استخدمت Salesforce ميزة Inference Component placement في SageMaker AI لتوزيع نسخ النماذج عبر مناطق توفر متعددة، مما حقق متطلبات الامتثال للتوفر العالي مع الحفاظ على كفاءة التكلفة.

1 دقيقة قراءة

Salesforce يعتمد SageMaker Inference Components لتحقيق توفر عالٍ متعدد مناطق التوفر

ملخص

نشرت AWS تدوينة تشرح كيف استخدمت Salesforce ميزة Inference Component placement في SageMaker AI لتوزيع نسخ النماذج عبر مناطق توفر (Availability Zones) متعددة. يهدف هذا الحل إلى تلبية متطلبات التوفر العالي (Multi-AZ HA) دون التضحية بكفاءة التكلفة التي توفرها استضافة نماذج متعددة على نفس البنية التحتية.

التفاصيل التقنية

تتيح معلمة SchedulingConfig في SageMaker AI للمستخدمين تحديد توزيع نسخ النماذج عبر مناطق AZ. استخدمت Salesforce هذه الميزة لضمان استمرارية الخدمة حتى في حال فشل إحدى المناطق، مع الحفاظ على الاستخدام الأمثل للموارد.

مقارنة مع الحلول التقليدية

  • النهج التقليدي: نشر نسخ كاملة من النماذج في كل منطقة، مما يضاعف التكاليف.
  • نهج Salesforce: استخدام Inference Components لتوزيع النماذج ديناميكيًا، مما يقلل التكلفة مع تحقيق نفس مستوى التوفر.

الأهمية للمؤسسات في الشرق الأوسط

مع تزايد تبني الحوسبة السحابية في المنطقة، وخصوصًا في القطاعات الحكومية والمالية التي تتطلب امتثالًا صارمًا للتوفر، يقدم هذا الحل نموذجًا عمليًا لتحقيق التوازن بين الامتثال والتكلفة.


ملاحظة للمراجعة البشرية: تحقق من صحة المعلومات التقنية حول SchedulingConfig وتأكد من ملاءمتها لسياقات المنطقة.

أسئلة شائعة

ما هي Inference Components في SageMaker AI؟

هي مكونات برمجية تسمح بتوزيع نسخ النماذج عبر موارد حوسبة متعددة، مع تحكم دقيق في التنسيب (placement) لتحقيق أهداف التوفر والأداء.

كيف يساعد هذا المؤسسات في الشرق الأوسط؟

يمكن للمؤسسات في المنطقة تلبية متطلبات الامتثال المحلية للتوفر العالي (مثل معايير هيئة الاتصالات) دون زيادة التكاليف، مما يعزز اعتماد الحلول السحابية.

هل يؤثر هذا على أداء النماذج؟

لا، فالتوزيع عبر مناطق التوفر يحسن التوفر دون التأثير على زمن الاستجابة، خاصة مع آليات التوجيه الذكية.

المصدر: AWS Machine Learning

محتوى بمساعدة الذكاء الاصطناعي، مراجع بشرياً.