تسریع و بهینه‌سازی شبکه با F5 BIG-IP Next

سازمان‌ها می‌توانند با استفاده از F5 BIG-IP Next که به طور ویژه برای محیط‌های Kubernetes و پردازنده‌های NVIDIA BlueField-3 بهینه‌سازی شده، فرایند اجرای وظایف AI را سریع‌تر و کارامدتر مدیریت کنند.

 

شبکه؛ نقطه شروع بهینه‌سازی سرمایه‌گذاری در زیرساخت‌های AI

پردازش‌های با سرعت بالا (accelerated computing) هسته اصلی بسیاری از کاربردهای نوین هوش مصنوعی است. برخی از این کاربردها عبارتند از:

 

• AI Factories: استفاده از سخت‌افزار و نرم‌افزارهای پیشرفته برای تولید، پردازش و آموزش مدل‌های هوش مصنوعی در مقیاس بزرگ؛
• AI SaaS: سرویس‌های آنلاینی که از طریق اینترنت به کاربران اجازه می‌دهند بدون نیاز به نصب یا مدیریت نرم‌افزارها، از ابزارها و تکنولوژی‌های هوش مصنوعی استفاده کنند؛
• Edge AI: استفاده از هوش مصنوعی در دستگاه‌هایی که نزدیک‌ترین نقطه به تولید داده‌ها قرار دارند. در این صورت به جای ارسال داده‌ها به دیتاسنترهای دور، پردازش به صورت لوکال انجام می‌شود؛
• Sovereign AI: هوش مصنوعی تحت کنترل یک کشور یا سازمان خاص که تمام داده‌ها و پردازش‌ها را به‌طور مستقل و لوکال انجام می‌دهد، بدون وابستگی به سرویس‌ها یا مراکز داده خارجی.

 

این وظایف پیچیده و مدرن هوش مصنوعی، نیازمند زیرساخت‌هایی هستند که بتوانند به طور موثر و بهینه، حجم بالای داده‌ها و درخواست‌ها را مدیریت و پردازش کنند.

برای اجرای محاسبات هوش مصنوعی، GPUهای قدرتمند به صورت موازی و همزمان پردازش می‌کنند. این فرایند به یک شبکه سریع و با ظرفیت بالا نیاز دارد تا ارتباطی موثر بین کاربران، GPUها، حافظه و ذخیره‌سازی داده‌ها برقرار شود. چنین شبکه‌ای باعث می‌شود آموزش‌ مدل‌های هوش مصنوعی و استنتاج داده‌ها با حداکثر کاراییی و کمترین تاخیر انجام شود. آن دسته از راهکارهای شبکه که به منظور افزایش سرعت انتقال داده‌ها وکاهش تاخیر در شبکه طراحی شده‌اند (Accelerated networkingsolutions) نقشی اساسی در بهینه‌سازی این فرایند دارند.

شبکه‌ای که از زیرساخت هوش مصنوعی پشتیبانی می‌کند، باید ترافیک را به‌صورت هوشمند به منابع AI  هدایت نموده و در عین حفظ عملکرد بالا، کمترین میزان تاخیر و حداکثر امنیت را تضمین کند.

هرگونه نقطه ضعف در این قابلیت‌ها می‌تواند به افت کارایی مدل‌ها و برنامه‌های هوش مصنوعی یا حتی مخاطرات امنیتی جدی منجر شود. علاوه بر این می‌تواند بهره‌وری GPUها را کاهش داده و در نتیجه بازده سرمایه‌گذاری (ROI) سازمان‌ها در زیرساخت هوش مصنوعی را تحت تاثیر قرار دهد.

کاربردهای پیشرفته هوش منصوعی مانند AI SaaS و Sovereign AI مستلزم زیرساختی توانمند و توسعه‌پذیر هستند که بتوانند هم‌زمان از چندین کاربر پشتیبانی کنند و حداکثر بهره‌وری از سرمایه‌گذاری در GPU را تضمین نمایند. پشتیبانی از(چند کاربره حذف شود) Multi-tenancy نقش کلیدی در ارائه و توسعه این راهکارها ایفا می‌کند.

شبکه‌های پشتیبان زیرساخت‌های هوش مصنوعی باید علاوه بر ارائه ارتباطاتی منعطف و پرسرعت، تفکیک دقیقی میان کاربران و بارهای کاری ایجاد کنند. از آنجا که مدل‌ها و اپلیکیشن‌های AI به‌طور فزاینده‌ای هدف حملات سایبری و تهدیدات جدید قرار می‌گیرند، تامین امنیت آن‌ها به یکی از اولویت‌های اصلی تیم‌های امنیتی تبدیل شده است.

شبکه‌ها برای مقابله با این چالش‌ها باید به قابلیت‌های امنیتی پیشرفته و معماری Zero Trust  مجهز شوند. این قابلیت‌ها شامل فایروال شبکه، راهکارهای مقابله با حملات DDoS، فایروال وب‌اپلیکیشن (WAF)، محافظت از API، پیشگیری از نفوذ (Intrusion Prevention)، رمزنگاری و مدیریت گواهینامه‌های امنیتی می‌باشد. پیاده‌سازی این راهکارها موجب می‌شود مدل‌های هوش مصنوعی و اپلیکیشن‌ها در برابر تهدیدات، ایزوله شده و بستر امنی برای پردازش و اجرای وظایف AI فراهم آید.

 

مزایای کلیدی F5 BIG-IP Next

 

• افزایش بهره‌وری زیرساخت هوش مصنوعی

بهبود عملکرد پردازش برای توسعه سریع‌تر و کارامدتر سیستم‌های هوش مصنوعی

 

• بهینه‌سازی سرمایه‌گذاری در زیرساخت هوش مصنوعی

پشتیبانی از کاربران و کاربردهای مختلف، با هدف افزایش سرعت بازگشت سرمایه (ROI)

 

• شبکه‌سازی کارامد و پرسرعت برای هوش مصنوعی

ایجاد ارتباط سریع و پایدار بین سرورها برای پردازش، یادگیری و اجرای مدل‌های هوش مصنوعی در مقیاس بزرگ

 

• امنیت متمرکز 

کنترل یکپارچه امنیت شبکه برای مدیریت داده‌های ورودی و خروجی زیرساخت هوش مصنوعی با F5 BIG-IP Next

 

• آزادسازی منابع CPU

انتقال مدیریت ترافیک شبکه، توزیع بهینه ترافیک و ویژگی‌های امنیتی به NVIDIA BlueField-3 DPU برای کاهش فشار CPU

 

• پشتیبانی از multi-tenancy

«میزبانیِ مطمئن از کاربران و کاربردهای مختلف هوش مصنوعی»، «جداسازی شبکه و کاربران برای اپلیکیشن‌های هوش مصنوعی» و « امکان استقرار کارآمد در سراسر زیرساخت هوش مصنوعی»

 

• امنیت مبتنی بر DPU با رویکرد Zero Trust

مدیریت فیچرهای امنیتی حیاتی و پیاده‌سازی معماری zero-trust؛ شامل فایروال، مقابله با حملات DDoS، حفاظت از API، پیشگیری از نفوذ، رمزنگاری و مدیریت certificateها، روی BlueField-3 DPU قابل برنامه‌ریزی

 

• تسهیل عملکردها با F5 BIG-IP Next

فراهم کردن یک نقطه متمرکز برای مدیریت «شبکه»، «امنیت» و «زیرساخت هوش مصنوعی» که موجب تسهیل عملکردها خواهد شد.

 

F5 Networking برای وظایف پردازشی هوش مصنوعی

در زیرساخت ابری هوش مصنوعی (AI cloud infrastructure) عمدتا از Kubernetes برای سازماندهی و مدیریت وظایف پردازشی،(کاربران  حذف گردد) Tenantها و فرایندهای خودکار استفاده می‌شود. اگرچه Kubernetes برای اپلیکیشن‌های ساده تحت وب، عملکرد مطلوبی دارد، اما در سطح پایه برای (برای حذف ) نیازهای پیچیده مانند پشتیبانی از( چند کاربر حذف )  multiple tenants و پروتکل‌های non-HTML طراحی نشده است. تیم‌های زیرساخت امروزی تلاش می‌کنند با راهکارهای ترکیبی، محدودیت‌های شبکه‌ای Kubernetes را برطرف کنند. اگرچه این راهکارها ممکن است برای نمونه‌های آزمایشی کافی باشند، اما در مقیاس گسترده باعث ناکارآمدی عملیاتی می‌شوند.

F5 BIG-IP for Kubernetes یک راهکار تخصصی است که چالش‌های شبکه‌ای Kubernetes را در پردازش‌های پرحجم و پرسرعت، برطرف و مدیریت می‌کند.

BIG-IP Next for Kubernetes مستقر بر روی واحدهای پردازش داده‌ی NVIDIA® BlueField®-۳، قابلیت‌های جدید و قدرتمندی برای پردازش‌های هوش مصنوعی ارائه داده و مدیریت ترافیک و امنیت با عملکرد بالا را در زیرساخت‌های هوش مصنوعی مقیاس بزرگ فراهم می‌کند.

سازمان‌ها با استفاده از این سیستم، پردازش داده‎‌ها را سرعت می‌بخشند، از GPUها بهتر در آموزش مدل‌ها استفاده می‌کنند و در استنتاج با RAG، عملکرد بالاتر و تجربه کاربری بهتری ارائه می‌دهند.

BIG-IP Next for Kubernetes به سادگی با شبکه دیتاسنتر، یکپارچه شده و روی NVIDIA BlueField-3 DPU اجرا می‌شود؛ در نتیجه فشار بر CPU کاهش یافته و کارایی اپلیکیشن‌های سازمانی بهبود می‌یابد.

BIG-IP Next for Kubernetes نقش یک مرکز کنترل اصلی را ایفا می‌کند و خدمات شبکه و امنیت از جمله «مدیریت پیشرفته ترافیک»، «مسیریابی (routing)» و راهکارهای امنیتی مانند «فایروال»، «مقابله با حملات DDoS» و «حفاظت از API» را مدیریت نموده و با افزایش نیاز، آن‌ها را توسعه می‌بخشد.

 

چطور می‌توان از حداکثر کارایی زیرساخت هوش مصنوعی اطمینان حاصل کرد؟

ایجاد زیرساخت هوش مصنوعی، بسیار پرهزینه بوده و سازمان‌ها باید از سرمایه‌گذاری‌های خود بیشترین بهره را ببرند. با این حال، شبکه‌سازی سنتی در دیتاسنترهای مدرن، توانایی پاسخگویی به نیازهای پردازشی جدید هوش مصنوعی را ندارد و ممکن است منجر به استفاده ناکارآمد از سرورهای GPU  شود.

شبکه‌های پشتیبان زیرساخت هوش مصنوعی باید به طور بهینه طراحی شوند تا از استفاده ناکارآمد از GPUها جلوگیری کنند.

BIG-IP Next for Kubernetes به منظور ارائه فناوری‌های پیشرفته‌ و تضمین عملکرد بهینه زیرساخت‌های هوش مصنوعی با NVIDIA BlueField-3 DPUs یکپارچه می‌گردد.

BIG-IP Next for Kubernetes علاوه بر فراهم آوردن شبکه و امنیت با عملکرد بهینه برای زیرساخت هوش مصنوعی، با پشتیبانی از چندین کاربر و ایجاد یک نقطه کنترل مرکزی، کارایی و مدیریت را به طور قابل توجهی تسهیل می‌کند.

 

 

کاهش نیاز به سخت‌افزار و مصرف انرژی

برای بهبود بهره‌وری وظایف پردازشی هوش مصنوعی و تامین امنیت آن‌ها موارد زیر ضروری است:

• توزیع هوشمند ترافیک (load balancing)؛
• مسیریابی (routing)؛
• خدمات امنیتی.

اگرچه ممکن است از دستگاه‌های فیزیکی برای ارائه این خدمات استفاده شود، اما( این حذف شود )حقیقت این است که این تجهیزات قادر به برطرف کردن تمام نیازها نیستند؛ برای مثال «به حداکثر رساندن بهره‌وری GPU» و «مصرف انرژی کلی آن‌ها» که ممکن است بیشتر از BIG-IP Next for Kubernetes مستقر بر روی NVIDIA BlueField-3 DPUs  باشد.

به عنوان مثال، یک دستگاه سخت‌افزاری می‌تواند برای load balancing، routing و خدمات امنیتی آن throughputی معادل ۲۰۰ Gbps ارائه داده  و بین ۱۰۰۰ تا ۱۲۰۰ وات انرژی مصرف می‌کند. این مقادیر و برآوردهای مصرف انرژی بر اساس تست‌های داخلی F5 و با استفاده از تجهیزات مربوطه در سال ۲۰۲۴ ارائه شده است.

با استفاده از BIG-IP Next for Kubernetes مستقر بر روی NVIDIA BlueField3 DPU دیگر نیازی به دستگاه‌های جداگانه نیست و مصرف انرژی برای همان خدمات به حدود ۱۶۰ وات کاهش می‌یابد.

این کاهش در مصرف انرژی منجر به صرفه‌جویی قابل توجه در انرژی برای پیاده‌سازی‌های مقیاس بزرگ زیرساخت‌های هوش مصنوعی در ارائه خدمات شبکه خواهد شد.

 

سوالات پرتکرار تسریع و بهینه‌سازی شبکه  با F5 BIG-IP Next

 

• منظور از F5 BIG-IP Next چیست و چه کاربردی دارد؟

یک پلتفرم پیشرفته برای مدیریت ترافیک شبکه، امنیت و بهینه‌سازی عملکرد در محیط‌های ابری و Kubernetes  است. این سیستم با بهره‌گیری از فناوری‌های نوین مانند NVIDIA BlueField-3 DPUs، توانایی پردازش داده‌ها با عملکرد بالا و مصرف انرژی کم را فراهم می‌کند و به سازمان‌ها در بهینه‌سازی زیرساخت‌های هوش مصنوعی کمک می‌کند.

 

• F5 BIG-IP Next چه مزایای امنیتی برای زیرساخت‌های هوش مصنوعی فراهم می‌کند؟

F5 BIG-IP Next برای زیرساخت‌های هوش مصنوعی از معماری Zero Trust برای کنترل دسترسی استفاده می‌کند و با قابلیت‌هایی مانند فایروال وب‌اپلیکیشن (WAF)، مقابله با حملات DDoS، حفاظت از API و پیشگیری از نفوذ (IPS) امنیت بالایی را فراهم می‌کند. همچنین با رمزنگاری داده‌ها و مدیریت گواهی‌نامه‌ها، از اطلاعات حساس محافظت کرده و به ایزوله‌سازی مدل‌ها و اپلیکیشن‌های هوش مصنوعی در برابر تهدیدات سایبری کمک می‌کند.

 

• چه ویژگی‌هایی در F5 BIG-IP Next باعث تسهیل مدیریت امنیت و ترافیک در مقیاس بزرگ می‌شود؟

F5 BIG-IP Next با ویژگی‌هایی مانند مسیریابی هوشمند، توزیع بهینه ترافیک و امنیت  Zero Trust، مدیریت ترافیک و امنیت در مقیاس بزرگ را تسهیل می‌کند. این سیستم با یکپارچه‌سازی با NVIDIA BlueField-3 DPUs، فشار روی CPU را کاهش داده و کارایی را بهبود می‌بخشد.

 

• چه چالش‌هایی ممکن است در استفاده از F5 BIG-IP Next در زیرساخت‌های AI وجود داشته باشد؟

چالش‌های استفاده از F5 BIG-IP Next در زیرساخت‌های AI شامل پیچیدگی پیکربندی، نیاز به تخصص فنی بالا، و تامین منابع سخت‌افزاری مناسب برای بهره‌برداری کامل است.