Wolfram Compute Services

 (writings.stephenwolfram.com)
2 puan yazan GN⁺ 2025-12-08 | 1 yorum | WhatsApp'ta paylaş
  • Wolfram Compute Services, Wolfram Language hesaplamalarını büyük ölçekte ölçeklendirmeye olanak tanıyan tamamen programlanabilir bir bulut bilişim hizmetidir
  • Kullanıcılar RemoteBatchSubmit komutunu kullanarak karmaşık hesaplamaları uzak sunuculara gönderir ve tamamlandığında sonuçları otomatik olarak alır
  • En fazla 192 çekirdek·1.5TB belleke kadar seçilebilir ve RemoteBatchMapSubmit ile yüzlerce çekirdekle paralel işleme desteklenir
  • İşler, e-posta·panolar için bildirim, zaman·kredi limitleri, otomatik bağımlılık işleme gibi seçeneklerle yönetilebilir
  • Wolfram Language için süper bilgisayar düzeyinde ölçeklenebilirlik sunarak araştırma ve endüstriyel hesaplama ortamlarını sadeleştirir

Wolfram Compute Services Özeti

  • Wolfram Compute Services, Wolfram Language hesaplamalarını bulutta büyük ölçekte çalıştırmaya olanak tanıyan bir sistemdir
    • RemoteBatchSubmit ile kod gönderildiğinde hesaplama Wolfram sunucularında çalışır ve sonuç döndürülür
    • Wolfram Desktop 14.3 ve üzeri sürümlerde RemoteBatchSubmissionEnvironment["WolframBatch"] komutuyla anında etkinleştirilebilir
  • Mevcut ParallelMap, ParallelTable gibi paralel işlevler, büyük ölçekte hesaplama kaynağı erişiminin otomatikleştirilmesi için genişletildi
  • Tüm hesaplamalar sembolik ifade tabanlı olarak işlendiğinden sayısal, görüntü, grafik ve video dahil olmak üzere birçok veri türü doğrudan ele alınır

Hesaplama Ölçeklendirme ve Çalıştırma Ortamı

  • Kullanıcılar farklı makine sınıfları seçerek iş ölçeklerini ayarlayabilir
    • Örnek: Basic1x8 (1 çekirdek·8GB), Compute192x384 (192 çekirdek·384GB), Memory192x1536 (192 çekirdek·1.5TB)
    Reklam
  • RemoteBatchMapSubmit, ParallelMapin genişletilmiş hali olarak birden fazla makinada büyük ölçekli paralel işleme sağlar
    • Her çekirdeğe dağıtılmış “child job”lar otomatik olarak oluşturulur ve sonuçlar Catenate ile birleştirilebilir
  • İş durumunu web dashboardda gerçek zamanlı izlemek mümkün olup, tamamlandığında sonuç önizlemesi e-posta ile gönderilir

Örnek: PentagonTiling ve Hücresel Otomat Arama

  • PentagonTiling işlevi ile örtüşmeyen beşgen desen üretimi örneği veriliyor
    • 20 beşgen lokalde hızlı şekilde işlenirken, 500'den fazlası Compute Services'e gönderilerek çalıştırılıyor
    • Sonuçlar e-posta yoluyla iletilir ve Wolfram Notebook'ta anında takip hesaplamaları yapılabilir
  • 100 milyon hücresel otomaton kuralını test eden büyük ölçekli paralel tarama örneği sunuluyor
    • 192 çekirdekli bir makinede sonuçlar saatler içinde tamamlanabilir, RemoteBatchMapSubmit ile sonuç 3 dakika içinde alınabilir
    • Toplamda 8 saatlik bilgisayar süresi paralel şekilde kullanıldı
    Reklam

Programlanabilir Kontrol ve Yönetim Özellikleri

  • Her iş için zaman limiti (TimeConstraint), kredi limiti (CreditConstraint), iş adı (RemoteJobName) gibi seçenekler ayarlanabilir
  • RemoteJobNotifications bildirim sistemi ile durum değişiklikleri, kredi kullanımı, zaman geçişi gibi bilgileri e-posta ve SMS ile alabilirsiniz
  • İş sonuçları varsayılan olarak 2 hafta saklanır, gerektiğinde CloudPut ile Wolfram Cloud'da kalıcı olarak saklanabilir
  • Hata durumunda "JobLogTabular" gibi araçlarla detaylı günlük analizi yapılabilir; RemoteBatchJobAbort ile işlemi durdurabilirsiniz

Gelecekteki Geliştirme Planları

  • Compute Services, batch hesaplama ortamı olarak başladı ve gelecekte senkron uzak kernel çalıştırma özelliğini ekleme planına sahiptir
  • Wolfram HPCKit ile kurumlar, kendi HPC altyapılarını RemoteBatchSubmit arka ucu olarak kurabilir
    • "WolframBatch" dışında özel batch sağlayıcılarını bağlama desteği planlanmaktadır
  • Bu hizmet, 1988’de Mathematica’dan bu yana gelişen Wolfram Cloud·Application Server·Engine ailesinin en yeni aşamasını temsil eder
  • Hedef, süper bilgisayar düzeyinde hesaplama gücüni anında sunarak araştırmacı ve geliştiricilerin büyük ölçekli hesaplamaları kolayca yapmalarını sağlamaktır

İlgili okumalar

1 yorum

 
GN⁺ 2025-12-08
Hacker News görüşleri

  • Eskiden Wolfram Language kullanmaktan gerçekten büyük keyif alırdım
    Bir programcıdan çok bir araştırmacı gözüyle yaklaşınca çok daha güçlü bir keşif ve prototipleme aracı gibi geliyordu
    2016~2020 civarında güneş ışığının cam duvardan geçip iç mekâna vurduğu tarihleri hesaplamak ve bunu animasyonla görselleştirmek gibi hoş deneyler yapmıştım
    Şimdi bunu Claude’a sorabilirsiniz ama LLM öncesi dönemde WL en iyi düşünme araçlarından biriydi
    (Bu arada kalıcı lisans da sunuyorlar)

    • Dilin gücünün özlü sözdiziminden ve devasa Mathematica kütüphanesinden geldiğini düşünüyorum
      Python “batteries included” ise Mathematica seviyesi “uzay gemisi dahil” gibi
      Açık kaynak olsaydı BT sektörünü ciddi biçimde değiştirebilirdi ama pahalı ticari bir yazılım olduğu için muhtemelen akademi odaklı niş bir ürün olarak kalacak
    • Mathematica + LLM birleşimi gerçekten çok güçlü
      Dünyanın en büyük matematik rutin kütüphanelerinden birine görselleştirme araçları ve LLM hızlandırması eklenince deney, eğitim ve görselleştirme için neredeyse ezici derecede güçlü bir araç oluyor
      1992’den beri kullanıyorum ama bugünlerde Claude’a “bunu görselleştir” demek çok daha hızlı
    • Mathematica ya da MatLab gibi araçları hiç kullanmamış olmama hep üzülmüşümdür
      Bazı insanların sadece MatLab ile GUI ve derin öğrenme modelleri bile yaptığı söyleniyor; bu beni şaşırtmıştı
      Mathematica pahalı ama belki matematik çalışmak için motivasyon sağlayabilir
      Uzman olmayanların MatLab, Mathematica ve Maple’ı nasıl kullandığını merak ediyorum
    • 20 yılı aşkın süredir dizüstü bilgisayarımda kurulu duruyor ve yılda bir kez falan kullanıyorum
      Her kullandığımda sanki 500 tonluk presle ceviz kırıyormuşum gibi geliyor
      Mathematica hem endüstride hem bilim dünyasında fazlasıyla küçümseniyor

  • Teknoloji sektörünün Stephen Wolfram gibi insanlara daha çok ihtiyacı varmış gibi geliyor
    Biraz eksantrik olsa da gerçekten iyi bir şey üretmeye çalışması ferahlatıcı
    VC ya da MBA’lerin kısa vadeli kâr baskısı olmadan tamamen araştırmaya odaklanması görmek güzel

    • Katılıyorum. Wolfram sık sık eleştirilse de onlarca yıla yayılan bilimsel ve teknik başarıları gerçekten hayranlık uyandırıcı

  • Keşke süper bilgisayar gücüyle bile olsa Mathematica 30 saniyenin altında çalışsa
    1988’den beri neredeyse aynı işi yapan bu yazılımın neden bu kadar yavaş olduğunu anlamıyorum

    • Yine de Mathematica’nın araç ekosisteminin yerini alacak bir sistem hâlâ yok
      37 yıl geçmesine rağmen tam bir alternatifin olmaması şaşırtıcı
      Jupyter Notebook aynı seviyede değil
    • Bu, ‘Not-Invented-Here’ sendromunun uç bir örneği gibi
      Bu sayede özgün özellikler çok ama 2010’lara kadar Undo/Redo olmaması biraz fazlaydı
    • Aslında bu his neredeyse tüm tüketici yazılımları için geçerli

  • “Özel bir dili özel bir hizmetle genişlet” stratejisi mevcut müşteriler için iyi olabilir ama yeni kullanıcı çekmekte sınırlı kalır
    Bulut tabanlı kullanımı dayatma hazırlığı gibi hissettiriyor
    Wolfram, LLM kullanarak doğal dil → Mathematica kodu dönüşümü yapan bir simülasyon hizmeti üretse çok daha yenilikçi olurdu
    MathWorld de bunun için temel varlık olarak kullanılabilir

    • Güzel nokta

  • Birçok insan Stephen Wolfram’ın karakterine ya da bit ve byte tartışmalarına takılıyor ama
    bence bu noktada genel programlamanın Wolfram düzeyinde soyutlamaya ulaşmış olması gerekirdi
    Muhtemelen ajan/LLM tabanlı kod üretimi bunun bir sonraki aşamaya geçiş yolu olacak
    Ama otomasyonun ekip boyutlarını küçültme gibi bir yan etkisi de olabilir

    • “Wolfram everywhere” derken tam olarak neyi kastediyorsun — veri kümelerine erişim mi, matematik fonksiyonları mı, CAS özellikleri mi?
    • Şaka yollu ama biraz da ciddi şekilde “Stephen, bu sen misin?” diye sormak istiyorum
      Aslında x86, ARM, WASM gibi birçok platformda aynı kodu çalıştırabilen ortamlar zaten var
      Tek bir dille grafik, full-stack, embedded ve HPC’nin tamamını kapsamak aşırı karmaşıklığa yol açardı

  • Bu yeni özellik tanıtım biçimini gerçekten çok beğendim
    Problem tanımı → çözüm yaklaşımı → örnek → adım adım açıklama çok netti, anlaması kolaydı
    Genelde böyle şeyleri okuyunca daha da kafam karışır ama bunda öyle olmadı

    • İlginç olan şu ki Stephen Wolfram kendi yazılımının gerçek kullanıcısı ve son karar vericisi
      Eskiden yeni özellik toplantılarını YouTube’da canlı yayınladığı bile olurdu ve bunu izlerken ürüne ne kadar bağlı olduğunu hissederdim
      Biraz Jobs benzeri bir liderlik havası vardı

  • Görünüşe göre Stephen sonunda bulut bilişimi ciddi şekilde benimsemiş
    Eskiden RemoteKernel denemesi yapmıştım, bu sefer çok daha iyi görünüyor
    Yine de kendi bulutunda barındırılabilse güzel olurdu
    Bir zamanlar 512GB RAM ve 128 çekirdekli bir VM’de Mathematica çalıştırdım ama maliyet etkinliği pek iyi değildi

    • Eskiden headless kernel çıktığında Kubernetes üzerinde çalıştırılıp çalıştırılamayacağını merak etmiştim
      Nitekim Wolfram Application Server for Kubernetes diye bir şey var ama bir yıldan uzun süredir güncellenmemiş

  • 1990’lardan beri Mathematica kullanıyorum ve 20 yılı aşkın süredir neden bulut hesaplama hizmeti çıkarmadıklarını merak ediyordum
    Nihayet büyük sunucularda uzaktan hesaplama yapılabiliyor olması insana “nihayet!” dedirtiyor

  • Quant traderların da Mathematica kullanıp kullanmadığını merak etmiştim
    Dilin şık olması, çok sayıda yerleşik araç sunması ve güçlü görselleştirmesi nedeniyle finansal analiz için çok uygun görünüyor
    Fiyatını da karşılayabilirlerdir, HFT için bir compiler bile vardır herhâlde

    • Gerçekten kullanıyorlar

  • Mathematica’daki standart fonksiyon entegrasyonu şaşırtıcı derecede iyi
    Bunun açık kaynak bir uygulaması olsa harika olurdu — %10’u bile hayata geçirilse faydalı olurdu
    Bu yüzden Rust ile Woxi adlı bir proje başlattım (github.com/ad-si/Woxi); katkı verecek insanlar arıyorum

    • Zaten %10 seviyesinde açık kaynak bir kopya proje var: Mathics
    • Ben de Go ile benzer bir şey yapıyorum
      Yaklaşık 300 sembol çalışıyor ve karmaşık sayılarla temel kural sistemi de uygulanıyor
      Factor özelliği matematiksel olarak karmaşık olduğu için hâlâ araştırma aşamasında
      Grafik çıktısı yok, terminal tabanlı
      Claude modeli ile hem AI programlamayı hem matematik kavramlarını birlikte öğreniyorum
    • Bana göre çift geçişli bir değerlendirici uygulamak daha iyi olur
      Çünkü pest token’larını doğrudan fonksiyonlarda kullanmak yavaş kalıyor ve optimize etmesi zor oluyor