تصویر مرتبط با خبر: MongoDB Predictive Auto-Scaling: An Experiment
خلاصه سریع
اصل خبر در چند خط
مونگو دیبی مقیاسدهی خودکار پیشبینیکننده را برای سرویس ابری اطلس عرضه کرد.
این الگوریتم برخلاف نسخه واکنشگر قبلی، قادر است تغییرات بار کاری را پیشبینی کرده و قبل از افزایش بار، سرورها را مقیاسدهی کند.
در حال حاضر، این ویژگی تنها برای افزایش مقیاس استفاده میشود و برای کاهش مقیاس به الگوریتم واکنشگر متکی است.
مونگو دیبی در سال ۲۰۲۳ با آزمایش مدلهای یادگیری ماشین بر روی ۱۰٬۰۰۰ مجموعه تکراری، امکانسنجی این فناوری را بررسی کرد.
این نوآوری میتواند صرفهجویی در هزینهها و کاهش انتشار کربن را برای مشتریان به همراه داشته باشد.
الگوریتم جدید شامل سه جزء پیشبینیکننده، برآوردگر و برنامهریز است که به ترتیب بار کاری آینده، درصد استفاده از پردازنده و ارزانترین نمونه سرور را تعیین میکنند.
متن خبر
شرح خبر
مونگو دیبی بهتازگی ویژگی مقیاسدهی خودکار پیشبینیکننده (Predictive Auto-Scaling) را برای سرویس ابری خود، اطلس، عرضه کرده است.
این الگوریتم جدید، برخلاف نسخه واکنشگر قبلی که تنها پس از افزایش بار اقدام به مقیاسدهی میکرد، قادر است تغییرات بار کاری مشتریان را پیشبینی کرده و قبل از رسیدن به اوج بار، سرورها را مقیاسدهی کند.
در حال حاضر، این ویژگی تنها برای افزایش مقیاس قبل از پیشبینی افزایش بار استفاده میشود و برای کاهش مقیاس همچنان به الگوریتم واکنشگر متکی است.
این نوآوری میتواند صرفهجویی قابلتوجهی در هزینهها و کاهش انتشار کربن را برای مشتریان به همراه داشته باشد.
مونگو دیبی در سال ۲۰۲۳ با آزمایش مدلهای یادگیری ماشین بر روی ۱۰٬۰۰۰ مجموعه تکراری، امکانسنجی این فناوری را بررسی کرد و اکنون نسخه تولیدی آن را راهاندازی کرده است.
این صفحه خلاصه و تحلیل فارسی خبر را نمایش میدهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.
تحلیل تحریریه
ابعاد مهم خبر
چرا مهم است؟
این نوآوری میتواند انقلابی در مدیریت منابع ابری ایجاد کند، زیرا مقیاسدهی پیشبینیکننده نه تنها کارایی سیستم را بهبود میبخشد، بلکه هزینههای عملیاتی را نیز بهطور قابلتوجهی کاهش میدهد.
با توجه به رشد روزافزون استفاده از خدمات ابری، بهینهسازی مصرف منابع میتواند تأثیر مستقیمی بر سودآوری شرکتها و پایداری زیستمحیطی داشته باشد.
علاوه بر این، این فناوری میتواند الگویی برای سایر ارائهدهندگان خدمات ابری باشد تا از روشهای هوشمندتر برای مدیریت بار کاری استفاده کنند.
اثر کسبوکاری
کاهش هزینههای عملیاتی برای مشتریان مونگو دیبی اطلس، بهبود کارایی سرورها و کاهش زمان خرابی ناشی از بار بیش از حد.
این امر میتواند منجر به افزایش رضایت مشتریان و جذب مشتریان جدید شود.
همچنین، بهینهسازی مصرف منابع میتواند حاشیه سود مونگو دیبی را بهبود بخشد.
اثر احتمالی برای ایران
شرکتها و استارتآپهای ایرانی که از خدمات ابری مونگو دیبی اطلس استفاده میکنند، میتوانند از صرفهجویی در هزینهها و بهبود کارایی بهرهمند شوند.
این امر به ویژه برای کسبوکارهای کوچک و متوسط که بودجه محدودی دارند، مفید خواهد بود.
ارتباط با LegalTech
این فناوری میتواند استانداردهای جدیدی برای مدیریت منابع ابری ایجاد کند و سایر شرکتها را وادار به پیادهسازی راهکارهای مشابه کند.
از نظر قانونی، ممکن است مسائل مربوط به حریم خصوصی دادهها و استفاده از الگوریتمهای یادگیری ماشین مورد بررسی قرار گیرد.
زاویه رسانه/کشور منبع
فنی و مهندسی، با تمرکز بر نوآوریهای الگوریتمی و بهینهسازی منابع ابری
