خبر در یک نگاه
- OpenAI با مهاجرت Habitat از پایتون به راست، مقیاسپذیری ذخیرهسازی آنلاین خود را بهبود داد.
- اکنون ۹۵٪ درخواستهای تولیدی توسط نسخه Rust سرویس مدیریت میشود.
- این تغییر باعث افزایش کارایی، کاهش مصرف منابع و آمادهسازی زیرساخت برای رشد بیشتر کاربران شد.
چه اتفاقی افتاد؟
OpenAI برای پاسخگویی به رشد بیسابقه کاربران محصولاتش، بهویژه ChatGPT، پلتفرم ذخیرهسازی آنلاین Habitat را از یک کتابخانه ساده پایتون به یک سرویس توزیعشده و در نهایت به زبان Rust بازنویسی کرد. این سرویس اکنون بیش از ۷۰ میلیون درخواست در ثانیه را برای بیش از ۱ میلیارد کاربر در هفته مدیریت میکند و بیش از ۵۰۰ پتابایت داده را پوشش میدهد.
در ابتدا، Habitat بهعنوان یک کتابخانه پایتون برای سادهسازی تعامل مهندسان محصول با پایگاه داده طراحی شد. اما با افزایش پیچیدگی محصولات و نیاز به هماهنگی گسترده برای هر تغییر، تیم OpenAI تصمیم گرفت منطق ذخیرهسازی را به یک سرویس مرکزی منتقل کند تا کنترل، امنیت و بهبودهای زیرساختی را تسهیل کند.
با وجود هزینههای بالاتر اجرای سرویس با پایتون، OpenAI این انتخاب را بهعنوان یک بدهی فنی موقت پذیرفت تا سریعتر به ثبات و توسعه APIهای اصلی برسد. اما با ادامه رشد و افزایش فشار بر منابع، بازنویسی سرویس به زبان Rust در سال ۲۰۲۶ انجام شد و اکنون تقریباً تمام ترافیک تولیدی از طریق نسخه Rust پردازش میشود.
این مهاجرت باعث شد کارایی CPU تا ۶ برابر و کارایی حافظه تا ۱۵ برابر نسبت به نسخه پایتون بهبود یابد و تأخیرهای متوسط و انتهایی بهطور قابل توجهی کاهش یابد.
اعداد کلیدی
- درصد درخواستهای تولیدی مدیریتشده توسط نسخه Rust: ۹۵٪ (۲۰۲۶، OpenAI)
- تعداد کاربران هفتگی ChatGPT: بیش از ۱ میلیارد نفر (۲۰۲۶، OpenAI)
- تعداد درخواستهای پردازششده در ثانیه: بیش از ۷۰ میلیون (۲۰۲۶، OpenAI)
- حجم داده مدیریتشده: بیش از ۵۰۰ پتابایت (۲۰۲۶، OpenAI)
چرا این خبر مهم است؟
این تحول نشاندهنده توانایی OpenAI در مدیریت زیرساختهای داده در مقیاس بسیار بزرگ و پاسخگویی به رشد سریع کاربران است. مهاجرت به Rust نهتنها هزینههای عملیاتی را کاهش داده، بلکه امکان ارائه تجربه کاربری سریعتر و پایدارتر را برای کاربران ChatGPT فراهم کرده است. همچنین، این تغییرات امنیت داده و کنترل مرکزی را تقویت کرده و زیرساخت را برای توسعه محصولات جدید و افزایش بار کاری آمادهتر میکند. برای شرکتهای ایرانی فعال در حوزه هوش مصنوعی، این تجربه میتواند الگویی برای مقیاسپذیری و بهینهسازی زیرساختهای داده باشد.
