تحول معماری سرورها، پایان دوران CPU-Centric و انتقال وظایف سنگین پردازش شبکه، امنیت و استوریج به کارتهای پردازشگر داده (DPU)، نمایانگر یکی از عمیقترین تغییرات پارادایم در طراحی دیتاسنترهای مدرن است. در طول دهههای گذشته، معماری محاسباتی حول محور پردازنده مرکزی (CPU) بنا شده بود؛ جایی که پردازنده نه تنها وظیفه اجرای برنامههای کاربردی را بر عهده داشت، بلکه تمامی بار مدیریت زیرساخت از جمله مسیریابی بستههای شبکه، رمزنگاری، مجازیسازی و مدیریت پروتکلهای ذخیرهسازی را نیز به دوش میکشید.
با ظهور شبکههای ۱۰۰، ۲۰۰ و ۴۰۰ گیگابیت بر ثانیه و درایوهای ذخیرهسازی NVMe با توانایی پردازش میلیونها عملیات در ثانیه، این معماری به یک بنبست فیزیکی و منطقی رسیده است. این بار اضافه که در ادبیات صنعت با عنوان «مالیات زیرساخت» (Infrastructure Tax) شناخته میشود، گاهی تا ۳۰ الی ۴۰ درصد از توان پردازشی گرانقیمتترین سرورها را صرف عملیات حاشیهای میکند و منابعی که باید به درآمدزایی و اجرای بارهای کاری تخصیص یابند را میبلعد.
در پاسخ به این بحران، کارتهای پردازشگر داده یا DPUها (Data Processing Units) و SmartNICهای پیشرفته به عنوان «ستون سوم پردازشی» (Third Pillar of Computing) در کنار CPU و GPU ظهور کردهاند. یک DPU با ترکیب هستههای پردازشی چندمنظوره (اغلب مبتنی بر معماری ARM یا RISC-V)، شتابدهندههای سختافزاری اختصاصی و رابطهای شبکه فوقسریع، به عنوان یک سیستمرویتراشه (SoC) مستقل عمل میکند که دارای سیستمعامل، حافظه و دامنه اعتماد (Trust Domain) مختص به خود است.
قرارگیری این پردازنده در مسیر داده (Data Path) و پیش از رسیدن ترافیک به گذرگاه پردازنده اصلی، امکان بازرسی، تغییر، رمزنگاری و هدایت ترافیک در لایه شبکه (Line-Rate) را فراهم میآورد. این گزارش جامع، با نگاهی تحلیلی به بررسی عمیق نقش DPUها در آزادسازی منابع، شتابدهی پروتکلهای نوین استوریج، همافزایی با گذرگاههای نسل جدید و چالشهای پیادهسازی این فناوری در دیتاسنترهای مقیاسپذیر میپردازد.
آنچه میخوانید:
چرا CPU دیگر برای مدیریت استوریج سازمانی کافی نیست؟
محدودیتهای معماری پردازندههای x86 در مدیریت بارهای کاری با نرخ ورودی/خروجی (I/O) فوقالعاده بالا، ریشه در ساختار وقفهمحور (Interrupt-Driven) سیستمعاملهای سنتی دارد. در حالی که پهنای باند سختافزارهای ذخیرهسازی در هر نسل از گذرگاههای PCIe دو برابر میشود و درایوهای Gen5 به راحتی مرزهای ۱۴ گیگابایت بر ثانیه را میشکنند، سرعت کلاک پردازندهها و معماری مدیریت حافظه با این شتاب همگام نبودهاند. این عدم تقارن، پردازنده مرکزی را به اصلیترین گلوگاه در مسیر دسترسی به دادهها تبدیل کرده است.
چالشهای Overhead در پردازش میلیونها IOPS در ثانیه
درایوهای مدرن NVMe قادرند در سطح محلی با تاخیری در حدود ۱۰ میکروثانیه، میلیونها عملیات خواندن و نوشتن تصادفی را پردازش کنند. اما زمانی که قرار است این تجهیزات به صورت توزیعشده (Disaggregated) و از طریق شبکه در دسترس گرههای پردازشی قرار گیرند، سیستمعامل میزبان باید عملیات بسیار پیچیدهای را برای هر بسته داده انجام دهد. با رسیدن هر بسته از شبکه، کارت شبکه سنتی یک وقفه (Interrupt) ایجاد میکند که پردازنده را مجبور به توقف کار فعلی و تغییر زمینه (Context Switch) به فضای هسته (Kernel Space) میسازد. در این مرحله، پردازنده باید عملیات کپی دادهها در حافظه، محاسبه توابع کنترلی (Checksum)، پردازش پشته پروتکل TCP/IP، و در نهایت ترجمه آن به دستورات بلوکی را انجام دهد.
تحقیقات نشان میدهد که پر کردن ظرفیت یک پیوند ۱۰۰ گیگابیت بر ثانیه با استفاده از پشته شبکه استاندارد سیستمعامل، نیازمند تخصیص ۸ تا ۱۲ هسته پردازشی به صورت کامل است که صرفاً درگیر مدیریت وقفههای نرمافزاری (SoftIRQ) و پردازش TCP میشوند. در بارهای کاری با IOPS بالا و بلاکهای کوچک (مثلاً ۴ کیلوبایت)، این سربار پردازشی به شدت افزایش یافته و باعث نوسانات شدید در تاخیر نهایی (Tail Latency) میگردد. برای محیطهای چندمستاجره (Multi-Tenant) و پایگاههای داده حیاتی که نیازمند صدک ۹۹ (p99) کاملاً پایدار هستند، این نوسانات به هیچ وجه قابل قبول نیست.
| نوع گلوگاه در پردازش NVMe | نشانههای بروز گلوگاه در سیستم | راهکار پیشنهادی در معماری مدرن |
|---|---|---|
| گلوگاه پردازنده (CPU Bottleneck) | افزایش شدید زمان سیستم (System Time)، درگیری رشتههای SoftIRQ، کاهش IOPS به ازای هر هسته، و افزایش تاخیر p99 با وجود خالی بودن پهنای باند شبکه. | دور زدن هسته با استفاده از SPDK در فضای کاربر (User-Space) یا استفاده از DPU برای Offload کامل. |
| گلوگاه شبکه (Network Bottleneck) | اشباع شدن پیوند فیزیکی، افزایش نرخ افت بسته (Drop)، ارسال مجدد (Retransmit) مکرر در پروتکل TCP و نوسانات شدید تاخیر. | استفاده از شبکههای Lossless، ارتقای پهنای باند به ۲۰۰ یا ۴۰۰ گیگابیت، یا پیکربندی دقیق QoS. |
| گلوگاه درایو (Target Bottleneck) | افزایش تاخیر در سمت ذخیرهساز، درگیری پردازنده در سمت Target برای پردازش درخواستهای شبکه پیش از ارسال به NVMe. | استفاده از DPU به عنوان NVMe-oF Target برای اتصال مستقیم شبکه به PCIe (Peer-to-Peer). |
DPUها با اجرای مستقیم پشته شبکه در سختافزار اختصاصی و کپی مستقیم دادهها به حافظه برنامهها (Zero-Copy)، این زنجیره مخرب از وقفهها و کپیهای حافظه را میشکنند و اطمینان حاصل میکنند که هستههای گرانقیمت سرور، منحصراً برای اجرای منطق تجاری برنامهها مصرف شوند.
شتابدهی پروتکلهای ذخیرهسازی تحت شبکه
ظهور پروتکل NVMe over Fabrics (NVMe-oF) پاسخی به نیاز اشتراکگذاری درایوهای پرسرعت NVMe بر روی شبکههای استاندارد بود. این استاندارد با حفظ ساختار چندصفی (Multi-Queue) و کارآمد پروتکل محلی NVMe، آن را بر روی بسترهای انتقال شبکهای سوار میکند. با این حال، کارایی این پروتکل وابستگی شدیدی به بستر انتقال (Transport) دارد و DPUها نقش محوری در بهینهسازی این بستر ایفا میکنند.
بهینهسازی انتقال دادههای بلوکی با کمترین تاخیر در تجهیزات میانی
در انتخاب بستر انتقال برای NVMe-oF، معماران دیتاسنتر با سه گزینه اصلی روبرو هستند: RDMA (شامل InfiniBand و RoCEv2)، اترنت استاندارد (NVMe/TCP) و کانال فیبر (FC-NVMe). پروتکلهای مبتنی بر RDMA با ارائه قابلیت دسترسی مستقیم به حافظه راه دور و دور زدن هسته سیستمعامل، کمترین تاخیر ممکن را فراهم میکنند. یک عملیات خواندن تصادفی ۴ کیلوبایتی که به صورت محلی ۱۰ میکروثانیه زمان میبرد، بر روی بستر RoCEv2 تنها به ۱۵ تا ۲۰ میکروثانیه افزایش مییابد. با این حال، پیادهسازی RoCEv2 نیازمند پیکربندی شبکههای کاملاً بدون افت (Lossless Fabric) و مهندسی دقیق مکانیزمهای کنترل جریان مانند PFC است که عملیات نگهداری آن را به شدت پیچیده میکند.
در نقطه مقابل، پروتکل NVMe/TCP از شبکههای اترنت موجود استفاده میکند و نیازی به تجهیزات شبکه خاص ندارد، اما به صورت پیشفرض هزینه سنگینی بر پردازنده میزبان تحمیل کرده و تاخیر پایه آن بین ۴۰ تا ۸۰ میکروثانیه متغیر است. اینجا همان نقطهای است که کارتهای DPU مجهز به موتور شتابدهنده سختافزاری TCP (TCP Offload Engine یا TOE) وارد عمل میشوند.
یک DPU پیشرفته، ماشین حالت TCP (TCP State Machine) را مستقیماً در لایه سختافزار مدیریت کرده و محاسبات مربوط به بخشبندی بستهها (Segmentation) و بازتولید آنها را انجام میدهد. این نوآوری باعث میشود تا عملکرد NVMe/TCP به طور چشمگیری به مقادیر RDMA نزدیک شود و ضمن حفظ سادگی مدیریت شبکههای اترنت استاندارد، تاخیرهای ناشی از پردازش نرمافزاری پشته پروتکل کاملا حذف گردد. کانال فیبر (FC-NVMe) نیز به عنوان یک راهکار میانی برای سازمانهایی که سرمایهگذاری سنگینی در تجهیزات SAN کردهاند، ایفای نقش میکند و تاخیری در حدود ۱۵ تا ۳۰ میکروثانیه ارائه میدهد، اما محدودیتهای سرعت آن در مقایسه با شبکههای ۲۰۰ و ۴۰۰ گیگابیتی اترنت، مانع از رشد آن در خوشههای مدرن هوش مصنوعی شده است.
| بستر انتقال (Transport) | تاخیر خواندن تصادفی (4KB) | میزان درگیری پردازنده (CPU Overhead) | پیچیدگی زیرساخت شبکه |
|---|---|---|---|
| Local NVMe (مبنا) | ~۱۰ میکروثانیه | بسیار کم (دسترسی مستقیم PCIe) | نیازی به شبکه ندارد |
| NVMe/RDMA (RoCEv2) | ~۱۵ تا ۲۰ میکروثانیه | بسیار کم (بایپس کامل کرنل) | بسیار بالا (نیاز به شبکه Lossless و PFC) |
| NVMe/TCP (کرنل نرمافزاری) | ~۴۰ تا ۸۰ میکروثانیه | بسیار بالا (پردازش سنگین پشته TCP) | پایین (پشتیبانی در اترنت استاندارد) |
| NVMe/TCP (شتابدهی DPU) | ~۲۰ تا ۳۵ میکروثانیه | بسیار کم (انتقال TCP به سختافزار) | پایین (پشتیبانی در اترنت استاندارد) |
| FC-NVMe | ~۱۵ تا ۳۰ میکروثانیه | متوسط (وابسته به درایورهای HBA) | بالا (نیازمند سوییچها و زیرساخت Fibre Channel) |
اجرای مستقیم درایورهای استوریج روی تراشه DPU
یکی از قدرتمندترین قابلیتهای DPU، پنهان کردن کامل پیچیدگیهای استوریج شبکهای از دید سرور میزبان است. فناوریهایی نظیر SNAP (Storage Network Accelerated Processing) در خانواده کارتهای NVIDIA BlueField، به DPU اجازه میدهند تا به عنوان یک شبیهساز سختافزاری عمل کند. در این الگو، DPU درایوهای ذخیرهسازی راه دور را دریافت کرده و آنها را بر روی گذرگاه محلی PCIe، دقیقاً مشابه یک درایو NVMe فیزیکی استاندارد یا یک دستگاه virtio-blk به سیستمعامل سرور ارائه میدهد.
سیستمعامل میزبان بدون آنکه آگاه باشد با یک شبکه پیچیده طرف است، با استفاده از درایورهای بومی و استاندارد خود با این فضای ذخیرهسازی ارتباط برقرار میکند. تمامی فرآیندهای پسزمینه از جمله دریافت درخواست، ترجمه آن به دستورات پروتکل شبکه، مدیریت مسیرهای چندگانه (Multipathing)، رمزنگاری و ارسال آن بر بستر NVMe/TCP یا RDMA، توسط هستههای پردازشی ARM موجود در DPU و با استفاده از کتابخانههای فوقسریع مانند SPDK (Storage Performance Development Kit) مدیریت میشوند.
کیت توسعه SPDK با انتقال معماری مدیریت ورودی/خروجی از فضای هسته به فضای کاربر و استفاده از مکانیزم سرکشی مداوم (Polling) به جای وقفههای سختافزاری، تاخیر نهایی را به شدت مهار کرده و امکان دستیابی به میلیونها IOPS را تنها با مصرف کسری از توان هستههای DPU فراهم میکند. این سبک معماری، مفهوم سرورهای بدون دیسک (Diskless Servers) را به سطحی جدید ارتقا داده و استقلال کامل لایههای پردازش و ذخیرهسازی (Disaggregation) را به ارمغان آورده است.
همافزایی DPU با گذرگاههای ارتباطی نسل جدید
انقلاب در معماری دیتاسنترها صرفاً محدود به کابلهای شبکه نیست؛ نحوه ارتباط درونی پردازنده، حافظه اصلی و کارتهای جانبی نیز دستخوش دگرگونی بنیادین است. معرفی استاندارد CXL (Compute Express Link) که بر مبنای لایه فیزیکی PCIe بنا شده، افقهای جدیدی را پیش روی طراحی سیستمهای توزیعشده گشوده است و نقش DPU در مدیریت این معماری غیرقابل انکار است.
یکپارچگی کارتهای هوشمند با معماریهای اشتراک حافظه در سطح رک
پروتکل CXL امکان اتصال کاملاً منسجم با حافظه نهان (Cache-Coherent) میان پردازندهها، شتابدهندههای هوش مصنوعی، حافظههای RAM و کارتهای شبکه را با تاخیری در حد نانوثانیه فراهم میکند. با انتشار نسخه CXL 3.1 و بهرهگیری از سرعت خارقالعاده پهنای باند PCIe Gen6، امکاناتی نظیر تجمیع حافظه (Memory Pooling) و ارتباط مستقیم حافظه بین گرههای مختلف یک کلاستر ممکن شده است.
در این معماری، DPUها نه تنها درگاه ورود به شبکه هستند، بلکه به عنوان مدیران ساختار (Fabric Managers) در سطح CXL عمل میکنند. یک مشکل اساسی در کش کردن دادههای ذخیرهسازی، تفاوت معماری است؛ در حالی که حافظه پنهان سیستمعامل دادهها را در قالب صفحات ۴ کیلوبایتی مدیریت میکند، پروتکل CXL در سطح خطوط کش ۶۴ بایتی فعالیت میکند. DPUها با ترکیب شتابدهندههای شبکه و کنترلرهای CXL، امکان ایجاد یک کش صفحه توزیعشده (Distributed Page Cache) را فراهم میکنند.
به این معنا که حافظه رم خالی در سراسر رک سرورها میتواند تجمیع شده و به عنوان لایه حافظه پنهان بسیار سریع برای آرایههای استوریج NVMe مورد استفاده قرار گیرد. این یکپارچگی، مرزهای سنتی میان حافظه فرار (Memory) و غیرفرار (Storage) را از بین برده و معماری را خلق میکند که در آن اپلیکیشنها به دادههای پتابایتی با تاخیری نزدیک به حافظه محلی سیستم دسترسی دارند.
آمادگی برای شبکههای پردازشی فوقسریع
عصر هوش مصنوعی مولد (Generative AI) و مدلهای بزرگ زبانی (LLMs) با صدها میلیارد پارامتر، شبکههای ارتباطی را با ترافیکهای غیرقابل پیشبینی و عظیم مواجه کرده است. فازهای آموزش (Training) و استنتاج (Inference) در هوش مصنوعی متکی به عملیات جمعی (Collective Operations) همچون AllReduce و AllGather در میان هزاران پردازنده گرافیکی (GPU) هستند که در آنها بروز کوچکترین تاخیر در یک گره، کل پردازش را با وقفه مواجه میکند.
نقش DPUها در مسیریابی هوشمند ترافیک خوشههای AI
به طور سنتی، طراحان زیرساختهای ابررایانهای برای پاسخ به این نیاز به شبکههای InfiniBand روی میآورند که ذاتاً بدون افت بسته (Lossless) بوده و مدیریت تراکم را در سطح سختافزار و با تاخیر ناچیز انجام میدهد. با این حال، انحصار این فناوری در دست یک تامینکننده خاص (انویدیا) و هزینههای نجومی آن، صنعت را به سمت توسعه جایگزینهای مبتنی بر اترنت سوق داده است.
پیادهسازی RDMA بر روی اترنت (RoCEv2) راهکار محبوبی است، اما اتکای آن به کنترل جریان مبتنی بر اولویت (PFC) برای جلوگیری از افت بستهها، در خوشههای عظیم AI پاشنه آشیل آن محسوب میشود. PFC در مواجهه با ترافیکهای سنگین میتواند منجر به توقف کامل پورتها، مسدود شدن سرخط (Head-of-Line Blocking) و گسترش تراکم در سراسر شبکه شود.
برای حل ریشهای این معضل، کنسرسیوم اترنت فوقسریع (UEC – Ultra Ethernet Consortium) با مشارکت غولهای فناوری تشکیل شده و استانداردهای نوینی نظیر پروتکل UET را معرفی کرده است. برخلاف شبکههای مبتنی بر هش (ECMP) که یک جریان داده را به یک مسیر واحد محدود میکنند، UEC از تکنیک توزیع ریزبستهها یا اسپری بستهها (Packet Spraying) روی تمامی مسیرهای موجود استفاده میکند. همچنین با استفاده از تحویل خارج از ترتیب (Out-of-Order Delivery) و مکانیسمهای پیشرفته مدیریت تراکم مبتنی بر تاخیر (در سمت فرستنده و گیرنده)، نیاز به شبکههای مطلقاً Lossless را مرتفع میسازد.
پیادهسازی این الگوریتمهای به شدت پیچیده و پویای UEC نیازمند پردازش خطی و لحظهای است که تنها از عهده DPUهای برنامهپذیر و مجهز به خطلولههای پردازشی پیشرفته برمیآید. DPUها با پردازش بیدرنگ وضعیت شبکه و کنترل هوشمند ترافیک GPUها، تاخیر نهایی ارتباطات AI را به شکل چشمگیری کاهش داده و جایگاه اترنت را به عنوان بستری همتراز یا حتی برتر از InfiniBand تثبیت میکنند.
| ویژگی شبکه | پروتکل InfiniBand | اترنت RoCEv2 سنتی | اترنت فوقسریع (UEC) روی DPU |
|---|---|---|---|
| محیط فیزیکی | اختصاصی و گرانقیمت (Single-Vendor) | اترنت استاندارد اترنت (Multi-Vendor) | اترنت استاندارد (پشتیبانی گسترده) |
| مدیریت مسیرها | مسیریابی سازگار پیشرفته در سوییچ | یک مسیر ثابت به ازای هر جریان (ECMP) | پخش بستهها در تمامی مسیرها (Packet Spraying) |
| مدیریت تراکم (Congestion) | کنترل اعتباری در لایه پیوند | متکی به PFC (خطر Head-of-Line Blocking) | تلهمتری درونباند، کنترل هوشمند تاخیر، عدم وابستگی به PFC |
| تحویل بستهها | به ترتیب (In-order) | به ترتیب (In-order) | خارج از ترتیب با چینش مجدد در کارت گیرنده (Out-of-order) |
ارتقای امنیت لایه ذخیرهسازی (Zero-Trust Storage)
علاوه بر چالشهای عملکردی، مدلهای امنیتی دیتاسنترها نیز به بازنگری نیاز دارند. در پارادایمهای قدیمی، فرض بر این بود که تمامی فعالیتهای درون سرور و شبکه داخلی امن هستند. اما با گسترش محیطهای ابری چندمستاجره، مفهوم «امنیت عدم اعتماد» (Zero-Trust) به یک الزام تبدیل شده است. در این مدل، پردازنده میزبان و حتی سیستمعامل آن به عنوان موجودیتهایی غیرقابل اعتماد در نظر گرفته میشوند.
رمزنگاری و فشردهسازی دادهها در حین انتقال (Line-Rate) بدون افت کارایی
کارتهای DPU به عنوان یک قلعه امنیتی سختافزاری در مرز سرور عمل میکنند. یکی از چالشهای محاسبات محرمانه (Confidential Computing)، محافظت از دادههای در حال استراحت (Data-at-Rest) و در حال انتقال (Data-in-Motion) است. رمزنگاری ترافیک شبکه (مانند اجرای IPsec یا MACsec برای تونلهای NVMe-oF) و همچنین رمزنگاری دیسکها با استانداردهایی نظیر AES-XTS، نیازمند چرخههای پردازشی بسیار سنگینی است که پردازندههای معمولی را به زانو در میآورد.
DPUها دارای بلوکهای سختافزاری رمزنگاری قدرتمندی هستند که قادرند دهها گیگابایت داده را در ثانیه به صورت نامرئی برای سیستمعامل رمزنگاری و رمزگشایی کنند. اما ماجرا به اینجا ختم نمیشود؛ یکی از نقاط ضعف رمزنگاریهای سنتی، آسیبپذیری در برابر حملات تکرار (Replay Attacks) و از بین رفتن یکپارچگی داده است. تحقیقات اخیر در حوزه استوریج امن (مانند sNVMe-oF) نشان میدهد
که میتوان با استفاده از درختهای رمزنگاری درهمساز نظیر درخت هیزل-مرکل (Hazel Merkle Tree – HMT) و بهرهگیری از متادیتای پروتکل NVMe، یکپارچگی و تازگی (Freshness) دادهها را با استفاده از توان پردازشی DPU تضمین نمود. در این معماری، DPU به طور مستقل هشهای رمزنگاری را محاسبه و بهروزرسانی میکند و بدون اینکه نیازی به دخالت پردازنده میزبان باشد و یا افت ملموسی (کمتر از ۱ تا ۲ درصد) در توان عملیاتی کل رخ دهد، امنیت لایه ذخیرهسازی را در مقیاس پتابایت به ارمغان میآورد.
چالشهای پیادهسازی و یکپارچهسازی در دیتاسنترهای موجود
با وجود برتریهای قاطع در لایه سختافزار و معماری، استقرار گسترده DPUها با موانعی در زمینههای عملیاتی و توسعه نرمافزار مواجه است. انتقال هوشمندی از هسته سیستمعامل به تجهیزات جانبی شبکه، دید (Visibility) ابزارهای سنتی مدیریت شبکه را مختل میکند.
خطایابی، سازگاری با سیستمعاملهای سنتی و فریمورکهای توسعه (مثل DOCA)
هنگامی که پشته TCP و پروتکلهای ذخیرهسازی به صورت مستقیم روی سختافزار DPU پردازش میشوند (Kernel Bypass)، ابزارهای نظارتی رایج مانند tcpdump یا ابزارهای مانیتورینگ استاندارد لینوکس، دیگر قادر به مشاهده این ترافیک نیستند. خطایابی و دیباگ شبکه در این معماری نیازمند استفاده از سیستمهای تلهمتری پیشرفته درونباند (In-band Telemetry) و ابزارهای مانیتورینگ بومی خود DPUها است که منحنی یادگیری (Learning Curve) شیبی برای مدیران سیستم به همراه دارد.
از زاویه توسعه نرمافزار، بازار DPUها دچار پراکندگی (Fragmentation) و خطر وابستگی به تامینکننده (Vendor Lock-in) است. انویدیا با ارائه چارچوب توسعه نرمافزاری DOCA (Data Center Infrastructure-on-a-Chip Architecture)، یک اکوسیستم قدرتمند و مشابه CUDA را برای کارتهای BlueField ایجاد کرده است که شامل کتابخانهها، درایورها و ابزارهای سطح بالا برای Offload کردن ترافیک است. در مقابل، ایامدی (AMD) در محصولات Pensando رویکرد متفاوتی در پیش گرفته و بر معماری مبتنی بر زبان برنامهنویسی استاندارد P4 استوار است که خطلوله پردازش بستهها را از طریق کدهای سفارشی، با سرعت ۴۰۰ گیگابیت بر ثانیه مدیریت میکند.
| سازنده تجهیزات (Vendor) | محصول شاخص DPU / SmartNIC | معماری پردازشی | رویکرد اصلی توسعه و برنامهنویسی |
|---|---|---|---|
| NVIDIA | BlueField-3 / BlueField-4 | ARM Cores + ConnectX Accelerators | فریمورک اختصاصی DOCA و سازگاری عمیق با SPDK |
| AMD (Pensando) | Elba / Salina | ARM Cores + P4 MPU Engines | زبان برنامهنویسی استاندارد شبکه P4 |
| Intel | IPU E2000 (Mount Evans) | ARM Cores + Hardware Accelerators | یکپارچگی با هسته لینوکس و ابزارهای استاندارد |
برای مقابله با این چندپارچگی، صنعت به سمت پروژههای منبعباز نظیر پروژه زیرساخت برنامهپذیر باز (OPI – Open Programmable Infrastructure) تحت نظارت بنیاد لینوکس حرکت کرده است. هدف OPI، ایجاد یک لایه انتزاعی و APIهای مستقل از سختافزار است تا سیستمعاملهای سنتی، پلتفرمهای ابری (مانند Red Hat OpenShift) و کانتینرها بتوانند بدون نیاز به بازنویسی کد، با تجهیزات DPU متعلق به فروشندگان مختلف (انویدیا، ایامدی، مارول یا اینتل) در یک کلاستر یکپارچه تعامل داشته باشند. این حرکت، بلوغ اکوسیستم DPU را تسریع کرده و موانع پذیرش آن در سازمانها را کاهش میدهد.
نتیجهگیری
سیر تکامل دیتاسنترها از معماری پردازندهمحور (CPU-Centric) به معماری دادهمحور (Data-Centric)، اجتنابناپذیر است و DPUها کاتالیزور اصلی این دگرگونی محسوب میشوند. انتقال وظایف مدیریت شبکه، امنیت و استوریج به این پردازندههای تخصصی، نه تنها عملکرد و ظرفیت خروجی (Throughput) زیرساخت را به حداکثر میرساند، بلکه تاخیرهای مرگبار در پردازشهای حساس نظیر هوش مصنوعی و دیتابیسهای ابری را حذف میکند.
ارزشمندترین و ملموسترین دستاورد تجاری این تحول سختافزاری، تاثیر شگرف آن بر مدیریت هزینههای نرمافزاری (OpEx) و بهرهوری زیرساخت (CapEx) است. امروزه لایسنس بسیاری از پلتفرمهای مجازیسازی (مانند VMware vSphere)، پایگاههای داده سازمانی و فایروالهای نرمافزاری بر اساس تعداد هستههای پردازنده اصلی (Per-Core Licensing) محاسبه میشود، که در خوشههای بزرگ میتواند هزینهای بالغ بر دهها هزار دلار به ازای هر پردازنده تحمیل کند.
معرفی قابلیتهایی نظیر موتور خدمات توزیعشده (vSphere Distributed Services Engine) در نسخه هشتم VMware vSphere، به سازمانها اجازه میدهد تا کنترلپلینهای شبکه (NSX)، سرویسهای استوریج و امنیت را مستقیماً بر روی DPU اجرا کنند. این جداسازی زیرساخت از پردازنده میزبان، باعث بازپسگیری دهها هسته گرانقیمت x86 میگردد. هستههایی که پیشتر صرف جابهجایی بستهها میشدند، اکنون میتوانند به میزبانی از ماشینهای مجازی بیشتر، اجرای مدلهای محاسباتی سنگینتر و افزایش تراکم سرور (Consolidation Density) اختصاص یابند. بازگشت این منابع به چرخههای درآمدزای سازمان، بازگشت سرمایه بسیار سریعی را برای تجهیزات DPU تضمین کرده و عصر جدیدی از دیتاسنترهای امن، سریع و بهینهسازیشده را نوید میدهد.
