الذكاء الاصطناعي

أمازون تتيح مشاركة عناقيد GPU بين الفرق مع عزل كامل وعدالة في الموارد

تواجه المؤسسات تحديات كبيرة في إدارة الموارد الحاسوبية المكلفة لفرق الذكاء الاصطناعي المختلفة، وتقدم أمازون حلاً موحداً يجمع بين الأمان والكفاءة التشغيلية.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 8 أكتوبر 2026 · آخر تحديث: 8 أكتوبر 2026 · 4 دقائق قراءة

أمازون تتيح مشاركة عناقيد GPU بين الفرق مع عزل كامل وعدالة في الموارد — الصورة: AWS Machine Learning Blog

التحدي في إدارة الموارد المشتركة

تحتاج فرق البيانات والذكاء الاصطناعي داخل المؤسسات بشكل متزايد إلى الوصول المشترك إلى عناقيد وحدات معالجة الرسوميات (GPU) المكلفة لدعم عمليات توليد النماذج. قد تجد مؤسسة واحدة نفسها تدير فريقاً لتدريب النماذج اللغوية الكبيرة، وآخر للاستدلال على الرؤية الحاسوبية، وثالثاً للتجارب البحثية، وكلها تتطلب الوصول إلى نفس البنية التحتية. غياب المعمارية متعددة المستأجرين (Multi-tenant) المصممة جيداً يؤدي إلى استهلاك غير منضبط للموارد، وضعف العزل بين الفرق، وعجز عن إسناد التكاليف بدقة، مما يزيد العبء الإداري ويبطئ وتيرة الابتكار. ويمكن الرجوع إلى AWS Machine Learning Blog للاطلاع على التفاصيل الأصلية للمصدر.

حل أمازون ويب: SageMaker HyperPod

تقدم أمازون ويب خدمة SageMaker HyperPod المصممة خصيصاً لتبسيط إدارة عناقيد الحوسبة الكبيرة لأحمال الذكاء الاصطناعي التوليدي. توفر هذه الخدمة عناقيد مرنة ومحسنة يتم تنسيقها عبر Amazon Elastic Kubernetes Service (EKS) أو Slurm، مما يتيح تنفيذ التدريب الموزع، والتطوير التفاعلي، والاستدلال على نطاق واسع. كما تتولى الخدمة تلقائياً مراقبة صحة العقد، واستعادة الأعطال، وإدارة دورة حياة العنقود، مما يحرر الفرق التقنية من المهام التشغيلية الروتينية.

المصادقة المركزية عبر IAM Identity Center

تقوم المعمارية المرجعية على استخدام AWS IAM Identity Center كطبقة مصادقة مركزية. يتيح هذا النظام إدارة هويات الموظفين عبر حسابات وتطبيقات أمازون ويب من مكان واحد، بدلاً من الحفاظ على قواعد بيانات مستخدمين منفصلة لكل خدمة. يدعم النظام الفيدرالية (Federation) مع مزودي الهوية الخارجيين الشائعة مثل Microsoft Entra ID أو Okta، مما يسمح للمؤسسات بإعادة استخدام بنيتها التحتية للهوية الحالية دون تكرار الجهود. يوفر Identity Center أيضاً إدارة موحدة لعضويات المجموعات، مما يضمن أن كل مستخدم يحصل على الصلاحيات المناسبة بناءً على دوره في الفريق.

العزل المنطقي عبر النطاقات والمجالات

لضمان استقلالية العمليات، تعتمد المعمارية على تخصيص نطاقات Kubernetes (Namespaces) لكل فريق. يعمل كل نطاق كحدود أمنية ومنطقية تمنع فرق العمل من الوصول إلى موارد بعضها البعض. بالإضافة إلى ذلك، يتم إنشاء مجالات SageMaker AI (Domains) مخصصة لكل فريق، توفر واجهة مستخدم مخصصة (SageMaker Studio) وأدوار تنفيذ (Execution Roles) محددة. هذا التصميم يضمن أن كل فريق يعمل في مساحة معزولة تماماً، حيث لا يمكن للمستخدمين التفاعل إلا مع الموارد الموجودة في نطاقهم المخصص، سواء عبر واجهة المستخدم الرسومية أو عبر سطر الأوامر (CLI).

العدالة في توزيع الموارد

من أكبر التحديات في مشاركة العناقيد هو منع استنزاف الموارد من قبل فريق واحد على حساب الآخرين. تحل هذه المشكلة عبر ميزة HyperPod Task Governance، التي تتيح إدارة حصص الحوسبة (Compute Quotas) وتحديد أولويات الجدولة. تسمح هذه الميزة للمديرين بتوزيع الموارد الحاسوبية بشكل عادل بين الفرق، مما يضمن أن أحمال العمل الحرجة أو ذات الأولوية العالية تحصل على الموارد اللازمة دون تعطيل عمليات الفرق الأخرى. هذا يخلق بيئة عمل متوازنة حيث يمكن لجميع الفرق المضي قدماً في مشاريعهم دون تعارض على الموارد.

تتبع التكاليف والمخزنات

تدعم المعمارية أيضاً الشفافية المالية من خلال تخصيص التكاليف على مستوى النطاق (Namespace-level cost allocation). هذا يتيح للمؤسسات إجراء عمليات محاسبة عكسية (Chargeback) دقيقة، حيث يمكن إسناد تكاليف استخدام GPU إلى الفريق الذي استهلكها فعلياً. من ناحية التخزين، توفر البنية طبقتين: نظام ملفات POSIX متوافق (مثل Amazon FSx for Lustre) مع مجلدات مشتركة لكل فريق ومجلدات شخصية للمستخدمين، بالإضافة إلى دلاء Amazon S3 مخصصة أو مشتركة لإدارة التخزين الكائني، وتخضع جميعها لسياسات IAM الخاصة بدور التنفيذ التابع للفريق.