3.1 رقم خورد.
| ویژگیهای پروتکل | CXL 2.0 | CXL 3.0 / 3.1 |
| لایه فیزیکی ارتباطی | PCIe 5.0 (32 GT/s) | PCIe 6.0 (64 GT/s با سیگنالینگ PAM-4) |
| توپولوژی شبکهسازی | سوییچینگ تکلایه (Single-level Switch) | فابریک چندلایه و گسترده (Multi-tier Fabric & PBR) |
| نحوه استفاده از حافظه | تخصیص انحصاری به یک سرور (Pooling) | اشتراکگذاری همزمان بین چند سرور (Coherent Sharing) |
| ارتباط مستقیم قطعات (P2P) | نیازمند دخالت پردازنده میزبان | دسترسی مستقیم P2P شتابدهندهها به استخر حافظه |
| امنیت در سطح شبکه | رمزنگاری پایه IDE | معماری امنیتی یکپارچه (TSP) برای پردازشهای محرمانه |
پروتکل CXL 3.1 با ارتقا به لایه فیزیکی PCIe 6.0، پهنای باند را دو برابر کرده (۶۴ گیگاترانسفر بر ثانیه) و از طریق تکنیکهای پیشرفته کاهش تأخیر (مانند فلیتهای ۲۵۶ بایتی)، سرعت تبادل داده را به حداکثر رسانده است. این نسخه با معرفی مسیریابی مبتنی بر پورت (Port-Based Routing) و حافظه یکپارچه سراسری (Global Integrated Memory)، ایجاد فابریکهای چندلایه متشکل از هزاران گره پردازشی و ذخیرهسازی را ممکن ساخته است. فراتر از آن، ویژگی “اشتراک حافظه” (Memory Sharing) در این نسل بهینهسازی شد؛
این قابلیت به چندین ماشین میزبان اجازه میدهد به صورت همزمان به یک بلوک فیزیکی از حافظه دسترسی داشته باشند که برای تسریع عملکرد پایگاهدادههای درونحافظهای تحلیلی (مانند SAP HANA) قابلیتی بیبدیل است. افزوده شدن پروتکل امنیتی TSP (Trusted Security Protocol) در نسخه 3.1 نیز دغدغههای امنیتی پیرامون شنود دادهها در سطح فابریک را با ایجاد محیطهای اجرای قابل اعتماد (TEE) برای قطعات اکسترنال کاملاً برطرف ساخته است. جهت بررسی تخصصی و تحلیل موشکافانه جدیدترین استانداردهای این ارتباطات حیاتی، میتوانید به مقاله معماری CXL 3.1 مراجعه کنید.
نتیجهگیری: نقشه راه (Roadmap) مهاجرت از HCI به CDI
مهاجرت از معماری صلب و درهمتنیده HCI به زیرساختهای تفکیکپذیر و منعطف CDI، فرآیندی نیست که در یک شب رخ دهد؛ بلکه نیازمند یک استراتژی تکاملی، تطبیق با استانداردهای نوین سختافزاری و بلوغ سیستمهای ارکستراسیون در سطح دیتاسنتر است. با توجه به سرعت تحولات در حوزه پردازشهای مبتنی بر کلانداده و نیاز مبرم به کنترل هزینههای پنهان نگهداری منابع سرگردان، مدیران فناوری اطلاعات نیازمند یک نقشه راه (Roadmap) شفاف و مرحلهبندی شده برای این گذار هستند.
گام اول: پیادهسازی زیرساختهای فوقهمگرای تفکیکشده (dHCI) به عنوان پل گذار در اولین مرحله، سازمانها باید با پذیرش راهکارهای dHCI، خود را از محدودیتهای مقیاسپذیری خطی برهانند. این گام مستلزم بهروزرسانی لایههای ذخیرهسازی به معماریهای کاملاً NVMe و بهرهگیری از مدیریت مبتنی بر هوش مصنوعی (AI-driven Operations) است. در این فاز، سازمانها ضمن حفظ سادگی مدیریت از طریق پلتفرمهای مجازیسازی موجود (مانند VMware vCenter)، توسعه پردازش و ذخیرهسازی را به صورت کاملاً مستقل مدیریت کرده و هزینههای مازاد تامین استوریج (Overprovisioning) را تا ۵۰ درصد کاهش میدهند.
گام دوم: تفکیک منطقی حافظه با استفاده از پروتکل CXL 2.0 / 3.0 با ورود سرورهای نسل جدید مجهز به گذرگاههای PCIe 5.0 و PCIe 6.0، سازمانها باید زیرساخت خود را برای پذیرش ماژولهای توسعه حافظه CXL آماده کنند. در این فاز، با استقرار شاسیهای حاوی استخر حافظه متصل به سوییچهای اولیه CXL، مشکل کمبود حافظه گرههای پردازشی که مشغول اجرای بارهای کاری سنگین (نظیر کش مدلهای زبانی یا پایگاههای داده عظیم) هستند، برطرف میشود. این رویکرد (Memory Pooling) از محبوس شدن حافظه و نیاز به خرید سرورهای جدید با سوکتهای پردازنده گرانقیمت جلوگیری میکند و چابکی قابلتوجهی به معماری ماشینهای مجازی (VMs) میبخشد.
گام سوم: تحقق کامل CDI از طریق فابریکهای مقیاسپذیر و ارکستراسیون یکپارچه مرحله نهایی زمانی محقق میشود که اکوسیستم سختافزاری دیتاسنتر به طور کامل با استاندارد CXL 3.1 همگام شود. در این نقطه، با استقرار سوییچهای رده فابریک (Multi-tier Fabric Switches)، تمامی منابع سختافزاری اعم از پردازندهها، شتابدهندههای گرافیکی، فضاهای ذخیرهسازی NVMe و استخرهای حافظه در سطح رک از یکدیگر تفکیک شده و به عنوان سرویسهای مستقل در شبکه شناخته میشوند. ارکستراتورهای نرمافزاری بر اساس مفاهیم “زیرساخت به عنوان کد”، ماشینهای پردازشی سفارشی را در کسری از ثانیه ایجاد و متلاشی میکنند.
معماری CDI صرفاً واکنشی به محدودیتهای فعلی نیست، بلکه فونداسیون دیتاسنترهای آینده است؛ جایی که هوشمندی در تخصیص، ارتباطات با کمترین میزان تأخیر و بهرهوری حداکثری از قطعات گرانقیمت، بقای کسبوکارهای دیجیتال را تضمین میکند. این نقشه راه، دیتاسنترهای متمرکز امروزی را به سیستمهایی کاملاً سیال، تابآور و آماده برای عصر انفجار هوش مصنوعی تبدیل خواهد کرد.