Databehandlingsarkitektur kan omkonfigurere indhold i IoT-databehandlingsstrømmen

Fujitsu Laboratories Ltd. annoncerede i dag udviklingen af ​​den dynamisk rekonfigurerbare Asynchronous Consistent Event-processing Architecture (Dracena), en strømbehandlingsarkitektur, der kan tilføje eller ændre indhold, mens der behandles store mængder IoT-data, uden at stoppe. Med de seneste fremskridt inden for IoT-teknologier, det forventes, at der vil blive skabt mange realtidstjenester for at udnytte de store mængder data, der strømmer ind i skyen fra forskellige enheder på tværs af fabrikker, hjem, og social infrastruktur. I udviklingen mod autonom kørsel med tilsluttede biler, forskere overvejer analysen af ​​de enorme mængder information, såsom hastighed og placering, genereret fra køretøjer, som derefter kan præsenteres for chauffører, i form af advarsler, for eksempel.

Stream behandlingsteknologi, som er effektiv til højhastighedsbehandling af denne slags enorme mængder data, har problemer med det, fordi behandlingen midlertidigt skal stoppes ved ændring eller tilføjelse af behandlingsindhold i henhold til tilføjelser eller forbedringer af tjenester, leveringen af ​​tjenester kan blive forsinket. Nu, Fujitsu har udviklet en ny strømbehandlingsarkitektur, der automatisk skifter til et nyligt leveret databehandlingsprogram, når et paralleliseret databehandlingsjob er afsluttet, ved at adskille strømbehandling i datamodtagelsesbehandling og egentlig databehandling, således at datamodtagelsesbehandling og løbende databehandling ikke standses (patentanmeldt).

Som resultat, i en simulering af modtagelsen af ​​et par dusin bytes data i sekundet fra en million køretøjer, Fujitsu har bekræftet, at denne arkitektur er i stand til at fortsætte med at behandle streamingdata, mens der tilføjes eller ændres behandlingsprogrammer, med en gennemsnitlig forsinkelse øge volumen på fem millisekunder eller mindre. Fujitsu Laboratories søger at kommercialisere denne teknologi i løbet af regnskabsåret 2018 på Mobility IoT-platformen, tilbudt af Fujitsu Limited, og udvide det til andre industriområder. Detaljer om denne teknologi blev præsenteret på DEIM2018 (Forum for Data Engineering and Information Management), en konference, der afholdes i Awara, Fukui præfektur, Japan, fra 4. marts.

Udviklingsbaggrund

Med den seneste udvikling af IoT-teknologier, data er begyndt at blive indsamlet fra alle mulige objekter og indsamlet i datacentre, og det forventes, at ved at analysere og udnytte dette, en række nye tjenester vil blive skabt. I tilfælde af tilsluttede biler, for eksempel, det menes, at ved at indsamle, analysere, og udnyttelse af data fra biler i realtid, det vil være muligt at afhjælpe overbelastning, hjælpe chauffører, og forbedre sikkerheden ved autonom kørsel (figur 1).

For hurtigt at kunne behandle data, såsom hastighed og placering, der genereres på sekund-til-sekund basis af enorme antal biler i bevægelse, den mest effektive metode er at konstruere et system, der bruger strømbehandling til at behandle data parallelt, fx på bil-til-bil-basis. For at tilføje til eller ændre behandlingsprogrammet i henhold til servicetilføjelser og forbedringer, den nuværende metode involverer at forberede to systemer af samme skala på forhånd, bruger en til operationer, lave ændringer i den anden, og derefter hurtigt skifte dem ud. Denne metode krævede, at begge systemer blev midlertidigt stoppet, imidlertid, mens data, såsom hastigheden eller positionen af ​​en bil, opbevaret i hukommelsen på det system, der er i brug, blev kopieret over til det reviderede system. Dette gjorde det vanskeligt at producere tjenester, der krævede virkelig kontinuerlig drift, såsom realtidstransmission af advarsler til tilsluttede biler. Ud over, fordi nye behandlingsprogrammer blev hentet fra databasen, kendt som et depot, overbelastning resulterede med de mange forespørgsler fra store mængder behandlingsenheder, forsinke den samlede behandling.

Detaljer om den nyudviklede teknologi

Nu, Fujitsu Laboratories har udviklet Dracena, en arkitektur, der kan ændre et systems behandlingsprogrammer, mens det er i drift, uden at standse driften. Med denne teknologi, ved ændring eller tilføjelse af databehandlingsindhold, denne arkitektur distribuerer det nye databehandlingsprogram som en besked, på samme måde som data distribueres, til hver enkelt behandlingsenhed, kaldet et objekt, såsom behandlingsenheden for hver bil. Dette eliminerer indvirkningen på den samlede behandlingshastighed på grund af koncentrationen af ​​forespørgsler på depotet. I øvrigt, ved at adskille intra-objekt meddelelsesmodtagelsesbehandling og databehandling i denne arkitektur, systemet er i stand til at tilføje det nye databehandlingsprogram uden at stoppe meddelelsesmodtagelsesbehandlingen eller den eksisterende databehandling, og få derefter alle objekter til at skifte til det nye databehandlingsprogram med samme timing. Dette har gjort det muligt for Fujitsu Laboratories at skabe en strømbehandlingsarkitektur, hvor databehandlingsprogrammet kan føjes til eller ændres uden stop, for at fortsætte paralleliseret behandling uden at tilbageholde strømmen af ​​enorme mængder data til kopiering (figur 2).

Resultaterne af en simuleret evaluering bekræftede, at i et use case, hvor et par dusin bytes data transmitteres en gang i sekundet fra en million køretøjer, denne arkitektur var i stand til kontinuerligt at levere tjenester, når der blev tilføjet en pludselig opbremsningsdetektionstjeneste i en situation, hvor systemet allerede leverede en tjeneste til at detektere for lange køretider, med en gennemsnitlig forsinkelse øge volumen på fem millisekunder eller mindre. Denne arkitektur vil muliggøre hurtig levering af realtidstjenester, der kræver uafbrudt drift, og som kan reagere på problemer, der opstår i samfundet, herunder at yde køreassistance til tilsluttede biler, støtte energibesparende brug af apparater, leverer sundheds- og sikkerhedsovervågning i hjemmet, og give rejsevejledning til turister, der bruger smartphones. I øvrigt, denne arkitektur gør det muligt for brugere at anvende en byggemetode, hvor de først bygger et basissystem rettet mod enkel analyse og udnyttelse, og derefter gradvist tilføje nye tjenester. Brug af denne teknologi i tilfælde af biler, for eksempel, det ville være muligt at begynde med et system, der læser tegn på spritkørsel baseret på ratdriftsdata, og derefter tilføje nye tjenester lag for lag, såsom at kombinere dette med kortdata for at detektere sidevind ved tunneludgange, eller ved at kombinere det med billeddata for at opdage tilstedeværelsen af ​​ulovligt parkerede biler, som kan forventes at forbedre effektiviteten af ​​serviceudvikling.

Fujitsu sigter mod at kommercialisere denne teknologi i løbet af regnskabsåret 2018 som en bestanddel af Mobility IoT-platformen, der tilbydes af Fujitsu Limited. Ud over, Fujitsu søger at udvide denne teknologi ud over mobilitetsområdet til forretningsområder, der kræver realtidstjenester baseret på data, der konstant genereres ved en høj frekvens, såsom at give anvisninger til folk under begivenheder eller i katastrofesituationer.