هفته گذشته تیم من میزبان یک رویداد هیجان انگیز در هتل Four Seasons در هیوستون، تگزاس بود. این به ادامه روند توسعه روابط نزدیکتر بین شرکت کنندگان اختصاص داشت. این رویدادی بود که کاربران، شرکا و مشتریان را گرد هم آورد
- افزایش علاقه به تحقیقات مداوم در مورد مشکلات جدید صنعت؛
- حوزههایی را که قبلاً در آنها کار و توسعه میدهیم، و همچنین تنظیمات آنها را بر اساس بازخورد کاربران بررسی کنید.
در مجموع معتقدم می توان رویداد ما را به عنوان «اولین حضور» برای کاری که چندین سال پیش شروع کردیم در نظر گرفت. ما همچنان شما را از دستاوردها و موفقیت های مختلف در کار خود در این راستا مطلع خواهیم کرد. در مرحله بعد، با الهام از سخنرانی مت هال، مجموعه ای از جلسات را برگزار کردیم که منجر به تبادل تجربیات بسیار ارزشمندی شد.
لبه (لبه) یا محاسبات ابری؟
در یک جلسه، داگ و راوی (تحقیقات هیتاچی در سانتا کلارا) بحثی را در مورد چگونگی انتقال برخی تحلیلها به محاسبات لبه برای تصمیمگیری سریعتر و دقیقتر رهبری کردند. دلایل زیادی برای این وجود دارد، و من فکر میکنم سه مورد از مهمترین آنها کانالهای داده باریک، حجم زیاد داده (هم از نظر سرعت، هم از نظر حجم و هم از نظر تنوع) و برنامههای تصمیم گیری فشرده هستند. اگرچه برخی از فرآیندها (به ویژه فرآیندهای زمین شناسی) ممکن است هفته ها، ماه ها یا سال ها طول بکشد، اما موارد زیادی در این صنعت وجود دارد که فوریت از اهمیت ویژه ای برخوردار است. در این صورت عدم دسترسی به ابر متمرکز می تواند عواقب فاجعه باری داشته باشد! به طور خاص، مسائل مربوط به HSE (بهداشت، ایمنی و محیط زیست) و مسائل مربوط به تولید نفت و گاز نیاز به تجزیه و تحلیل و تصمیم گیری سریع دارد. شاید بهترین راه این باشد که این را با اعداد مختلف نشان دهیم - جزئیات خاص برای "حفاظت از بیگناهان" ناشناس باقی می مانند.
- شبکههای بیسیم آخرین مایل در مکانهایی مانند حوضه پرمین در حال ارتقا هستند و کانالها را از ماهواره (که سرعت بر حسب کیلوبیت بر ثانیه اندازهگیری میشد) به کانالی با سرعت 10 مگابیت بر ثانیه با استفاده از 4G/LTE یا طیف بدون مجوز منتقل میکنند. حتی این شبکههای مدرنشده ممکن است وقتی با ترابایت و پتابایت داده در لبه مواجه میشوند، دچار مشکل شوند.
- سیستمهای حسگر شرکتهایی مانند FOTECH که به انواع دیگر پلتفرمهای حسگر جدید و تاسیس شده میپیوندند، قادر به تولید چندین ترابایت در روز هستند. دوربینهای دیجیتال اضافی نصبشده برای نظارت امنیتی و حفاظت از سرقت نیز مقادیر زیادی داده تولید میکنند، به این معنی که طیف کاملی از دستههای کلان داده (حجم، سرعت و تنوع) در مرز تولید میشوند.
- برای سیستمهای لرزهای که برای جمعآوری دادهها استفاده میشوند، طراحیها شامل سیستمهای کانتینری ISO "همگرا" برای جمعآوری و قالببندی مجدد دادههای لرزهای، به طور بالقوه تا مقیاس 10 پتابایت داده است. با توجه به مکانهای دورافتادهای که این سیستمهای اطلاعاتی در آن کار میکنند، کمبود جدی پهنای باند برای انتقال دادهها از لبه آخرین مایل به مرکز داده در سراسر شبکهها وجود دارد. بنابراین شرکت های خدماتی به معنای واقعی کلمه داده ها را از لبه به مرکز داده بر روی نوار، نوری یا دستگاه های ذخیره سازی مغناطیسی ناهموار ارسال می کنند.
- اپراتورهای کارخانه های قهوه ای، که در آن هزاران رویداد و ده ها هشدار قرمز در هر روز رخ می دهد، می خواهند بهینه تر و پایدارتر کار کنند. با این حال، شبکههای با نرخ پایین داده و تقریباً هیچ امکانات ذخیرهسازی برای جمعآوری دادهها برای تجزیه و تحلیل در کارخانهها نشان میدهد که قبل از شروع تجزیه و تحلیل اولیه عملیات فعلی، به چیزی اساسیتر نیاز است.
این مطمئناً مرا به این فکر میکند که در حالی که ارائهدهندگان ابر عمومی تلاش میکنند همه این دادهها را به پلتفرمهای خود منتقل کنند، واقعیتی سخت وجود دارد که باید با آن کنار آمد. شاید بهترین راه برای طبقه بندی این مشکل، تلاش برای هل دادن یک فیل از داخل نی باشد! با این حال، بسیاری از مزایای ابر ضروری است. پس چه می توانیم بکنیم؟
حرکت به سمت ابر لبه
البته، هیتاچی در حال حاضر راهحلهای بهینهسازی شده (مخصوص صنعت) را در بازار دارد که دادهها را در لبه غنیسازی میکند، آنها را تجزیه و تحلیل میکند و آنها را به حداقل حجم قابل استفاده از دادهها فشرده میکند، و سیستمهای مشاوره تجاری را ارائه میدهد که میتواند فرآیندهای مرتبط با محاسبات لبه را بهبود بخشد. با این حال، نکته من از هفته گذشته این است که راه حل های این مشکلات پیچیده کمتر مربوط به ویجتی است که روی میز آورده اید و بیشتر به رویکردی که برای حل مشکل در نظر می گیرید است. این واقعاً روح پلتفرم Lumada گروه Insight Hitachi است زیرا شامل روشهایی برای تعامل با کاربران، اکوسیستمها و در صورت لزوم، ابزارهایی برای بحث است. از بازگشت به حل مشکلات (به جای فروش محصولات) بسیار خوشحال شدم، زیرا مت هال گفت: "خوشحال بودم که دیدم مردم هیتاچی واقعاً دامنه مشکل را درک می کردند."
بنابراین آیا O&G (صنعت نفت و گاز) می تواند به عنوان یک مثال زنده از نیاز به پیاده سازی محاسبات لبه ای عمل کند؟ به نظر می رسد که با توجه به مسائلی که در طول اجلاس سران ما آشکار شد، و همچنین سایر تعاملات صنعت، پاسخ احتمالی مثبت است. شاید دلیل واضح بودن این موضوع این باشد که محاسبات لبه، ساختمان متمرکز بر صنعت، و اختلاط الگوهای طراحی ابری با مدرن شدن پشته ها مشهود است. من معتقدم که در این مورد سؤال "چگونه" شایسته توجه است. با استفاده از نقل قول مت از پاراگراف آخر، متوجه می شویم که چگونه اخلاق رایانش ابری را به سمت محاسبات لبه سوق دهیم. اساساً، این صنعت ما را ملزم میکند که با افرادی که در بخشهای مختلف اکوسیستم صنعت نفت و گاز درگیر هستند، مانند زمینشناسان، مهندسان حفاری، ژئوفیزیکدانان و غیره، ارتباطات «قدیمی» و گاه شخصی داشته باشیم. با حل شدن این تعاملات، دامنه و عمق آنها آشکارتر و حتی قانع کننده تر می شود. سپس، زمانی که برنامه های اجرایی را تهیه و اجرا کردیم، تصمیم به ساخت سیستم های ابری لبه خواهیم گرفت. با این حال، اگر وسط بنشینیم و فقط این مسائل را بخوانیم و تصور کنیم، درک و همدلی کافی نخواهیم داشت تا واقعاً بهترین کار را انجام دهیم. بنابراین، دوباره، بله، نفت و گاز باعث ایجاد سیستمهای ابری لبهای میشوند، اما درک نیازهای واقعی کاربران در زمین است که به ما کمک میکند تعیین کنیم که کدام مسائل از اهمیت بالایی برخوردار هستند.
منبع: www.habr.com