การมาถึงของกระบวนทัศน์ (Paradigm) ด้าน Cloud Computing และภาระงาน (Workloads) ด้านปัญญาประดิษฐ์ (AI) ได้เปลี่ยนแปลงรูปแบบการจราจรข้อมูล (Traffic Patterns) ภายใน Data Center อย่างมีนัยสำคัญ โดยเปลี่ยนจากรูปแบบ North-South (Client-to-Server) ไปสู่รูปแบบ East-West (Server-to-Server) ที่มีปริมาณมหาศาล สถาปัตยกรรมเครือข่ายแบบลำดับชั้น 3-Tier ดั้งเดิม (Traditional 3-Tier Architecture) ซึ่งมีข้อจำกัดด้านความหน่วงแฝง (Latency) และปัญหาคอขวด (Bottlenecks) ไม่สามารถตอบสนองความต้องการเหล่านี้ได้อย่างมีประสิทธิภาพ บทความนี้วิเคราะห์ว่า Network Fabric โดยเฉพาะอย่างยิ่งสถาปัตยกรรม Spine-Leaf ได้กลายเป็นองค์ประกอบพื้นฐานที่จำเป็น (Indispensable Component) หรือ “หัวใจ” (Core) ที่ขาดไม่ได้ ซึ่งมอบประสิทธิภาพ (Performance), ความสามารถในการขยายขนาด (Scalability) และความคล่องตัว (Agility) ที่จำเป็นต่อการปลดล็อกศักยภาพสูงสุดของสภาพแวดล้อม Cloud และ AI

การเปลี่ยนผ่านสู่ยุคดิจิทัล (Digital Transformation) ได้ผลักดันให้องค์กรต่างๆ นำเทคโนโลยี Cloud (ทั้ง Private, Public และ Hybrid) และ Artificial Intelligence (AI) มาใช้เป็นแกนหลักในการดำเนินงาน เทคโนโลยีเหล่านี้มีคุณลักษณะร่วมกันคือ การประมวลผลแบบกระจาย (Distributed Computing) ซึ่งส่งผลกระทบโดยตรงต่อโครงสร้างพื้นฐานเครือข่ายของ Data Center

ในอดีต สถาปัตยกรรมเครือข่าย 3-Tier (Access, Distribution, Core) ถูกออกแบบมาเพื่อรองรับการจราจรข้อมูลแบบ North-South ซึ่งข้อมูลวิ่งจากภายนอก (User) เข้าสู่ศูนย์กลาง (Server) อย่างไรก็ตาม ภาระงานสมัยใหม่ได้ก่อให้เกิดการจราจรแบบ East-West ในปริมาณมหาศาล อันเนื่องมาจาก

  1. Cloud Computing สถาปัตยกรรม Microservices ทำให้แอปพลิเคชันถูกแบ่งเป็นบริการย่อยๆ ที่สื่อสารระหว่างกันตลอดเวลา
  2. AI/ML การฝึกโมเดล (Model Training) ต้องการการประมวลผลแบบขนาน (Parallel Processing) บน Cluster ของ GPU/TPU ซึ่งต้องมีการซิงโครไนซ์ข้อมูลระหว่างโหนด (Node) อย่างต่อเนื่อง

ข้อจำกัดของสถาปัตยกรรมเครือข่าย 3-Tier ดั้งเดิม (Limitations of Traditional 3-Tier Architecture)

โครงสร้าง 3-Tier แบบดั้งเดิมประสบปัญหาเชิงโครงสร้างหลายประการเมื่อต้องรับมือกับภาระงานยุคใหม่

  • Bottlenecks and Underutilization เพื่อป้องกัน Layer 2 Loops สถาปัตยกรรมนี้ต้องพึ่งพา Spanning Tree Protocol (STP) ซึ่งจะทำการบล็อก (Block) พอร์ตสำรอง ทำให้แบนด์วิดท์ที่มีอยู่ถูกใช้งานได้ไม่เต็มประสิทธิภาพ (มักจะ Active-Standby) และไม่สามารถทำ Load Balancing ข้ามเส้นทางได้อย่างแท้จริง
  • High and Unpredictable Latency การจราจรแบบ East-West ต้องเดินทางผ่านหลาย Hop (เช่น Access -> Distribution -> Core -> Distribution -> Access) ซึ่งแต่ละ Hop จะเพิ่ม Latency และสร้างความผันผวน (Jitter) ส่งผลกระทบโดยตรงต่อประสิทธิภาพของแอปพลิเคชันที่อ่อนไหวต่อเวลา (Time-Sensitive Applications)
  • Complex Scalability การขยายระบบ (Scaling) ในแนวตั้ง (Scale-Up) ที่ชั้น Distribution หรือ Core นั้นมีค่าใช้จ่ายสูงและซับซ้อนในการดำเนินการ

Network Fabric: สถาปัตยกรรมใหม่เพื่อประสิทธิภาพสูงสุด (Network Fabric: A New Architecture for Optimal Performance)

Network Fabric คือสถาปัตยกรรมเครือข่ายที่มองอุปกรณ์ทั้งหมดเป็น “ผืนผ้า” (Fabric) เชิงตรรกะหนึ่งเดียว โดยมีสถาปัตยกรรม Spine-Leaf เป็นรูปแบบที่ได้รับความนิยมสูงสุด

1 หลักการออกแบบ Spine-Leaf ประกอบด้วยอุปกรณ์ 2 ชั้น คือ Leaf (เชื่อมต่อกับ Endpoints เช่น เซิร์ฟเวอร์) และ Spine (ทำหน้าที่เป็น Backbone) โดยมีกฎว่า Leaf ทุกตัวต้องเชื่อมต่อกับ Spine ทุกตัว และจะไม่มีการเชื่อมต่อระหว่าง Leaf-Leaf หรือ Spine-Spine

2 คุณประโยชน์เชิงเทคนิค

  1. ECMP (Equal-Cost Multi-Pathing) Network Fabric ทำงานที่ Layer 3 (มักใช้ BGP) และใช้ ECMP ทำให้ทุกเส้นทางระหว่าง Leaf สามารถใช้งานได้พร้อมกัน (Active-Active) เป็นการขจัดปัญหา STP และใช้แบนด์วิดท์ได้เต็มประสิทธิภาพ
  2. ความหน่วงแฝงต่ำและคงที่ (Low and Predictable Latency) การสื่อสารแบบ East-West ใดๆ จะมีจำนวน Hop คงที่เสมอ (สูงสุด 2 Hops: Leaf-Spine-Leaf) ทำให้ Latency ต่ำและคาดเดาได้
  3. การขยายขนาดแนวนอน (Horizontal Scalability) สามารถเพิ่มแบนด์วิดท์ (โดยการเพิ่ม Spine) หรือเพิ่มพอร์ต (โดยการเพิ่ม Leaf) ได้อย่างง่ายดาย (Scale-Out) โดยไม่กระทบต่อการออกแบบโดยรวม

การวิเคราะห์ความเชื่อมโยง ทำไม Cloud และ AI ต้องพึ่งพา Network Fabric (Analysis of the Dependency: Why Cloud and AI Rely on Network Fabric)

Network Fabric ไม่ได้เป็นเพียงการปรับปรุงเครือข่าย แต่เป็น “หัวใจ” ที่เปิดใช้งาน (Enabler) ภาระงานสมัยใหม่

1. สำหรับ Cloud Computing (Microservices and Virtualization)

  • Agility and Automation Network Fabric มักถูกบริหารจัดการโดย Software-Defined Networking (SDN) Controller และใช้เทคโนโลยี Overlay (เช่น VXLAN) เพื่อสร้างเครือข่ายเสมือน (Virtual Networks) ได้อย่างรวดเร็ว ซึ่งสอดคล้องกับธรรมชาติความยืดหยุ่น (Elasticity) ของ Cloud
  • Performance การสื่อสารระหว่าง Microservices ที่มีความถี่สูง (Chatty) ต้องการ Latency ที่ต่ำและคงที่ ซึ่งสถาปัตยกรรม Spine-Leaf ตอบโจทย์นี้ได้โดยตรง

2. สำหรับ Artificial Intelligence (Distributed Training)

  • High Throughput การฝึกโมเดล AI ขนาดใหญ่ (เช่น Large Language Models – LLMs) ต้องการการส่งข้อมูล (เช่น Gradients) ระหว่าง GPU/TPU จำนวนมากพร้อมๆ กัน สถาปัตยกรรม Spine-Leaf ที่ไม่มีการบล็อก (Non-Blocking) และใช้ ECMP ช่วยให้มั่นใจได้ว่ามีแบนด์วิดท์เพียงพอ
  • Lossless Operation ภาระงาน AI (โดยเฉพาะที่ใช้ RDMA/RoCE) อ่อนไหวต่อการสูญเสียแพ็กเก็ต (Packet Loss) มาก Network Fabric สมัยใหม่ถูกออกแบบมาเพื่อรองรับการทำงานแบบ Lossless เพื่อป้องกัน “GPU Starvation” (ภาวะที่ GPU ต้องหยุดรอข้อมูล) ซึ่งส่งผลโดยตรงต่อระยะเวลาและต้นทุนในการฝึกโมเดล

Conclusion

การเปรียบเทียบ Network Fabric ว่าเป็น “หัวใจ” ของ Cloud และ AI นั้นตั้งอยู่บนพื้นฐานข้อเท็จจริงเชิงสถาปัตยกรรม ในขณะที่ Cloud และ AI เปรียบเสมือน “สมอง” ที่ประมวลผลข้อมูลอันซับซ้อน Network Fabric ก็คือ “ระบบไหลเวียนโลหิต” (Circulatory System) ที่ต้องมีประสิทธิภาพสูง เพื่อส่งถ่ายข้อมูล (Data) ซึ่งเปรียบเสมือน “ออกซิเจน” ไปยังทุกส่วนอย่างรวดเร็วและไม่ติดขัด

สถาปัตยกรรม 3-Tier ดั้งเดิมได้กลายเป็นอุปสรรคสำคัญ (Significant Impediment) ที่จำกัดศักยภาพของเทคโนโลยีเหล่านี้ การเปลี่ยนผ่านสู่ Network Fabric แบบ Spine-Leaf จึงไม่ใช่เพียง “ทางเลือก” ในการอัปเกรด แต่เป็น “ความจำเป็น” (Imperative) เชิงกลยุทธ์ สำหรับองค์กรที่ต้องการสร้าง Data Center ยุคใหม่ที่พร้อมรองรับนวัตกรรมแห่งอนาคตอย่างแท้จริง

อ่านบทความเพิ่มเติมที่ :  https://www.itbtthai.com/category/itbt-activities/

เรียบเรียงโดย : อลิตา จันทร์เพ็ชร