با واحد پردازش SQL آشنا شوید؟

تمام این نوآوری که ما شاهد آن هستیم، بر راه های جدیدی برای دسترسی به آن داده ها (معروف به “ابر”) و سرعتی که با آن می توانیم حجم عظیمی از داده ها را به چیزی مفید تبدیل کنیم، متمرکز است. نه برای کاهش نوآوری واقعی که در اینجا اتفاق می‌افتد، اما مانند بقیه فناوری‌ها بر اساس معاوضه‌هایی انجام می‌شود – سرعت در یک ناحیه دیگری را کاهش می‌دهد، بهینه‌سازی برای خوانایی و نوشتن کند می‌شود.

هدف یک تراشه این است که نرم افزار را تا حد امکان کارآمد اجرا کند. در گذشته، همه اینها را می‌توان با یک CPU انجام داد، به خصوص زمانی که اینتل در قانون مور پیشرو بود. همیشه یک CPU سریعتر وجود داشت که می توانست هر مشکل پردازشی را حل کند.

برای پایگاه های داده، شباهت های قابل توجهی وجود دارد. پایگاه‌های داده قبلاً در طراحی خود نسبتاً “کارآمد” هستند، آنها از ابتدا بسیار بهینه شده‌اند. کسی باید بتواند تراشه ای طراحی کند که مستقیماً پایگاه داده را منعکس کند. مشکل این است که “پایگاه های داده” یک چیز واحد نیستند، آنها فقط صفحات گسترده غول پیکر از ردیف ها و ستون ها نیستند. آنها در طعم‌های مختلف وجود دارند – برخی داده‌ها را در ردیف‌ها، برخی دیگر در ستون‌ها، برخی دیگر به‌عنوان گروه‌بندی از اشیاء ناهمگن (مثلاً عکس‌ها، ویدیوها، توییت‌های مخرب و غیره) ذخیره می‌کنند. تراشه ای که برای یکی از آن ها طراحی شده است برای یکی دیگر به خوبی کار نخواهد کرد.

همیشه یک CPU سریعتر وجود داشت که می توانست هر مشکل پردازشی را حل کند.

یادداشت ویراستار:
نویسنده مهمان، جاناتان گلدبرگ، بنیانگذار D2D Advisory، یک شرکت مشاوره چند منظوره است. جاناتان استراتژی‌های رشد و اتحادهایی را برای شرکت‌هایی در صنعت موبایل، شبکه، بازی و نرم‌افزار ایجاد کرده است.

اکنون برای روشن شدن، شرکت ها برای مدت طولانی تراشه هایی را برای بهینه سازی داده ها طراحی کرده اند. سازندگان ذخیره سازی مانند وسترن دیجیتال و فوجیتسو اجزای برجسته در لیست شرکت های سیلیکونی داخلی ما هستند. آنها تراشه هایی می سازند که ذخیره سازی آنها را روی سخت افزار آن شرکت ها بهینه می کند. اما ما فکر می‌کنیم که همه چیز فراتر می‌رود، جایی که شرکت‌ها شروع به طراحی تراشه‌هایی می‌کنند که در لایه‌ای بالاتر از مدیریت بیت‌های فیزیکی کار می‌کنند.

بیشتر این مزیت از این واقعیت ناشی می شود که پردازنده های گرافیکی متفاوت از CPU ها چیده شده بودند. در روزهای اولیه GPU ها، الگوریتم های مدیریت گرافیک برای بیشتر کاربردها (یعنی بازی) نسبتاً رایج بود. و پردازنده‌های گرافیکی در ابتدا برای تکرار ریاضی در آن الگوریتم‌ها طراحی شدند. تقریباً می توانید به معماری یک GPU نگاه کنید و بلوک های جداگانه را با شرایط مختلف آن معادلات ترسیم کنید. این فرآیند اکنون در بسیاری از زمینه های دیگر در حال بازتولید است.

بسیاری از پیشرفت‌هایی که در پایگاه‌های داده و شرکت‌هایی مانند Snowflake و Data Dogs مشاهده می‌کنیم، ناشی از استفاده از شبکه‌های سریع‌تر و محاسبات قدرتمندتر است که همه این‌ها را ممکن می‌سازد. با توجه به دیدگاه ما نسبت به تغییراتی که پیرامون محاسبات رخ می دهد، اخیراً در حال بررسی مناطقی بوده ایم که تراشه های سفارشی می توانند در اینجا تأثیر داشته باشند. به نظر می‌رسد که همه این پیشرفت‌ها در پردازش داده‌های ابری، خود را به تراشه‌هایی با هدف بسیار خاص وامی دارد.

این کار در حال حاضر اتفاق می افتد. شرکت هایی مانند Fungible در حال حاضر در این مسیر بسیار پیش رفته اند. بسیاری از مشکلاتی که شرکت های بزرگ اینترنتی با تراشه های داخلی خود حل می کنند، به نوعی به این مشکل حمله می کنند. ما باید تصور کنیم که گوگل چیزی حتی پیشرفته تر در این مسیر در دست ساخت دارد.

حتی قبل از کند شدن قانون مور، برنامه‌های کاربردی خاصی به دلیل نیاز به راه‌حل بهتر برجسته بودند. نمونه بارز آن گرافیک بود. GPU ها فقط می توانند عملیات گرافیکی را کارآمدتر از CPU اجرا کنند و بنابراین، GPU ها رایج شدند.

یک موضوع بزرگ در پایگاه های داده، مبادله بین تجزیه و تحلیل و ذخیره داده ها است. برخی از پایگاه‌های داده صرفاً مخازن بزرگی از داده‌ها هستند که فقط در مواردی نیاز به دسترسی دارند، اما داده‌هایی که باید در زمان واقعی تجزیه و تحلیل شوند بسیار مهم‌تر هستند. این به طور ایده آل شامل نگه داشتن داده ها در حافظه نزدیک به پردازشگر است که آن تصمیمات بلادرنگ را می گیرد. بدون عمیق شدن بیش از حد به علف های هرز، چندین رویکرد مختلف وجود دارد که می توان هنگام بهبود ابزار پایگاه داده در سیلیکون انجام داد. هر کدام از اینها شرکتی است که منتظر تبدیل شدن به یک تک شاخ است.

در متن: پایگاه های داده در حال حاضر در یک عصر طلایی قرار دارند. حجم عظیمی از پیشرفت در نحوه ذخیره و دسترسی ما به داده ها و اطراف آن در حال وقوع است. دنیا به «داده‌ها» وسواس دارد، و در حالی که ما آن را «نفت جدید» نمی‌خوانیم، توانایی ما برای دستکاری و تجزیه و تحلیل داده‌ها همچنان به روش‌های مهمی پیشرفت می‌کند. اما در قلب آنها، پایگاه های داده چیزهای نسبتاً ساده ای هستند – مخازن داده ها.