التخزين الحسابي Computational Storage: ماذا لو عالج القرص بياناتك بدلًا من إرسالها إلى المعالج؟
عندما يفتح الحاسوب ملفًا ضخمًا أو يحلل كمية كبيرة من البيانات، تحدث عملية قد لا نلاحظها: تنتقل البيانات من وحدة التخزين إلى الذاكرة ثم إلى المعالج لكي تتم معالجتها.
ومع ازدياد أحجام البيانات والذكاء الاصطناعي، أصبح نقل البيانات نفسه أحد التحديات التي تؤثر في الأداء واستهلاك الطاقة.
لكن ماذا لو لم نحتج إلى نقل كل تلك البيانات أصلًا؟
ماذا لو أصبح قرص التخزين قادرًا على تنفيذ جزء من العمليات بنفسه؟
هذه هي الفكرة وراء Computational Storage أو التخزين الحسابي.
ما التخزين الحسابي؟
التخزين الحسابي هو مفهوم يضيف قدرات معالجة إلى أنظمة التخزين أو بالقرب منها، بحيث يمكن تنفيذ بعض العمليات على البيانات في المكان الذي توجد فيه بدلًا من إرسال جميع البيانات إلى المعالج المركزي CPU.
بمعنى أبسط:
في الحاسوب التقليدي تكون وحدة التخزين مسؤولة أساسًا عن حفظ البيانات، بينما يقوم المعالج بمعالجتها.
أما في التخزين الحسابي، فيمكن نقل بعض العمل إلى مكان أقرب إلى البيانات نفسها.
لماذا يمثل نقل البيانات مشكلة؟
تخيل قاعدة بيانات ضخمة تحتوي على ملايين السجلات، لكن البرنامج يريد العثور على جزء صغير منها فقط.
في بعض الأنظمة قد تحتاج كميات كبيرة من البيانات إلى التحرك عبر مكونات الحاسوب قبل الوصول إلى النتائج المطلوبة.
وكلما ازدادت البيانات، أصبحت عملية النقل عبئًا أكبر على النطاق الترددي والطاقة.
وهذه المشكلة تزداد أهمية في مراكز البيانات التي تتعامل مع كميات هائلة من المعلومات بصورة مستمرة.
كيف يعمل Computational Storage؟
يمكن أن تحتوي أجهزة التخزين المتخصصة على قدرات حسابية تسمح لها بتنفيذ عمليات معينة بالقرب من البيانات.
على سبيل المثال، بدل إرسال مجموعة ضخمة من البيانات إلى CPU ثم البحث داخلها، يمكن تنفيذ جزء من التصفية أو البحث أو التحليل بالقرب من وحدة التخزين وإرسال النتائج المطلوبة فقط.
وهذا المفهوم يعرف بصورة أوسع باسم:
Near-Data Processing
أي معالجة البيانات بالقرب من مكان وجودها.
ما علاقته بالذكاء الاصطناعي؟
تطبيقات الذكاء الاصطناعي تعتمد على مجموعات بيانات ضخمة، ولذلك لا يكون أداء المعالج هو العامل الوحيد الذي يحدد سرعة النظام.
هناك أيضًا سؤال مهم:
ما السرعة التي تستطيع بها البيانات الوصول إلى المعالج؟
ولهذا يمكن أن تساعد تقنيات المعالجة بالقرب من البيانات في بعض أعباء العمل التي تتطلب قراءة وتحليل كميات كبيرة من المعلومات.
وقد تصبح الفكرة أكثر أهمية مع استمرار نمو أحجام نماذج AI والبيانات المستخدمة معها.
هل يعني ذلك أن SSD سيصبح CPU؟
ليس تمامًا.
الفكرة ليست استبدال المعالج المركزي، وإنما توزيع العمل بصورة أكثر ذكاءً.
سيظل CPU وGPU وغيرهما مسؤولين عن كثير من العمليات المعقدة، بينما يمكن تنفيذ مهام محددة بالقرب من التخزين عندما يكون ذلك أكثر كفاءة.
أي أننا ننتقل تدريجيًا من نموذج يقول:
انقل البيانات إلى مكان الحساب
إلى نموذج آخر يقول:
انقل جزءًا من الحساب إلى مكان البيانات.
أين يمكن الاستفادة منه؟
قد يكون التخزين الحسابي مفيدًا في قواعد البيانات الضخمة، وتحليل البيانات، ومراكز البيانات، وبعض تطبيقات الذكاء الاصطناعي.
كما يمكن الاستفادة منه في عمليات مثل البحث والتصفية والضغط ومعالجة البيانات الأولية قبل إرسال النتائج إلى بقية النظام.
والفائدة تعتمد على نوع التطبيق وطريقة تصميم النظام؛ فهو ليس حلًا يجعل كل برنامج أسرع تلقائيًا.
ما الفرق بينه وبين الحوسبة الطرفية Edge Computing؟
قد تبدو الفكرتان متشابهتين لأن كلتيهما تحاول تقريب المعالجة من البيانات، لكنهما تعملان على مستويين مختلفين.
Edge Computing تنقل المعالجة بالقرب من المكان الذي تُنشأ فيه البيانات، مثل كاميرا ذكية أو مصنع أو جهاز إنترنت أشياء.
أما Computational Storage فتقرب المعالجة من وسيط التخزين نفسه داخل البنية الحاسوبية.
لذلك فهما فكرتان يمكن أن تتكاملا وليستا التقنية نفسها.
ما التحديات؟
لكي تنتشر التقنية على نطاق واسع، يجب ألا تكون الأجهزة وحدها قادرة على المعالجة، بل ينبغي أيضًا أن تعرف البرمجيات متى ترسل المهمة إلى وحدة التخزين ومتى تتركها للمعالج.
كما تحتاج الصناعة إلى توافق ومعايير وأدوات تطوير تجعل استخدام هذه القدرات أسهل.
ولهذا فإن التحدي ليس بناء أجهزة تخزين أكثر ذكاءً فقط، وإنما بناء منظومة برمجية تستطيع الاستفادة منها بكفاءة.
هل تتغير وظيفة وحدات التخزين مستقبلًا؟
لسنوات طويلة كان السؤال الأساسي عند شراء وحدة تخزين:
كم تبلغ سعتها؟ وما سرعتها؟
لكن تطور Computational Storage يضيف سؤالًا مثيرًا:
ماذا تستطيع وحدة التخزين أن تفعل بالبيانات الموجودة داخلها؟
وإذا استمرت البيانات في النمو بالمعدلات الحالية، فقد يصبح تقليل المسافة بين مكان تخزين البيانات ومكان معالجتها أحد الأساليب المهمة لبناء حواسيب ومراكز بيانات أكثر كفاءة.
0 تعليقات