يعمل أستاذ جامعي في معهد ماساتشوستس للتكنولوجيا (MIT) على زيادة إمكانات الحوسبة من خلال أكبر مجموعة تم إنشاؤها في خدمة السحابة الإلكترونية العامة.

ما أن تدخل إلى أي صف دراسي يدرس فلسفة الرياضيات حتى تسمع على الأرجح حديثًا عن "الأجسام". والأجسام هي في الأساس أي شيء يمكنك إجراء عمليات رياضية عليه، مثل الأعداد أو الدوال، أو نتائح الحسابات الرياضية، مثل المنحنيات. وتمثل "قاعدة بيانات الدوال اللامية والأشكال النمطية (LMFDB)" أطلسًا تفصيليًا للأجسام والعلاقات بينها. وتُعدّ LMFDB تعاونًا بين الباحثين الدوليين ويتم توجيهها من خلال فريق عالمي يعمل في الجامعات في أوروبا وأمريكا الشمالية، بما في ذلك "معهد ماساتشوستس للتقنيات (MIT)".

مشاركة البيانات بين الباحثين

يعمل مشروع LMFDB على تطوير العلوم من خلال تسهيل مشاركة الباحثين للبيانات المتعلقة بالأجسام مع منتديات الفيزياء وعلوم الكمبيوتر والرياضيات حول العالم. وتبلغ بعض العمليات الحسابية المتعلقة بإنشاء الأجسام درجة من التعقيد يصبح معها عدد الأشخاص الذي يعرفون كيفية إجرائها قليلاً جدًا على مستوى العالم. كما أن بعض العمليات الحسابية الأخرى تكون كبيرة جدًا لدرجة أنه يستحسن إجراؤها مرة واحدة فقط لأنها تتطلب وقتًا طويلاً وتكلفة كبيرة.

كان الفريق الذي يدير LMFDB بحاجة إلى خدمة السحاب التي يمكنها تلبية متطلباتهم المتزايدة في ما يتعلق بسعة التخزين. ولتوضيح الأمر، استغرق إنشاء الأجسام داخل LMFDB حوالي 1000 سنة من وقت الحوسبة. وبعيدًا عن مشكلة التخزين الكبرى كانت هناك مشكلة التوسيع. يتوفر LMFDB لأي شخص على نطاق lmfdb.org، مما يعني الحاجة إلى توسيع المشروع لدعم عمليات البحث غير المحدودة التي تتم يوميًا. وأخيرًا، ونظرًا لأن LMFDB عبارة عن مشروع تعاوني، كان الفريق بحاجة إلى نظام يستطيع الأشخاص في البلدان المختلفة إدارته بسهولة.

التركيز على البحوث وليس البنية الأساسية

فحص فريق LMFDB العديد من حلول السحاب واختار Google Cloud نظرًا لما يمتاز به من أداء عالي وإمكانية التوسيع تلقائيًا وسهولة الاستخدام وموثوقية.

كان السيد "أندرو ف ساذرلاند"، أستاذ الرياضيات ومن أصحاب نظرية الأعداد الحاسوبية وعالم أبحاث أول في معهد ماساتشوستس للتقنيات (MIT)، واحدًا من الباحثين الأوائل المشتركين في مشروع LMFDB وعملية صنع القرار.

يقول ساذرلاند "نحن فريق من علماء الرياضيات ونحتاج إلى التركيز على أبحاثنا، دون الخوف من أعطال الأجهزة أو مشاكل التوسّع في موقع الويب".

اتجه ساذرلاند وسائر فريق LMFDB إلى استخدام Google Compute Engine وGoogle Persistent Disk لاستضافة خوادم الويب، وقواعد بيانات MongoDB المعكوسة لتخزين نصف تيرابايت من البيانات على الإنترنت وثلاثة تيرابايت من البيانات التي يقل معدّل الدخول إليها. ويتيح هذا الإعداد لفريق LMFDB إمكانية التوسّع حسب الحاجة، وتقديم نتائج حوسبية وأجسام رياضية بسرعة عند احتياج الباحثين إليها. كما يستخدم LMFDB مجموعة متنوعة من أدوات Google Cloud التي تتيح للباحثين في أجزاء مختلفة من العالم إمكانية إدارة قاعدة البيانات بسهولة أكبر وبشكل تعاوني. وتشمل هذه الأدوات Google Stackdriver وGoogle Cloud Console وGoogle Cloud Load Balancing.

كان لدى ساذرلاند تصنيف معقد بشكل خاص يحتاج لتنفيذه وتخزينه في LMFDB، وقد بلغ من ضخامته أنه يتطلب إمكانية حوسبة تفوق حدود ما كان يتم إجراؤه في السابق ضمن خدمة السحاب العامة. ولتنفيذ ذلك، اختار Google Compute Engine وأدار 580000 نواة باستخدام الأجهزة الافتراضية الاستباقية - وهي أكبر مجموعة حوسبية عالية الأداء يتم تشغيلها في خدمة السحاب العامة.

نتج عن العملية الحسابية 70000 منحنى مختلف، ولكل منها إدخاله الخاص في LMFDB. ويعد البحث عن واحد فقط من هذه المنحنيات مهمة بالغة التعقيد تتطلب عددًا كبيرًا من الدورات الحوسبية. ويقول ساذرلاند: "يبدو الأمر كما لو كنت تبحث عن إبرة في كومة قش ذات 15 بعدًا".

قبل التوجه لاستخدام Google Compute Engine لإجراء العمليات الحسابية، كان "ساذرلاند" يجري المهام على جهاز كمبيوتر بمعالج يحتوي على نواة 64 بت، واستغرق ذلك وقتًا طويلاً جدًا. وكان البديل الوحيد هو الحصول على وقت حوسبة عبر مجموعات "معهد ماساتشوستس للتقنيات (MIT)"، وكان ذلك أمرًا صعبًا ويؤدي إلى تقييد عمليات ضبط البرامج التي يمكنه استخدامها. وباستخدام Google Compute Engine، أصبح قادرًا على استخدام عدة أنوية حسب احتياجه، وتثبيت نظام التشغيل والمكتبات والتطبيقات التي يحتاجها بالضبط وتحديث بيئة العمل وقت ما يريد.

بفضل قابلية التوسّع التي يمنحها Google Cloud لفريق LMFDB، يستطيع كل شخص بدءًا من الطلاب وحتى الباحثين المتمرسين البحث في المحتوى التابع له والتنقل فيه عبر واجهة ويب. على سبيل المثال، يدرّس ساذرلاند للصفوف الدراسية درس المنحنيات الإهليلجية، بينما يستخدم الطلاب LMFDB لأداء واجبهم المنزلي.

توفير المال عند إجراء العمليات الحسابية الضخمة

مقارنة بقيود الميزانية التي يواجهها الكثير من الباحثين والمؤسسات التعليمية، يتيح لهم Google Cloud إجراء عمليات حسابية ضخمة بتكلفة معقولة. كما أن الأجهزة الافتراضية الاستباقية التي يستخدمها ساذرلاند في Google Compute Engine تمكنه من تقليل النفقات بشكل كبير مع إجراء عمليات حسابية معقدة للغاية. وتقل تكلفة هذه المثيلات كاملة الميزات بنسبة تصل إلى 80% مقارنة بنظائرها التقليدية لأن Google Compute Engine يمكن أن يقاطعها. ولا تؤدي مقاطعة العمليات الحوسبية إلى مشكلة كبيرة في الأداء - ففي المتوسط، لا تتم مقاطعة سوى اثنين إلى ثلاثة بالمائة من هذه المثيلات كل ساعة من العمليات الحوسبية، كما يعمل نص برمجي على إعادة تشغيلها تلقائيًا حتى تكتمل المهمة بالكامل، وبالتالي لا يضيع سوى وقت ضئيل جدًا. ومن خلال السماح بهذه المقاطعات البسيطة، يتمكّن ساذرلاند من إجراء عمليات حسابية مهولة بتكلفة منخفضة وبدون تأخير من الناحية العملية.