За последний год цены на HBM и DRAM выросли на 170%, и дефицит памяти внезапно оказался для ИТ-команд не менее жестким ограничением, чем дефицит вычислительных мощностей. Для русскоязычных команд это сигнал вполне практический: в эпоху, когда все гонятся за GPU, bottleneck все чаще сидит не в чипах как таковых, а в RAM, лицензировании и банальной неэффективности уже купленной инфраструктуры.
Как пишет The New Stack, проблема особенно заметна в корпоративной виртуализации и гибридных средах, где память из тихого фонового ресурса превратилась в дорогой и дефицитный актив. На ситуацию наложились сразу несколько факторов: архитектурные ограничения железа, нестабильность цепочек поставок полупроводников, рост AI-нагрузок и изменение моделей лицензирования. В результате компании уже не могут просто докупать ресурсы по привычной схеме «берем с запасом». Запас теперь обходится слишком дорого.
В материале речь идет о том, что именно искусственный интеллект, который заметно подогрел спрос на память, теперь предлагают использовать для обратной задачи: поиска избыточности, перераспределения ресурсов и более точного планирования в виртуализированной инфраструктуре. The New Stack ссылается на оценки HPE: если перейти от закупок «на глаз» к анализу реальной телеметрии, компании могут сократить цикл принятия решений до 80% и снизить затраты до 50%. Это, конечно, не магия и не бесплатный апгрейд, а скорее наведение порядка там, где годами царил инфраструктурный фэншуй уровня «на всякий случай выделим побольше».
Показательно, что HPE прямо связывает нынешний дефицит памяти с AI-бумом. Многие AI-нагрузки завязаны на продвинутые типы памяти, поэтому производители чипов смещают приоритеты с DDR4 на DDR5, а это дополнительно сжимает предложение на старых типах RAM. Эффект чувствуется не только в крупных дата-центрах: по данным из материала, даже персональные компьютеры за год подорожали на 15-30%. Параллельно крупнейшие игроки вроде Microsoft, Google, Amazon и Meta активно выкупают AI-чипы, усиливая давление на всю цепочку поставок. В такой среде любой CIO быстро обнаруживает, что «поставим еще серверов» больше не звучит как рабочий план.
Отдельно интересно, что авторы материала делают ставку не на новую закупку, а на вскрытие старых инфраструктурных привычек. HPE оценивает, что сегодня от 20% до 40% инфраструктуры в компаниях может быть избыточно зарезервировано. Причины знакомы почти любому, кто работал с энтерпрайзом: слабая видимость реального потребления, легаси-сервисы, которые никто не трогает, и виртуальные машины, которым когда-то выдали память с запасом, а потом решили не выяснять, используют ли они ее вообще. Получается классическая картина: бизнес боится нехватки ресурсов и переплачивает за нее авансом.
На этом фоне дефицит памяти становится не только аппаратной проблемой, но и проблемой наблюдаемости. В статье директор по управлению продуктами HPE Bharath Ram объясняет, что во многих организациях никто толком не понимает, какие сервисы на чем работают, какие нагрузки реально активны и где именно происходит перерасход. Публичное облако и self-service-подход, которые когда-то обещали гибкость, в такой логике иногда только ухудшают ситуацию: ресурсы выделяются быстро, а понимание того, что происходит под капотом, исчезает еще быстрее.
Поэтому первый шаг предлагается довольно прозаический: собрать базовую телеметрию и перестать управлять памятью по ощущениям. В качестве одного из инструментов в материале упоминается HPE CloudPhysics, который должен помочь оценить виртуализационный след, лицензионную нагрузку и фактическую эффективность workloads. Идея простая: сначала понять, сколько у вас реально хостов, VM, выключенных и включенных машин, а уже потом решать, что переносить, что ужимать и что действительно требует новых закупок. Для разработчиков и platform-команд это важный тезис: спор о ресурсах снова выигрывает тот, у кого есть метрики, а не тот, кто громче просит дополнительную память.
Дальше начинается более интересная часть: predictive provisioning вместо реактивного. То есть не ждать, пока все упрется в лимиты, а заранее рассчитывать, где и как лучше размещать нагрузки. Для этого обсуждаются не новые чудо-серверы, а более рациональные техники вроде memory oversubscription и memory ballooning. Сама идея старая, но рынок, похоже, снова до нее дозрел: если виртуальные машины не потребляют весь выделенный объем одновременно, неиспользуемую память можно динамически отдавать туда, где она действительно нужна. В статье приводится бытовой пример: хост с 64 ГБ физической памяти может обслуживать больший суммарный объем, выделенный VM, если пики потребления не совпадают.
HPE собирается развивать этот подход в Morpheus 9.0, релиз которого ожидается этим летом. По описанию в статье, новая версия должна добавить более современный вариант oversubscription, повышающий плотность VM на одном хосте и эффективность использования памяти. Особенно полезным это называют для тестовых и девелоперских сред, VDI и нагрузок с непостоянным профилем потребления. И это, пожалуй, самый практичный вывод для инженерных команд: не всякая оптимизация требует немедленного refresh железа. Иногда достаточно перестать держать память в роли дорогого декора.
Еще один слой истории связан с лицензированием. Если раньше главной метрикой были CPU и cores, то теперь рост плотности workloads на сервер начинает влиять и на стоимость ПО. В статье утверждается, что переход на модель лицензирования per socket вместо per core в сочетании с подходом HPE может давать до 90% экономии в некоторых ранних кейсах. Цифра очень жирная, поэтому относиться к ней стоит как к оценке вендора, а не к универсальному обещанию для любого дата-центра. Но сам тренд важен: борьба за память теперь тесно связана не только с производительностью, но и с финансовой архитектурой ИТ.
Для рынка это означает неприятную, но полезную развилку. Эпоха, когда инфраструктурную неэффективность можно было замаскировать очередной закупкой, заканчивается. Дефицит памяти заставляет компании сначала разбираться с observability, right-sizing и размещением нагрузок, а уже потом идти за новыми серверами. Парадокс в том, что именно AI, который помог разогнать дефицит памяти, теперь становится удобным инструментом для инвентаризации этого хаоса. Вопрос уже не в том, сможет ли бизнес купить больше RAM, а в том, кто первым научится выжимать максимум из уже установленной. Подробности исходного материала можно посмотреть в .