# كيف أشغّل مهام الذكاء الاصطناعي على السعة السحابية الفائضة؟

> شغّلوا أعمال الذكاء الاصطناعي القابلة للمقاطعة على سعة spot أو preemptible: اجعلوا المهام تحفظ نقاط التحقق وتعيد المحاولة بسلاسة، وأبقوا ما لا يحتمل المقاطعة في مكان آخر.

Source: https://greenai.guide/ar/كيف/كيف-أشغّل-مهام-الذكاء-الاصطناعي-على-السعة-السحابية-الفائضة/  
Updated: 2026-11-19

## باختصار

يبيع مزوّدو الخدمات السحابية السعة الفائضة بسعر رخيص بشرط أن يستعيدوها بإشعار قصير، في شكل مثيلات spot أو preemptible. ويمكن للتدريب والتقييم والاستدلال الدفعي ومعالجة البيانات استخدامها إن كانت تحفظ نقاط التحقق وتعيد المحاولة بسلاسة. وتوصي إرشادات Microsoft باستخدامها فقط للأعمال التي تحتمل المقاطعة، لأن المقاطعات قد تضيف عدم استقرار.

## Steps

1. أدرجوا أحمال الذكاء الاصطناعي التي يمكن إيقافها وإعادة تشغيلها، مثل التدريب والتقييم والاستدلال الدفعي.
2. أضيفوا إلى تلك المهام حفظًا منتظمًا لنقاط التحقق ومنطقًا سليمًا لإعادة المحاولة.
3. شغّلوها على سعة spot أو preemptible عبر عدة أنواع من المثيلات.
4. أبقوا الأعمال التفاعلية أو المقيّدة بمواعيد نهائية حرجة على السعة القياسية.
5. قيسوا مقدار العمل الضائع بسبب المقاطعات وعدّلوا الفاصل الزمني لنقاط التحقق.

**السعة الفائضة عتاد مبني ومزوّد بالطاقة أصلًا؛ واستخدامها للأعمال المرنة يحسّن الاستفادة منه.** وهي أيضًا أرخص
بكثير في العادة، وهو ما يعزز الحجة للقيام بذلك.

## أي مهام الذكاء الاصطناعي تناسبها؟ {#which-ai-jobs-suit-it}

- جولات التدريب والضبط الدقيق التي تحفظ نقاط التحقق بانتظام؛
- عمليات البحث عن المعاملات الفائقة، حيث تكون كل تجربة مستقلة؛
- جولات التقييم والقياس المرجعي؛
- الاستدلال الدفعي على طابور من المستندات أو الصور؛
- إعداد البيانات.

تقول إرشادات الاستدامة في Azure Well-Architected من Microsoft: "استخدموا Spot VMs فقط لأحمال العمل التي تحتمل
المقاطعة"، مشيرة إلى أنها قد تقلل هدر البنية التحتية لكنها قد تُدخل أيضًا عدم استقرار.

## كيف أجعل المهمة محصّنة ضد المقاطعة؟ {#how-do-i-make-a-job-interruption-proof}

1. احفظوا نقاط التحقق، بما فيها حالة المُحسِّن (optimiser)، على فترات معقولة.
2. اجعلوا المهمة تستأنف تلقائيًا من آخر نقطة تحقق عند إعادة تشغيلها.
3. اسمحوا بعدة أنواع من المثيلات حتى يجد المُجدوِل سعة فائضة أكبر يستفيد منها.
4. اكتبوا المُخرجات تدريجيًا، حتى لا يضيع العمل المنجز.

ويتيح حفظ نقاط التحقق أيضًا إيقاف المهام مؤقتًا حين تكون الشبكة ملوِّثة، كما يقترح نمط Green Software Foundation
لأحمال الذكاء الاصطناعي؛ راجعوا [جدولة التدريب حين تكون الشبكة أنظف](/ar/كيف/كيف-أجدول-تدريب-النماذج-في-الأوقات-التي-تكون-فيها-شبكة-الكهرباء-أنظف/).

## أخطاء شائعة {#common-mistakes}

- **غياب نقاط التحقق،** فتُضيّع المقاطعة ساعات من العمل وتُهدر الطاقة.
- **حفظ نقاط التحقق بإفراط،** فيكلّف الحفظ أكثر مما يحمي.
- **وضع الخدمات الموجهة إلى المستخدمين على سعة spot.**

راجعوا [الاستضافة ومراكز البيانات](/ar/الممارسات-الجيدة/استضافة-الذكاء-الاصطناعي-الأخضر-ومراكز-البيانات/).

## المصادر

- [Reliability recommendations for sustainable workloads on Azure](https://learn.microsoft.com/en-us/azure/well-architected/sustainability/sustainability-reliability-recommendations), Microsoft Azure Well-Architected Framework (2026)
- [Use carbon-aware scheduling and region selection for AI workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/operations/carbon-aware-ai-scheduling.md), Green Software Foundation, Green Software Patterns (2025)
