Где-то между складскими полками Amazon и пит-лейном Гран-при Монако лежит одна из самых причудливых технологических цепочек нашего времени. Эта история — про то, как проблемы с доставкой книг породили инфраструктуру, на которой сегодня считают вероятность обгона на скорости 300 км/ч.
В начале двухтысячных Amazon была компанией, которая росла быстрее, чем её собственные системы могли переваривать этот рост. Каждый новый товарный раздел — электроника, одежда, бытовая техника — добавлял слой сложности к внутренней архитектуре, и эти слои слипались друг с другом, как мокрые газеты. Монолитное приложение, где всё зависело от всего, превращалось в кошмар для инженеров: изменение в модуле рекомендаций могло обрушить модуль оплаты. Джефф Безос, по воспоминаниям участников тех событий, в какой-то момент разослал внутренний мандат — все команды обязаны взаимодействовать друг с другом исключительно через программные интерфейсы (API), без исключений, без обходных путей, без звонков коллеге через стенку с просьбой «подправить вот тут». Нарушителей ждало увольнение. Это звучит почти комично — уволить за то, что ты поговорил с соседним отделом напрямую, — но именно эта жёсткость заложила фундамент сервисной архитектуры.
Суть перехода была в декомпозиции: вместо одного огромного приложения — десятки, потом сотни автономных сервисов, каждый из которых отвечает за одну функцию и общается с остальными через стандартизированные интерфейсы. Хранилище данных — отдельный сервис. Обработка платежей — отдельный. Поиск — отдельный. Каждый можно масштабировать, чинить и обновлять независимо. Это был болезненный, многолетний процесс, и Amazon прошла его не из любви к элегантной архитектуре, а потому что иначе сайт просто падал под нагрузкой в «чёрную пятницу». Проблема масштабирования ритейла, грубо говоря, заставила построить универсальный конструктор — и в какой-то момент кто-то сообразил, что этот конструктор можно продавать.
2006 год. Amazon запускает два сервиса, которые выглядят скромно, а оказываются тектоническим сдвигом. Amazon S3 — хранилище данных, простое, как почтовый ящик: кладёшь файл, получаешь ссылку, платишь за объём. $0.15 за гигабайт в месяц — цена, которая тогда казалась агрессивно низкой. В основе лежали принципы, которые Вернер Фогельс, CTO Amazon, продвигал с методичностью проповедника: децентрализация, устойчивость к отказам оборудования (жёсткие диски ломаются — система не должна этого замечать) и ставка на дешёвое commodity-железо, где избыточные копии данных размазаны по сотням дисков. Чуть позже появился Amazon EC2 — виртуальные серверы, которые можно арендовать на час, на день, на минуту. Не нужно покупать железо и строить серверную, не нужно нанимать команду, которая будет менять сгоревшие блоки питания в три часа ночи.
Меня лично завораживает вот какая деталь: к моменту, когда S3 и EC2 стали публичными продуктами, Amazon уже несколько лет использовала их внутри для собственного ритейла. Это были не лабораторные прототипы, а боевые системы, проверенные миллионами транзакций. Энди Джасси, возглавивший AWS, позже ставший CEO всей Amazon, начинал проект как внутреннюю инициативу — предложение дать разработчикам компании стандартизированный набор инфраструктурных инструментов. Логика была почти бытовая: если мы уже построили водопровод для себя, почему бы не пустить по нему воду для соседей? Цена S3 с тех пор упала примерно до $0.02 за гигабайт — в шесть с лишним раз, что отражает и рост масштаба, и закон Мура, который хоть и замедлился, но не остановился.
Formula 1 — спорт, в котором данные были валютой задолго до того, как это стало модным. Телеметрия, аэродинамические расчёты, моделирование износа шин — всё это существовало десятилетиями, но жило внутри команд, в закрытых системах, на собственных серверах. Зритель у телевизора видел машины, слышал рёв моторов и гадал, почему Хэмилтон заехал на пит-стоп именно сейчас. Ответ был где-то в данных, но данные оставались невидимыми.
На каждом современном болиде установлено более 300 датчиков, которые генерируют свыше 1,1 миллиона точек данных в секунду. Температура тормозов, давление в шинах, расход топлива, положение педали газа, углы поворота рулевого колеса, нагрузки на подвеску, параметры гибридной силовой установки — поток информации, который в сыром виде бесполезен для зрителя и тяжёл даже для инженера. А ещё есть историческая база данных, накопленная за более чем 65 лет существования чемпионата: результаты гонок, квалификаций, погодные условия, составы трасс, эволюция регламента. Эта база — не аккуратный Excel-файл, а скорее археологический слой: форматы и системы сбора данных менялись, а сами правила гонок радикально переписывались.
В 2018 году Formula 1 и AWS объявили о партнёрстве. Пит Самара, директор по инновациям и цифровым технологиям F1, и Майк Клейвилл, вице-президент AWS, стали лицами этого союза. Задача формулировалась двояко: перевести инфраструктуру чемпионата в облако и — что для зрителя важнее — создать аналитические графики, которые появляются во время трансляций и объясняют происходящее на трассе языком цифр и вероятностей.
Графики, которые зритель видит во время трансляции под брендом F1 Insights powered by AWS, — результат конвейера, в котором каждый элемент решает свою задачу. Телеметрия с болидов поступает в реальном времени через Amazon Kinesis — сервис потоковой обработки данных, способный принимать и маршрутизировать миллионы событий в секунду. Обработка происходит в AWS Lambda — бессерверных функциях, которые запускаются по событию, выполняют расчёт и исчезают, не требуя постоянно работающего сервера. Модели машинного обучения, обученные на исторических данных, живут в Amazon SageMaker. Хранение распределено между Amazon DynamoDB для оперативных данных и Amazon Glacier для архивных. Видеоинтеграция — наложение графики на трансляцию — проходит через AWS Elemental Media Services.
Конкретные инсайты устроены по-разному. Battle Forecast просчитывает, за сколько кругов догоняющий пилот выйдет на дистанцию атаки, а при сближении выдаёт рейтинг сложности обгона: модель учитывает разницу в скорости, характеристики трассы, историческую статистику дуэлей и состояние шин обоих гонщиков. Predicted Pit Stop Strategy моделирует варианты стратегии: что будет, если заехать сейчас на жёсткие шины, а что — если проехать ещё пять кругов и поставить средние. Braking Performance показывает, как пилоты тормозят перед конкретным поворотом — на какой дистанции, с какой интенсивностью, и как это меняется по ходу гонки, когда топливо выгорает и машина становится легче. Car Exploitation визуализирует, насколько пилот использует потенциал болида. Energy Usage и Hybrid Energy System раскрывают работу гибридной силовой установки — сколько энергии рекуперируется при торможении, сколько развёртывается при разгоне. Close to the Wall — мой любимый — измеряет, насколько близко к стене проходит болид на уличных трассах вроде Монако, где зазор между карбоновым обвесом и бетонным барьером может составлять сантиметры. Alternative Strategy показывает, что произошло бы, если бы пилот выбрал другую стратегию — своего рода параллельная вселенная гонки, рассчитанная в реальном времени.
Всё это работает как слоёный пирог: сырые данные → потоковая обработка → модель → визуализация → экран телезрителя. Задержка между событием на трассе и появлением графики составляет секунды, и это при том, что в каждый момент времени на трассе находятся двадцать машин, каждая со своим потоком из миллиона с лишним точек данных.
Здесь нужна точность, потому что вокруг партнёрства F1 и AWS регулярно возникает туман недопонимания. AWS работает с данными, которые Formula 1 как организатор чемпионата собирает и имеет право использовать. Это данные трансляций, хронометража, стандартизированной телеметрии, доступной всем командам одинаково. AWS не получает доступа к закрытым инженерным данным отдельных команд — к настройкам подвески Ferrari, аэродинамическим картам Red Bull, стратегическим моделям Mercedes. Каждая команда — это отдельная технологическая крепость, и данные внутри неё защищены так же ревностно, как чертежи истребителя. Некоторые команды, к слову, сами используют AWS для своих внутренних вычислений, но это отдельные контракты, отдельная инфраструктура, и данные одной команды не пересекаются с данными другой.
AWS не управляет стратегиями команд. Когда инженер на мостике Ferrari решает, на каком круге вызвать Леклера на пит-стоп, он пользуется собственными моделями, собственными данными, собственным опытом. Графика Predicted Pit Stop Strategy на экране телезрителя — это параллельный расчёт, выполненный на публичных данных, и он может совпадать или не совпадать с решением команды. По сути, это журналистский инструмент нового типа: не инсайд из боксов, а математическая реконструкция. Разница между «AWS считает стратегию для F1» и «AWS считает стратегию про F1» — один предлог, но пропасть в значении.
Что если бы Amazon в начале двухтысячных не совершила этот переход к сервисной архитектуре? Что если бы мандат Безоса об API так и остался внутренней запиской, а S3 и EC2 никогда не появились?
Облачные вычисления, вероятно, всё равно возникли бы — Microsoft, Google, IBM двигались в ту же сторону. Но AWS задала темп и стандарт. Без неё облачный рынок, по самым осторожным оценкам, отстал бы на три-пять лет. А три-пять лет в технологиях — это геологическая эпоха. В 2018 году, когда F1 искала партнёра для модернизации аналитики, облачная инфраструктура могла бы находиться на уровне, соответствующем примерно 2013–2015 годам: дороже, менее гибкая, с меньшим набором специализированных сервисов вроде SageMaker для машинного обучения.
Что бы это означало для зрителя Формулы-1? Скорее всего — отсутствие аналитических графиков в реальном времени. Или их сильно упрощённую версию: статичные таблицы вместо динамических визуализаций, исторические справки вместо вероятностных моделей. Battle Forecast, который в реальном времени оценивает шансы обгона, требует одновременно потоковой обработки данных, быстрого доступа к обученной модели и мгновенной визуализации — это три технологических слоя, каждый из которых стал зрелым продуктом именно благодаря масштабу и конкуренции, запущенным AWS. Без этого масштаба F1, возможно, строила бы собственную инфраструктуру на выделенных серверах — дорого, медленно, с ограниченными возможностями масштабирования от гонки к гонке.
Есть и менее очевидное следствие. Историческая база данных за 65 с лишним лет — это не та вещь, которую легко оцифровать, стандартизировать и сделать пригодной для машинного обучения. Без облачных инструментов для работы с разнородными данными этот архив, вероятно, так и остался бы набором разрозненных записей — ценным для историков, но бесполезным для алгоритмов. Glacier хранит архивные данные за копейки; без аналога этого сервиса стоимость хранения шести с лишним десятилетий телеметрии, хронометража и видео была бы запретительной.
Самое странное в этой истории — её генеалогия. Проблема, которую решал Amazon в 2002 году, — «наш интернет-магазин падает под нагрузкой» — не имеет ничего общего с проблемой, которую решает F1 в 2020-х, — «как показать зрителю, что Ферстаппен выиграет эту дуэль с вероятностью 78%». Между ними нет прямой инженерной линии. Есть промежуточный продукт — облачная платформа, — который оказался достаточно универсальным, чтобы обслуживать и склад с книгами, и гоночную трассу.
Пит Самара описывал задачу F1 Insights как перевод данных на язык, понятный зрителю. Это, в каком-то смысле, та же задача, которую решал Amazon для покупателей: превратить сложность в простоту. Рекомендательный алгоритм Amazon прячет за кнопкой «Вам может понравиться» десятки миллионов вычислений. Графика Battle Forecast прячет за одним числом на экране поток из миллиона точек данных в секунду, исторические паттерны обгонов и модель, обученную на тысячах гонок.
Формула-1 продолжает расширять набор инсайтов. Каждый сезон добавляются новые графики, модели становятся точнее по мере накопления данных, а стоимость вычислений продолжает падать. Партнёрство, объявленное в 2018-м, к середине 2020-х превратилось в одну из самых заметных витрин AWS — и одну из немногих, где облачные вычисления видны не разработчику, а обычному человеку, сидящему перед телевизором в воскресенье днём. Что будет дальше — зависит от того, насколько глубоко F1 готова пустить алгоритмы в свою экосистему и насколько зрители готовы доверять числам больше, чем собственным глазам.