Компания Amazon реализовала новую архитектуру сетей дата-центров, которая ускоряет передачу данных и снижает энергопотребление. Об этом пишет Wired.
В основе решения — «квазислучайная» топология. В AWS утверждают, что работают над ней с 2023 года, внедрение в инфраструктуру началось в конце 2025. Для проекта компания разработала собственное оптическое устройство ShuffleBox, которое автоматически перемешивает кабельные соединения между маршрутизаторами.
Вице-президент AWS Network Engineering Мэтт Редер заявил, что команде удалось «выровнять сеть» и убрать узкие места, характерные для традиционных архитектур. По его словам, Amazon первой масштабировала такой подход до уровня реальной инфраструктуры.
В апреле компания выпустила научную работу RNG: Flat Datacenter Networks at Scale. RNG — resilient network graphs.
Согласно Amazon, по сравнению с классическими сетями архитектура RNG:
требует на 69% меньше маршрутизаторов и коммутаторов;
увеличивает пропускную способность на 33%;
снижает энергопотребление на 40%;
сокращает операционные расходы на 27%.
Первый запуск состоялся в Дублине в 2024 году. Затем архитектуру развернули в Германии и Испании. Сейчас большинство новых дата-центров AWS строятся с использованием RNG.
С середины 1980-х дата-центры в основном используют топологию fat-tree — многоуровневую иерархию коммутаторов. Она надежна, но жестка и требует сложной кабельной инфраструктуры. Сеть Amazon соединяет около 20 млн км оптоволокна.
Отправной точкой для проекта стала концепция Jellyfish, предложенная в 2012 году исследователями Иллинойсского университета. Она предполагала случайную графовую топологию как альтернативу fat-tree, но создавала проблемы с маршрутизацией и разводкой кабелей.
По словам одного из авторов работы Джакомо Бернарди, команда сначала тестировала более регулярную схему, вдохновленную мозаикой Пенроуза. Симуляции показали слабую устойчивость и скромный прирост эффективности. В итоге инженеры перешли к квазислучайной модели.
В AWS подчеркнули: архитектура не создавалась специально под генеративный ИИ. Паттерны обучения моделей слишком централизованы для случайного графа. Речь идет об оптимизации базовой сетевой инфраструктуры.
Напомним, крупнейший региональный оператор по передаче электроэнергии США PJM Interconnection сообщил, что бум дата-центров привел к дополнительным расходам в размере $23,1 млрд только в его зоне ответственности.
