Amazon apresenta ‘Resilient Network Graphs’, nova rede de data center que reduz hardware em 69% e aumenta a capacidade de processamento em 33% — agora padrão para a maioria das cargas de trabalho da AWS

Amazon apresentou uma nova arquitetura de rede para data centers, que promete aumentar o desempenho em até 33% e reduzir o consumo de energia em 40%. Essa inovação marca a primeira implementação em larga escala de uma rede plana baseada na teoria de grafos aleatórios. De acordo com informações coletadas em fóruns e comunidades gamers, a companhia começou a utilizar esse design em seus data centers no ano passado, tornando-se a rede padrão para a maioria das cargas de trabalho da AWS.

Essa nova arquitetura, chamada Resilient Network Graphs (RNG), substitui as tradicionais estruturas de rede hierárquicas que dominaram os data centers em nuvem por décadas. A proposta é uma arquitetura mais plana e quase aleatória, que otimiza a movimentação de dados entre servidores. A Amazon afirma que essa nova estrutura utiliza 69% menos dispositivos de rede do que as arquiteturas tradicionais e pode reduzir os custos de infraestrutura em até 45%, resultando em economias significativas ao redor do mundo.

A primeira implementação do RNG ocorreu em um data center em Dublin, em 2024, e posteriormente foi expandida para instalações na Alemanha e na Espanha. A AWS planeja adotar esse design em quase todos os novos data centers, formando a base para futuras implementações.

Historicamente, as conversas sobre data centers e capacidades de IA giram em torno de processamento e armazenamento. Contudo, a rede é um aspecto crucial dessa capacidade. Cada solicitação enviada de um dispositivo para um aplicativo em nuvem, banco de dados ou serviço de armazenamento depende de dados que se movem rapidamente entre milhares de servidores. À medida que as instalações se expandem, garantir que as informações cheguem ao destino de forma rápida e eficiente se torna um desafio crescente.

Por décadas, muitos data centers de grande escala usaram uma estrutura de rede hierárquica chamada topologia “fat-tree”. Nesse modelo, os dados se movem para cima e para baixo por camadas de switches e roteadores organizados em uma hierarquia semelhante a uma árvore. Embora seja um método comprovado, ele pode criar gargalos e sobrecarregar a largura de banda disponível.

Pesquisadores já teorizaram que uma rede mais plana, baseada em princípios de grafos aleatórios, poderia solucionar muitos desses problemas. Em vez de forçar o tráfego por camadas predefinidas, essa estrutura conecta roteadores de forma distribuída, criando vários caminhos possíveis entre os pontos finais. Teoricamente, isso melhora a resiliência e a utilização da largura de banda, além de reduzir a probabilidade de congestionamento.

Embora a teoria exista há mais de uma década, desafios práticos têm dificultado a implementação das redes de grafos aleatórios em grande escala. A AWS superou esses obstáculos com inovações em software e hardware. A primeira delas é um protocolo de roteamento personalizado chamado Spraypoint, que distribui o tráfego por vários caminhos disponíveis, em vez de focar apenas no caminho mais curto. A segunda inovação é um dispositivo óptico passivo chamado ShuffleBox, que organiza e padroniza a imensa quantidade de cabeamento necessária para construir a rede em grande escala.

Esse novo modelo proporciona um movimento de dados cerca de um terço mais rápido que os designs convencionais e exige significativamente menos switches e roteadores. Como resultado, há uma redução tanto nos gastos de capital quanto nos custos operacionais, além de uma diminuição no consumo de energia.

A crescente complexidade e capacidade dos modelos de IA, bem como o aumento de suas bases de usuários, exigem que os provedores de serviços continuem otimizando toda a pilha tecnológica. Avanços em chips, sistemas de resfriamento, fornecimento de energia, armazenamento, interconexões ópticas e redes são todos essenciais para sustentar esse crescimento. A AWS vê o RNG como uma vantagem estratégica e considera que sua implementação em larga escala, baseada na teoria de grafos aleatórios, representa um marco que oferecerá maior confiabilidade e desempenho, além de economizar bilhões de dólares e reduzir emissões de CO2.