تبدیل گوشی های قدیمی به دیتاسنترهای محلی ارزان

کلاسی را تصور کنید که با مجموعه‌ای از گوشی‌های منسوخ‌شده کار می‌کند و گوشه‌ای از آن آرام و بی‌صدا در حال پردازش است. نه رک‌های سرور پرزرق‌وبرق در کار است، نه قبض ابری که دیدنش اشکتان را دربیاورد. فقط انبوهی از بردها، تراشه‌ها و حافظه‌هایی که زندگی دوباره پیدا کرده‌اند.

این تصویر در حال واقعی شدن است. پژوهشگران دانشگاه کالیفرنیا سن‌دیگو، با همکاری گوگل، گوشی‌های پیکسل بازنشسته را به گره‌های کم‌هزینه برای مرکز داده محلی تبدیل کرده‌اند. هدف، هم کاربردی است و هم فوری: کاهش زباله الکترونیکی و استفاده از توان پردازشی پنهانی که در دستگاه‌هایی نهفته است که هر چند سال یک‌بار کنار می‌گذاریم.

گوشی‌ها ساده‌سازی شدند، توانشان بالا رفت

ترفند کار به‌طرز شگفت‌آوری ساده است. نمایشگرها، باتری‌ها، دوربین‌ها، بلندگوها و قاب‌ها جدا می‌شوند تا فقط مادربرد باقی بماند. اصلا چرا باید چیز دیگری نگه داشت؟ سامانه-روی-تراشه، همان مغز کوچک لحیم‌شده روی برد، بخشی است که واقعا پردازش را انجام می‌دهد. اندروید با یک توزیع لینوکس مناسب‌تر برای بارهای کاری سروری جایگزین می‌شود و گوشی‌ها به سامانه‌های هماهنگ‌سازی کانتینر مانند کوبرنتیز متصل می‌شوند.

نتایج بنچمارک حتی بدبین‌ها را هم غافلگیر کرد. امتیازهای تک‌هسته‌ای گوشی‌های هوشمند سه‌ساله در آزمون‌های اسپک از برخی مدل‌های رده‌بالای سرور پیشی گرفت. این به معنای آن نیست که یک گوشی جایگزین یک رک کامل می‌شود. معنایش این است که با کمی خلاقیت، خوشه‌هایی از گوشی‌ها می‌توانند بخشی از وظایفی را به دوش بکشند که در حالت عادی روی یک نمونه گران‌قیمت رایانش ابری اجرا می‌شدند. در آزمایش‌های دانشگاه کالیفرنیا سن‌دیگو، ۲۵ گوشی توان پردازشی تقریبا معادل یک پردازنده سرور دو سوکته ارائه کردند. یک خوشه ۲۰ گوشی نیز توانست یک برنامه سنگین آموزشی را به‌طور هم‌زمان برای بیش از ۷۵ دانشجو پشتیبانی کند.

گام بعدی، مقیاس‌پذیری است. این تیم قصد دارد یک مرکز داده محلی متشکل از ۲ هزار گوشی بسازد که بتواند صد کلاس مشابه را به‌صورت هم‌زمان اجرا کند. صرفه‌جویی در هزینه، مهم‌ترین نکته این طرح است. ساخت سرورهای مرسوم با قطعات جدید، از جمله حافظه، ذخیره‌سازی و تراشه‌های تخصصی، بسیار پرهزینه شده است. استفاده دوباره از موبایل‌های بازنشسته می‌تواند هزینه را به کسری از حالت معمول کاهش دهد و هم‌زمان کربن نهفته مرتبط با تولید سخت‌افزار جدید را نیز کم کند.

البته این ایده بدون اما و اگر نیست. دوام این قطعات هنوز مشخص نیست. قطعات مصرفی هرگز برای کار مداوم ۲۴ ساعته و ۷ روز هفته در مرکز داده طراحی نشده‌اند. دانشگاه کالیفرنیا سن‌دیگو قرار است اواخر امسال سامانه کامل را مستقر کند تا بسنجد قطعات زیر بار پردازشی پیوسته چقدر دوام می‌آورند. از سوی دیگر، شرکت‌های عظیم هوش مصنوعی به‌احتمال زیاد همچنان سخت‌افزارهای سفارشی و مقاوم در برابر خطا می‌خرند، چون به زمان کارکرد تضمین‌شده و بیشترین توان عملیاتی نیاز دارند. با این حال، برای دانشگاه‌ها، آزمایشگاه‌های کوچک و سازمان‌هایی با بودجه محدود، این روش یک مسیر میانی جذاب است.

این ایده منفرد و جداافتاده نیست. سال گذشته تیم دیگری مراکز داده کوچک ساخته‌شده از خوشه‌های گوشی را بررسی کرد و از چهار گوشی برای پایش محیط‌های زیر دریا بهره گرفت. تراشه‌های موجود در آن گوشی‌ها با معیارهای امروزی قدیمی محسوب می‌شوند، اما همچنان از نیاز بسیاری از کارهای واقعی توانمندترند. نکته جالب اینکه ناسا از یک تراشه میان‌رده کوالکام ۸۰۱، محصول دوران ۲۰۱۴، برای کمک به ناوبری بالگرد اینجنیوتی روی مریخ استفاده کرد.

چرا این موضوع فراتر از یک بازیافت هوشمندانه اهمیت دارد؟ چون فرض‌های ما را درباره محل استقرار توان پردازشی تغییر می‌دهد. رایانش لبه‌ای در حال رشد است، اما بیشتر پروژه‌های لبه هنوز به سخت‌افزار جدید متکی‌اند. گوشی‌های بازاستفاده‌شده مسیری عملی و کم‌هزینه‌تر برای رایانش محلی ارائه می‌کنند؛ مسیری که می‌تواند تاخیر را کاهش دهد، هزینه‌های ابر را پایین بیاورد و تجهیزات الکترونیکی مفید را از محل دفن زباله دور نگه دارد.

آیا این رویکرد می‌تواند فراگیر شود؟ شاید نه برای آموزش هوش مصنوعی در مقیاس بسیار بزرگ. اما برای محیط‌های آموزشی، آزمایشگاه‌های اجتماعی، پروژه‌های سنجش از دور و زیرساخت‌های آزمایشی، این ایده چند مزیت مهم را یکجا دارد: ارزان، توزیع‌شده و به‌طرز غیرمنتظره‌ای توانمند. دفعه بعد که گوشی‌تان پیشنهاد ارتقا داد، به آینده‌ای فکر کنید که در آن یک کلاس درس، همان ابر است.