اپل در یک اقدام نوآورانه در پاییز ۱۴۰۵ (اکتبر ۲۰۲۶)، از سیستم توزیع‌شده‌ای به نام «Minions» رونمایی کرد که با بهره‌گیری از توان پردازشی بلااستفاده GPU در رایانه‌های Mac، یک ابر مجازی برای اجرای بارهای کاری سنگین استنتاج (Inference) هوش مصنوعی ایجاد می‌کند. این راهکار مهندسی، چالش محدودیت منابع گرافیکی متمرکز را با تبدیل دیوایس‌های موجود در شبکه به یک کلاستر یکپارچه حل کرده است.
گذار از صف‌های طولانی به استنتاج بلادرنگ
پیش از پیاده‌سازی زیرساخت Minions، تیم‌های مهندسی اپل با معضل صف‌های انتظار طولانی برای دسترسی به GPU مواجه بودند که گاهی اوقات بیش از ده ساعت به طول می‌انجامید. سیستم جدید، با بهره‌گیری از معماری توزیع‌شده، منابع پردازشی دستگاه‌های در حال استراحت (Idle) را شناسایی کرده و به صورت پویا به کارهای استنتاج اختصاص می‌دهد. طبق مستندات فنی، با این روش، زمان انتظار برای شروع پردازش از چند ساعت به تنها چند دقیقه کاهش یافته است.
معماری فنی و مؤلفه‌های سیستم Minions
سیستم Minions بر پایه یک معماری ماژولار طراحی شده است که پایداری و تحمل خطای بالایی را تضمین می‌کند. این پلتفرم از چهار بخش اصلی تشکیل شده است:
- Minion Server: لایه هماهنگ‌کننده اصلی که درخواست‌های کاربران را دریافت و آن‌ها را به زیروظایف (Subtasks) قابل اجرا خرد می‌کند.
- PostgreSQL Metadata Store: پایگاه داده‌ای که برای مدیریت متادیتای وظایف و وضعیت کلاستر استفاده می‌شود.
- Minion Executor: واحد اجرایی که وظایف استنتاج را بر روی GPU دستگاه Mac اجرا کرده و نتایج را به محیط‌های ذخیره‌سازی ابری نظیر S3 منتقل می‌کند.
- Minion Watchdog: ناظر سیستم که پایداری کلاستر را بررسی می‌کند؛ این بخش در صورت عدم پاسخگویی یک Mac در شبکه، وظایف محوله را بازتوزیع می‌کند.
مشخصات و قابلیت‌های زیرساختی
- پشتیبانی از کلاسترینگ از طریق پروتکل RDMA (Remote Direct Memory Access) بر بستر Thunderbolt 5.
- امکان ترکیب توان محاسباتی و حافظه چندین دستگاه برای بارگذاری مدل‌های هوش مصنوعی بزرگ که در حافظه محلی یک دستگاه واحد جا نمی‌شوند.
- یکپارچگی با داشبوردهای Grafana برای پایش لحظه‌ای عملکرد کلاستر و وضعیت منابع.
- تمرکز بر بازتوزیع منابع موجود در شبکه به جای تلاش برای رقابت با کلاسترهای متمرکز Nvidia.
تفاوت راهبردی با معماری‌های سنتی
در حالی که کلاسترهای مبتنی بر GPUهای انویدیا بر مقولاتی نظیر Throughput (توان عملیاتی) و Latency (تأخیر) برای آموزش مدل‌های عظیم متمرکز هستند، اپل در Minions اولویت خود را بر بهره‌وری از سخت‌افزار موجود و افزایش Availability (در دسترس بودن) منابع گذاشته است. این رویکرد هوشمندانه باعث می‌شود تا به جای خرید سخت‌افزارهای گران‌قیمت جدید، از پتانسیل نهفته در دستگاه‌های موجود در اکوسیستم اپل سیلیکون (Apple Silicon) استفاده شود.
نتیجه‌گیری
استفاده از Minions نشان می‌دهد که اپل چگونه با ترکیب سخت‌افزارهای قدرتمند خود و دانش مدیریت توزیع‌شده، می‌تواند بهره‌وری عملیاتی را به شدت افزایش دهد. این مدل، الگوی جذابی برای سازمان‌های بزرگی است که به جای سرمایه‌گذاری سنگین در زیرساخت‌های متمرکز، تمایل دارند از توان بلااستفاده سیستم‌های توزیع‌شده در شبکه داخلی خود بهره‌برداری کنند.
