# كيف أمنع وحدات GPU ودفاتر Notebooks من البقاء خاملة؟

> أوقفوا هدر الطاقة في عتاد الذكاء الاصطناعي الخامل: شغّلوا الموارد عند الطلب، وأوقفوا الدفاتر الخاملة تلقائيًا، وخفّضوا السعة إلى الصفر خارج الدوام، وأبلغوا عن ساعات GPU الخاملة.

Source: https://greenai.guide/ar/كيف/كيف-أمنع-وحدات-gpu-ودفاتر-notebooks-من-البقاء-خاملة/  
Updated: 2026-11-19

## باختصار

اجعلوا التشغيل عند الطلب هو الإعداد الافتراضي: ينبغي أن تشغّل خطوط المعالجة ومهام التدريب الموارد حين تُستدعى وأن تحرّرها حين تنتهي. أوقفوا الدفاتر الخاملة ووحدات GPU المخصصة للتطوير تلقائيًا بعد مدة محددة، وخفّضوا بيئات غير الإنتاج إلى الصفر خارج ساعات العمل، وأبلغوا عن ساعات GPU الخاملة لكل فريق إلى جانب الكلفة حتى يصبح الهدر مرئيًا.

## Steps

1. اجعلوا خطوط المعالجة ومهام التدريب تشغّل الموارد حين تُستدعى وتحرّرها حين تنتهي.
2. اضبطوا الدفاتر ووحدات GPU المخصصة للتطوير لتتوقف تلقائيًا بعد مدة من الخمول.
3. خفّضوا بيئات غير الإنتاج إلى الصفر خارج ساعات العمل.
4. امنحوا البيئات المؤقتة تاريخ حذف تلقائي.
5. أبلغوا عن ساعات GPU الخاملة لكل فريق إلى جانب الكلفة.

**وحدة GPU الخاملة تظل تسحب الكهرباء، وتظل تحجز عتادًا استهلك صنعه طاقة.** فالدفاتر (notebooks) والعناقيد وبيئات
الاختبار التي تُجهَّز لتجربة واحدة يسهل تركها تعمل بين التجارب، أو نسيانها.

## ما الذي ينبغي أن يعمل عند الطلب؟ {#what-should-be-on-demand}

توصي أنماط Green Software Foundation الخاصة بأحمال الذكاء الاصطناعي والوكلاء بتشغيل البنية التحتية فقط أثناء
عملها: تنفيذ بلا خوادم (serverless) أو عند الطلب لتطوير النماذج وخطوط المعالجة والوكلاء، بحيث تبدأ الموارد حين
تُستدعى وتتوقف حين تنتهي.

## وماذا عن التطوير والاختبار؟ {#what-about-development-and-test}

تقول إرشادات Azure Well-Architected من Microsoft بضرورة «إيقاف بيئات غير الإنتاج حين لا تكون قيد الاستخدام». وعلى
Kubernetes، يمكن لأداة cron scaler في KEDA أن ترفع الأحمال خلال نافذة زمنية وتخفّضها إلى الصفر خارجها. ولا تستثنوا
إلا الخدمات المشتركة التي يجب أن تبقى تعمل فعلًا، ودوّنوا السبب.

## ما الذي يُحدث الفرق الأكبر {#what-makes-the-biggest-difference}

- **الإيقاف التلقائي للدفاتر،** فهي أكثر مستخدمي GPU نسيانًا.
- **الوضوح.** ضعوا ساعات GPU الخاملة في التقرير نفسه مع الإنفاق؛ فالفرق تتصرف بناءً على ما تراه.
- **المشاركة.** يُبقي مجمّع أو طابور مشترك وحدات GPU مشغولة عادة أكثر من جهاز لكل شخص.

## أخطاء شائعة {#common-mistakes}

- **حجز وحدات GPU كبيرة «احتياطًا»** لعمل يُنفَّذ مرة في الأسبوع.
- **إبقاء النماذج محمّلة في الذاكرة بشكل دائم** لأداة داخلية تُستخدم بضع مرات في اليوم.

انظروا [الاستضافة ومراكز البيانات](/ar/الممارسات-الجيدة/استضافة-الذكاء-الاصطناعي-الأخضر-ومراكز-البيانات/) و
[التدريب والاستدلال بكفاءة](/ar/الممارسات-الجيدة/تدريب-الذكاء-الاصطناعي-واستدلاله-بكفاءة/).

## المصادر

- [Serverless architecture for AI/ML workload processes](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/architecture/system-topology/serverless-model-development.md), Green Software Foundation, Green Software Patterns (2025)
- [Use on-demand execution for AI and agent workloads](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/architecture/system-topology/on-demand-execution-ai-agent-workloads.md), Green Software Foundation, Green Software Patterns (2025)
- [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)
- [Cron scaler](https://keda.sh/docs/2.17/scalers/cron/), KEDA (CNCF) (2025)
