نواک سایت تخصصی حوزه برودکست
نوشته های مشابه
شاید ساده ترین و گویاترین تعریف مقیاس پذیری توضیحی باشد که آندره بوندی فعال در آزمایشگاههای AT&T ارائه می دهد:
مقیاس پذیری یک ویژگی مطلوب برای یک فرایند یا شبکه یا سیستم است و به توانمندی سیستم در تطبیق خود با شرایط جدید و بزرگ تر از قبل (اجزاء بیشتر، اشیاء بیشتر، بزرگ شدن، افزایش حجم کار) اشاره می کند.
به عبارت بهتر وقتی سیستمی مانند استودیوی تلویزیونی یا اتاق سرور طراحی می کنیم باید به گونه ای عمل نماییم که اگر پس از گذشت مدتی لازم باشد کار آن را افزایش دهیم یا کاربران مراجعه کننده را زیاد کنیم، سیستم بدون مشکل به کار خود ادامه دهد.
مقیاس پذیری برای سیستم های دیجیتال از ویژگی های بسیار مهم در طراحی است. فرض کنید استودیویی را راه اندازی کرده اید که قرار است در روز پنج ساعت ضبط برنامه در آن انجام شود. در این استودیو سیستم تهویه و خنک کننده به گونه ای طراحی شده که در این پنج ساعت که پروژکتورها روشن اند تهویه مناسبی در استودیو ایجاد می کند. اکنون فرض کنید ساعات کار استودیو به ده ساعت افزایش یابد و در این صورت تهویه فعلی جوابگو نخواهد بود. اگر سیستم اولیه مقیاس پذیر طراحی شده باشد امکان توسعه با کمترین تغییرات را دارد و با تغییرات نه چندان زیاد و معقول می توان تهویه استودیو را مهیای ده ساعت کار در روز کرد. اما اگر مقیاس پذیر طراحی نشده باشد، باید هزینه گزافی کرد و سیستم تهویه جدیدی جایگزین نمود. پس مقیاس پذیری به معنای امکان توسعه سیستم در آینده بدون نیاز به تغییرات اساسی و زیاد است. مقیاس پذیری از موارد بسیار مهمی است که در زمان طراحی سیستم ها، باید به صورت شفاف مد نظر باشد. این الزام حتی ممکن است در قرارداد با پیمانکار نیز با دقت ذکر شود.
به همین قیاس، وقتی گفته می شود سیستمی مقیاس ناپذیر است، منظور این است که هزینه ای اضافی که باید در صورت افزایش در ترافیک استفاده از آن تقبل نمود، بیش از حد است یا اینکه سیستم اصلاً نمی تواند با این سطح افزایش مواجه شود و بدون مشکل کار کند. هزینه هم ممکن است به روشهای مختلفی از جمله زمان پاسخگویی، سربار پردازش، فضا، حافظه یا حتی پول در نظر گرفته شود. سیستمی که مقیاس مناسبی ندارد به هزینه های نیروی کار نیز می افزاید و یا به کیفیت خدمات آسیب می رساند، می تواند فرصت های درآمدی را به تأخیر بیاندازد یا کاربر را از برخی منافع محروم کند و در نهایت تنها راه چاره برای رفع مشکل این است که سیستم را باید تعویض نمود.
بگذارید با مثالی ملموس موضوع را توضیح دهیم. سانتری تلویزیونی را در نظر بگیرید که پنج استودیوی تلویزیونی دارد. ارتباط این استودیوها با پخش، از طریق نودال برقرار می شود. در نودال امکانات ضبط مهیاست. یعنی هم خروجی استودیوها و هم خطوط اکسترنالی که به نودال وارد می شوند را می توان با ریکوردهای نصب شده، روی هارد، ضبط نمود. در زمان طراحی نودال فرض بر این بوده که روزانه به حداکثر دوازده ساعت ضبط بیشتر نیاز نداریم. چون، برای کپی کردن از دستگاه A استفاده می شود که دارای پورت USB3.1 Gen1 با سرعت انتقال داده ی ۵GBPS است و محاسبه کرده اند با کیفیت مدنظر، مدت زمان کپی فایل ها معادل یک چهارمِ مدت زمان خود برنامه است. یعنی اگر مدت برنامه ای دو ساعت است، نیم ساعت طول می کشد تا فایل آن برای سفارش دهنده روی هارد اکسترنال کپی شود. با توجه به این که حداکثر تقاضای پیش بینی شده دوازده ساعت ضبط است و سه ساعت هم کپی فایل ها طول می کشد در یک شبانه روز(۲۴ ساعت) می توان به تقاضاها با یک دستگاه A پاسخ داد. نودال مدتی با این وضع کارمی کند. مسئولان تصمیم می گیرند شبکه های تلویزیونی جدیدی تأسیس کنند. با راه اندازی این شبکه ها، روزانه تقاضای بیست و دو ساعت ضبط در نودال، ایجاد شده است. با احتساب پنج و نیم ساعت زمان لازم برای کپی فایل ها بیست و هفت و نیم ساعت فعالیت در نودال در بیست و چهار ساعت لازم است. لذا با یک دستگاه A نمی توان به تقاضاها پاسخ داد. در این صورت لازم است دو دستگاه A به کار گمارده شوند. اما فرض کنید در زمان طراحی نودال، به جای دستگاه A از دستگاه B استفاده شده بود که سرعت کپی در آن ۲۰GBPS یعنی چهار برابر دستگاه A است. با دستگاه B مدت زمان کپی بیست و دو ساعت برنامه، کمتر از دو ساعت خواهد بود، یعنی جمعاً کمتر از بیست و چهار ساعت فعالیت. در نتیجه با یک دستگاه B تقاضاها پاسخ داده می شوند. در صورت اول با توسعه کار نودال، علاوه بر خرید یک دستگاه دیگر A باید اپراتور دومی نیز به کار گرفته شود. ولی کار با دستگاه B با یک نفر نیز امکان پذیر است. ضمن آن که تفاوت قیمت دو مدل دستگاه هم زیاد نیست. در اینجا می توان گفت طراحی با دستگاه B به مراتب مقیاس پذیرتر از طراحی با دستگاه A است. در این مثال ساده نکته ی مهم دیگری نیز نهفته است و آن این است که هر قدر برآورد واقعی تری از نیاز آینده نودال داشته باشیم.
در زمان طراحی دستمان برای طراحی با مقیاس پذیری بیشتر بازتر است. به یاد می آورم تصمیم گیری برای راه اندازی شبکه امید تا شروع پخش آزمایشی آن کمتر از یک هفته بود و متخصصان واحد فنی سیما سیستمی را که برای المپیک آماده کرده بودند برای راه اندازی این شبکه به کار گرفتند. یعنی تا یک هفته قبل از راه اندازی، کسی از این موضوع خبر نداشت. بدیهی است نبود تصمیمات راهبردی و رواج تصمیم گیری های آنی، راه را بر طراحی مقیاس پذیر می بندد و هزینه ها را افزایش می دهد. پس می توان گفت مقیاس پذیری برای سیستمی که در معرض تقاضای فزاینده است، جهت موفقیت بلندمدت آن، بسیار مهم است. در عین حال، مفهوم مقیاس پذیری و درک ما از عوامل بهبود یا کاهش آن مبهم و ذهنی و ناملموس است. بسیاری از طراحان سیستم ها و تحلیلگرانِ عملکرد، درک کلی و شهودی از مقیاس پذیری دارند، اما برایشان عوامل تعیین کننده همیشه واضح نیستند. زیرا این عوامل، از سیستمی به سیستم دیگر متفاوت است. این عوامل در مرحله طراحی سیستم – مثلاً طراحی یک استودیو- باید شناسایی شوند. آنگاه به راحتی می توان بررسی کرد که سیستم موجود یا پیشنهادی چه قابلیت ها و محدودیت هایی در مقیاس پذیری دارد.
یکی از نکات مهم در طراحی، توجه به این نکته است که منابع باید با عملکرد متعادل باشند. در اینجا مقیاس پذیری در مورد استفاده از منابع مرتبط با یک واحد کار ( مثلاً یک ساعت ضبط در نودال) است.
شکل ۱: قیمت به عملکرد، همچنین مشابه زمان، نشان دهنده مناطق قابل قبول در مقایسه با غیر قابل قبول است. اساساً محدودیتهایی وجود دارد که هزینه ها با ارزش بهبود عملکرد برابری نمی کند.
مدل مقیاس پذیری نشان داده شده در شکل ۱، در مورد چگونگی تغییر استفاده از منابع و هزینه ها زمانی است که واحدهای کار از نظر کمیت یا اندازه رشد می کنند. سپس مقیاس پذیری به «شکل منحنی نسبت قیمت به عملکرد» تبدیل می شود، برخلاف مقدار آن در هر نقطه از منحنی. این مدل می گوید گزینه هایی که هر دو را تأمین می کند زیر منحنی قرار می گیرند و گزینه های خارج از آن، مقیاس پذیری مطلوب را تأمین نمی کنند. مثلاً گزینه هایی که خارج از این ناحیه قرار می گیرند، نسبت به مزایاشان، آنقدر ارزش هزینه کردن ندارند. از منظر دیگری هم می توان به این موضوع پرداخت و آن این که در فناوری هر گاه بخواهیم طراحی انجام دهیم ناچاریم بین پارامترهای مطلوب بده – بستان (Trade off) برقرار کنیم. به این معنا که وقتی دو پارامتر مد نظر داریم، بهبود همزمان هر دو ممکن نیست و با ارتقای یکی دیگری بدتر می شود و باید به نقطه ای برسیم که هر دو نسبتاً نظرمان را تأمین کنند. مهندسان الکترونیک می دانند که در تقویت کننده ها افزایش گین، موجب کاهش پهنای باند می شود و برعکس. بنابراین در چنین شرایطی، طراح باید به نقطه بهینه ای دست یابد که به صورت نسبی، هر دو پارامتر، معقول باشند. از نظر ریاضی، می توان گفت، حاصل ضرب دو پارامتر از مقدار معینی کمتر است و اگر این رابطه را ترسیم کنیم به ناحیه ای شبیه آنچه در شکل ۱ نشان داده شده می رسیم.
اما شکل ۲ بیانگر این مفهوم است که در مدل ریاضیِ مقیاس پذیری خطی، هر چه اندازه سیستم یا ثبات آن، بالاتر رود، عملکرد یا ظرفیت کار آن نیز به صورت خطی افزایش یابد.
شکل ۲
در این مدل، شیب خط را عوامل متعددی تعیین می کنند؛ مانند سرعت، توان عملیاتی، تأخیر و غیره. ولی در واقعیت، سیستم هایی که از فناوری استفاده می کنند، به سادگی، مدل مقیاس بندی خطی را تا بی نهایت حفظ نمی کنند. مدل های خطی معمولاً در یک شیب معین تا جایی خطی اند و از آنجا به بعد، شیب تغییر می کند و رفتار سیستم روی منحنی ادامه می یابد و یا به صورت نوسانی ناپایدار می شود. مثال ملموس این موضوع، منحنی کشش فنر است.
قانون هوک می گوید؛ هر چه فنر با نیروی بیشتری کشیده شود به همان نسبت، طول فنر بیشتر می شود. ولی این منحنی خطی تا بی نهایت ادامه پیدا نمی کند و از جایی به بعد فنر خاصیت فنری خود را از دست می دهد و به صورت سیم صاف در می آید و اگر نیرو باز هم افزایش یابد، سیم دو تکه می شود.
یا در یک مرکز داده ، که خدمات ابری ارائه می کند، یکی از متغیرهایی که بر مقیاسپذیری تأثیر میگذارد تأخیر است. یعنی اگر با تغییر بار سیستم، میزان تأخیر به طور چشمگیری تغییر کند، ارزش خالص عملکرد سیستم کاهش می یابد. یا مثلاً در اینترنت ADSL معمولاً سرعت دانلود و آپلود به تعداد کاربرانی که در مسیر تا مرکز مخابراتی سرویس دریافت می کنند بستگی دارد. سیستمی مقیاس پذیرتر است که با افزایش حجم کاربران، سرعتش، کمتر کاهش پیدا می کند. اما این رابطه خطی تا بی نهایت برقرار نیست و از جایی بعد که کاربران زیاد می شوند، کل سرویس، مختل می شود. شناختن این نقطه برای طراح سیستم بسیار حیاتی است. زیرا طراحی باید به گونه ای صورت گیرد که در صورت افزایش بار یا تقاضای سیستم در هر مقدار محتمل، از این نقطه عبور نکنیم. مثال دیگر این است که طراح پل نباید بگوید من پلی طراحی کرده ام که همزمان، بیشتر از ۱۰۰ ماشین نباید روی آن تردد کنند و اگر تعداد بیشتر از این شد، پل فرو خواهد ریخت.
جام جهانی ۲۰۲۲ نمایش رویدادی مهم برای طرفداران فوتبال در سراسر جهان بود. اما زمانی که انگلیس در اولین بازی خود در جام جهانی مقابل ایران قرار گرفت، آی پلیر بی بی سی از کار افتاد . علیرغم این که بی بی سی بازیگر قابل توجهی در صنعت استریم در دنیا محسوب می شد، در نبرد مقیاس پذیری و انعطاف پذیری شکست خورد.
این نشان میدهد که مقیاس پذیری چقدر برای محصولات دیجیتال مهم است و اگر محصولات مقیاس پذیر نداشته باشیم، ممکن است محصول به اندازه کافی برای بقا و رشد در بازار و رقابت قوی نباشد.
اما سؤال این است که چرا لزوماً باید مقیاس پذیری را لحاظ کنیم؟ زیرا به جای آن می توانیم در صنعت برودکست، با هزینه کرد بیشتر و خرید گران قیمت تر، خیال خود را از بابت مقیاس پذیری و انعطاف پذیری مطلوب راحت کنیم. این دید در برودکسترهایی که از بودجه عمومی ارتزاق می کنند بسیار شایع است. این تفکر منجر به عدم بهره وری مدیریت هزینه ها و دارایی ها خواهد شد و در رقابت نیز عقب ماندگی ایجاد خواهد کرد.
اما مقیاس پذیری با چه استراتژی هایی انجام می شود. زمانی که تقاضاها افزایش می یابند، می توان با مساله به گونه های مختلفی مواجه شد. این که کدامیک از آن ها راه گشاتر است، بستگی به این امر دارد که در زمان طراحی، مقیاس پذیری سیستم را چگونه در نظر گرفته باشیم. با این راهبردها، مقیاس پذیری در تجهیزات، مدیریت عملکرد و فرآیندهای کاری و راهبردهای ناظر برآن ها تأمین
می شود.
پاسخگویی به تقاضای رو به رشد:
زمانی که تقاضا برای خدمت گرفتن از سیستم افزایش یابد به دو صورت می توان با ارتقای تجهیزات، به مقیاس سرویس، متناسب با تقاضا افزود. مقیاس بندی افقی و مقیاس بندی عمودی. مثال ضبط در نودال را به یاد بیاورید. وقتی می خواهید ظرفیت ضبط را بیشتر کنید، رویکرد مقیاس بندی افقی به شما امکان می دهد دستگاه های ضبط بیشتری را به زیرساخت خود اضافه کنید تا تقاضای افزایش یافته را مدیریت کنید. اما در رویکرد مقیاس بندی عمودی، به جای افزایش تعداد دستگاه ها، سخت افزار دستگاه های موجود را ارتقاء می دهید تا بهبود عملکرد و ظرفیت حاصل شود.
افزایش عملکرد و قابلیت اطمینان:
فرض کنید مراجعه به سرورها افزایش یابد. بدون اضافه کردن سرور جدید یا حتی ارتقای سخت افزار آن ها با توزیع بار در سرورها یا پیاده سازی تکنیک های متعادل کننده بار، می توان تاخیر را کاهش داد، بارهای اوج را به طور موثر مدیریت نمود. یا با برنامه ریزی مناسب برای تخصیص استودیو به برنامه ها می توان بهره وری استفاده از آن ها را بیشتر نمود.
برنامه ریزی ظرفیت موثر:
با سیستم های مقیاس پذیر، می توان نیازهای منابع را به طور دقیق پیش بینی کرد و بر اساس آن تخصیص را صورت داد تا از عملکرد بهینه، اطمینان حاصل و از تامین بیش از حد/کم استفاده از منابع جلوگیری شود. گاهی با اصلاح راهبردها و فرآیندها می توان برنامه ریزی استفاده از ظرفیت ها را بهبود بخشید. به عنوان نمونه فرض کنید راهبرد صدا و سیما این است که بیش از هفتاد درصد برنامه های استودیویی پخش زنده باشند. بدیهی است در بعضی از ساعات شبانه روز مانند پنج عصر تا دوازده شب تقاضای زیادی برای استفاده از استودیو وجود دارد و در بقیه ساعات، استودیوها بلا استفاده اند. یک راه این است که به دنبال ایجاد استودیوهای جدید برویم. راه دیگر این است که تهیه کنندگان را مجبور کنیم دکور برنامه هایشان را کوچک و پرتابل کنند تا در هر استودیو به برنامه های بیشتری سرویس داده شود. هر چند تقاضا در یک زمان مشترک، با این تمهید هم قابل پاسخگویی نیست. اما یک روش هم این است که در زنده بودن برنامه ها تجدید نظر صورت گیرد. اگر غالب برنامه ها ضبطی شوند، می توان زمان آفیش برنامه ها را در بیست و چهار ساعت توزیع نمود و از ظرفیت استودیوها استفاده بهتری نمود.
پس مقیاس پذیری نه تنها در زمان طراحی سیستم ها باید مد نظر باشد، بلکه در زمان تعیین راهبردها هم لازم است، به این موضوع مهم توجه داشت. بنابراین سازمان هایی که فناوری محورند و گستردگی دارند در به کارگیری فناوری های جدید باید از مدیریت مناسب فناوری بهره مند باشند. بد نیست به پیچیدگی سازمان های برودکست با استفاده از مدل الماس لیویت نگاهی کنیم.
در این مدل دیده می شود که تغییر فناوری بر همه شئون سازمان اعم از ساختار، اهداف و تکالیف و کارکنان اثر می گذارد. بنابراین تصمیم گیری برای به کار گیری فناوری، ملاحظاتی بسیار بیشتر از نکات فنی را می طلبد و نیازمند پیاده سازی مدیریت فناوری در سازمان است. آن هم در زمانی که فواصل عرضه فناوری های برودکست بسیار کم شده و گاهی سازمان ها تا خود را تطبیق دهند، فناوری های موجود، از رده خارج شده اند.
نکته آخر این که مانند بسیاری از حوزه های دیگر، هوش مصنوعی می تواند که در مقیاس پذیر کردن سیستم ها و غلبه بر مشکلات آن ها به ما کمک کند. به این موضوع باید جداگانه پرداخته شود.
صفحه ۳ نشریه تخصصی بسامد شماره ۱۳۸
