ดาต้าเซ็นเตอร์ AWS ใช้สถาปัตยกรรมเครือข่ายใหม่ ลดพลังงานได้ 40% เร็วขึ้น อุปกรณ์น้อยลง

Amazon เปิดเผยความก้าวหน้าครั้งสำคัญของโครงสร้างพื้นฐานคลาวด์ หลังเริ่มนำสถาปัตยกรรมเครือข่ายรูปแบบใหม่มาใช้งานในศูนย์ข้อมูลของ AWS โดยระบุว่าสามารถลดการใช้พลังงานของระบบเครือข่ายลงได้ถึง 40% พร้อมเพิ่มประสิทธิภาพการรับส่งข้อมูล และลดจำนวนอุปกรณ์เครือข่ายที่ต้องติดตั้งลงอย่างมาก

เทคโนโลยีใหม่นี้มีชื่อว่า Resilient Network Graphs หรือ RNG ซึ่งถูกพัฒนาโดยทีมนักวิจัยจาก AWS Networking Lab โดย Amazon เชื่อว่า RNG จะกลายเป็นทางเลือกที่มีประสิทธิภาพมากกว่าสถาปัตยกรรมแบบ Fat Tree ซึ่งเป็นรูปแบบเครือข่ายที่ถูกใช้งานในดาต้าเซ็นเตอร์ทั่วโลกมานานหลายทศวรรษ

AWS ระบุว่า ตั้งแต่เดือนเมษายนที่ผ่านมา RNG ได้กลายเป็นสถาปัตยกรรมเครือข่ายมาตรฐานสำหรับดาต้าเซ็นเตอร์ใหม่ส่วนใหญ่ของบริษัท เนื่องจากสามารถให้ประสิทธิภาพการรับส่งข้อมูลสูงขึ้นถึง 33% ขณะที่ใช้จำนวน Router และ Switch ลดลงถึง 69%

ที่สำคัญ การลดจำนวนอุปกรณ์เครือข่ายลงอย่างมหาศาลยังส่งผลให้การใช้พลังงานของโครงสร้างพื้นฐานด้านเครือข่ายลดลงได้ประมาณ 40% ซึ่งถือเป็นประเด็นสำคัญในยุคที่ผู้ให้บริการคลาวด์ทั่วโลกกำลังเผชิญแรงกดดันด้านต้นทุนพลังงานและความยั่งยืนทางสิ่งแวดล้อม

Amazon ระบุว่า สำหรับลูกค้า การเปลี่ยนแปลงครั้งนี้จะช่วยเพิ่มความเสถียรและความทนทานของระบบเบื้องหลังทุกบริการ ไม่ว่าจะเป็น API ฐานข้อมูล หรือระบบ AI โดยไม่จำเป็นต้องแก้ไขโค้ดหรือปรับแต่งแอปพลิเคชันใด ๆ

จาก Fat Tree สู่ Random Graph แนวคิดใหม่ของเครือข่ายดาต้าเซ็นเตอร์

เบื้องหลังนวัตกรรมนี้เริ่มต้นจากข้อจำกัดของสถาปัตยกรรม Fat Tree ซึ่งถูกพัฒนาขึ้นตั้งแต่ยุคซูเปอร์คอมพิวเตอร์ในช่วงทศวรรษ 1990 และได้รับความนิยมอย่างแพร่หลายในดาต้าเซ็นเตอร์ตั้งแต่ช่วงปี 2000 เป็นต้นมา

โครงสร้างแบบ Fat Tree ใช้การเชื่อมต่อแบบลำดับชั้น โดยแพ็กเก็ตข้อมูลจะถูกส่งผ่านชั้นต่าง ๆ ของ Switch และ Router เพื่อค้นหาเส้นทางที่สั้นที่สุด อย่างไรก็ตาม เมื่อขนาดของดาต้าเซ็นเตอร์ขยายใหญ่ขึ้น ระบบจำเป็นต้องเพิ่มอุปกรณ์และสายสัญญาณจำนวนมากเพื่อรักษาประสิทธิภาพการรับส่งข้อมูล ส่งผลให้ต้นทุนสูงขึ้นและเกิดปัญหาคอขวดในบางจุด

นักวิจัยเคยเสนอแนวคิดทางเลือกที่เรียกว่า Random Graph Topology ซึ่งเชื่อมต่อ Switch ต่าง ๆ เข้าด้วยกันแบบสุ่มในลักษณะ Mesh Network ทำให้ไม่จำเป็นต้องมีลำดับชั้นหลายระดับเหมือน Fat Tree

แนวคิดนี้มีข้อดีด้านประสิทธิภาพและความทนทานต่อความเสียหายของระบบ เนื่องจากไม่มี Router ตัวใดที่เป็นจุดศูนย์กลางสำคัญ หากอุปกรณ์บางส่วนเสียหาย ความสามารถของเครือข่ายก็จะลดลงในสัดส่วนใกล้เคียงกัน

อย่างไรก็ตาม ปัญหาของ Random Graph คือความซับซ้อนด้านการเดินสายสัญญาณภายในดาต้าเซ็นเตอร์ และภาระในการจัดเก็บข้อมูลเส้นทางจำนวนมหาศาลในอุปกรณ์แต่ละตัว ทำให้ที่ผ่านมาแนวคิดนี้ยังไม่สามารถนำมาใช้งานจริงในระดับใหญ่ได้

AWS แก้โจทย์ด้วย “Spraypoint” และ “ShuffleBox”

Amazon ระบุว่าทีมวิจัยสามารถแก้ปัญหาดังกล่าวได้ด้วยการพัฒนาอัลกอริทึมใหม่ที่เรียกว่า Spraypoint ซึ่งผสมผสานข้อดีของ Random Graph เข้ากับแนวคิดบางส่วนของ Fat Tree จนกลายเป็นสถาปัตยกรรมแบบกึ่งสุ่ม หรือ Quasi-Random Network

ระบบจะกระจายทราฟฟิกไปยังอุปกรณ์เพื่อนบ้านหลายเส้นทางแบบสุ่ม ทำให้ข้อมูลมีตัวเลือกเส้นทางจำนวนมาก ขณะที่เมื่อข้อมูลเข้าใกล้ปลายทาง ระบบจะเปลี่ยนไปใช้การคำนวณเส้นทางที่สั้นที่สุดผ่านอุปกรณ์ที่เรียกว่า Waypoint Switches

นอกจากนี้ AWS ยังพัฒนาอุปกรณ์ใหม่ชื่อ ShuffleBox ซึ่งทำหน้าที่รวมการเชื่อมต่อสายสัญญาณที่ซับซ้อนทั้งหมดไว้ภายในกล่องเดียว ช่วยลดปัญหาการเดินสายจำนวนมหาศาลที่เคยเป็นอุปสรรคสำคัญของเครือข่ายแบบ Random Graph

Amazon เปิดเผยว่าเครือข่าย Quasi-Random ชุดแรกได้เริ่มใช้งานจริงใกล้กรุงดับลิน ประเทศไอร์แลนด์ ตั้งแต่ปลายปี 2024 โดยรองรับทราฟฟิกของลูกค้าจริง ก่อนจะนำผลลัพธ์มาปรับปรุงและขยายการติดตั้งเพิ่มเติมในศูนย์ข้อมูลอีกหลายแห่ง

แม้ตัวเลขด้านประสิทธิภาพและการประหยัดพลังงานยังไม่ได้รับการตรวจสอบจากหน่วยงานภายนอกอย่างอิสระ แต่การที่ AWS ตัดสินใจใช้ RNG เป็นมาตรฐานสำหรับดาต้าเซ็นเตอร์ใหม่ส่วนใหญ่ของบริษัท ถือเป็นสัญญาณสำคัญว่าสถาปัตยกรรมดังกล่าวมีศักยภาพเพียงพอสำหรับการใช้งานระดับโลก

อย่างไรก็ตาม ผู้เชี่ยวชาญมองว่าแนวทางนี้อาจยังไม่ถูกนำไปใช้ในวงกว้างในระยะสั้น เนื่องจาก AWS ออกแบบอุปกรณ์เครือข่ายจำนวนมากขึ้นมาใช้เอง และมีทรัพยากรเพียงพอที่จะรองรับต้นทุนการเปลี่ยนผ่านครั้งใหญ่ ขณะที่ผู้ให้บริการรายอื่นอาจต้องเผชิญต้นทุนสูงในการปรับปรุงศูนย์ข้อมูลเดิม

ด้วยเหตุนี้ Amazon จึงมีแผนนำ RNG ไปใช้เฉพาะกับดาต้าเซ็นเตอร์ใหม่เป็นหลัก และยังไม่น่าจะเห็นผู้ให้บริการคลาวด์รายอื่นลอกแบบแนวทางนี้ในอนาคตอันใกล้ แต่หากผลลัพธ์เป็นไปตามที่บริษัทคาดหวัง เทคโนโลยีดังกล่าวอาจกลายเป็นจุดเปลี่ยนสำคัญของอุตสาหกรรมดาต้าเซ็นเตอร์ในยุค AI ที่กำลังต้องการทั้งประสิทธิภาพและการใช้พลังงานอย่างคุ้มค่ามากกว่าที่เคย

ที่มา