A Red Hat e a SoftBank acabaram de firmar uma parceria estratégica no Mobile World Congress (MWC) para otimizar ainda mais o consumo de energia e o desempenho de rede AI-RAN utilizando o Red Hat OpenShift, plataforma de aplicativos em nuvem híbrida líder do setor, impulsionada pelo uso de Kubernetes. A partir dessa colaboração, Red Hat e SoftBank pretendem endereçar muitos dos desafios de longa data que os provedores de serviços enfrentam na implementação de RAN (Rede de Acesso por Rádio), como, por exemplo, equilibrar a demanda dos usuários com o aumento dos custos de energia, viabilidade de recursos e o gerenciamento de cargas de trabalho direcionadas e distribuídas.
Ao ter uma plataforma comum como o Red Hat OpenShift, que reúne IA e RAN, os provedores de serviços podem ajustar parâmetros de rede para atender diferentes volumes de demanda e otimizar suas operações para ganhar mais agilidade. Como parte da parceria, SoftBank e Red Hat estão desenvolvendo o AITRAS, solução desenvolvida a partir do Red Hat OpenShift que conecta IA e RAN em um único software. O AITRAS oferece um sistema aprimorado para a orquestração e otimização de rede capaz de promover o suporte para aplicativos virtualizados baseados em IA e RAN, permitindo que fornecedores de serviços operem diferentes aplicações com maior consistência e flexibilidade.
Além disso, o SoftBank está colaborando com a Red Hat para usar tecnologias orientadas pela comunidade, como o Kepler, um projeto open source fundado pela líder de open source, para auxiliar provedores de serviços a reduzir os custos de energia, fornecendo métricas mais precisas sobre o uso de eletricidade dentro de aplicativos e maneiras de reduzir gastos. Essas métricas irão ser integradas ao orquestrador AITRAS, da SoftBank para equilibrar o consumo elétrico entre diferentes sites e, assim, otimizar o uso de energia. Utilizando o Red Hat OpenShift e suas ferramentas de monitoramento de energia, a solução da SoftBank pode ajudar os provedores de serviços a:
● Otimizar o uso de workloads (cargas de trabalho) dentro de computadores e GPUs de acordo com as métricas de consumo de energia em ambientes distintos, mantendo ainda um desempenho aprimorado.
● Habilitar medições leves de energia, utilizando o Red Hat OpenShift e o Kepler dentro do ambiente de Berkeley Packet Filter (eBPF) estendido para coleta de dados em nível de kernel, para ajudar a reduzir a sobrecarga e melhorar a eficiência energética.
● Obter cálculos mais precisos do consumo de energia da GPU, tanto dentro dos processos Linux quanto em pods e Kubernetes, por meio do sistema de observabilidade presente nos ambientes Red Hat OpenShift e Kepler, o qual permite que provedores de serviços identifiquem granularidades em GPUs múltiplas instâncias (MIG) e diferentes dispositivos de GPU.
