નોંધો વચ્ચે વાંચન: સંગીતની અંદર ડેટા ટ્રાન્સમિશન સિસ્ટમ

શબ્દો જે અભિવ્યક્ત કરી શકતા નથી તે વ્યક્ત કરો; લાગણીઓના વાવાઝોડામાં ગૂંથેલી વિવિધ પ્રકારની લાગણીઓનો અનુભવ કરો; પૃથ્વી, આકાશ અને બ્રહ્માંડથી પણ દૂર થઈ જવું, એવી મુસાફરી પર જવું જ્યાં કોઈ નકશા નથી, રસ્તા નથી, કોઈ ચિહ્નો નથી; એક સંપૂર્ણ વાર્તા શોધો, કહો અને અનુભવો જે હંમેશા અનન્ય અને અજોડ રહેશે. આ બધું સંગીત દ્વારા થઈ શકે છે - એક કલા જે હજારો વર્ષોથી અસ્તિત્વમાં છે અને આપણા કાન અને હૃદયને આનંદ આપે છે.

જો કે, સંગીત, અથવા તેના બદલે સંગીતનાં કાર્યો, માત્ર સૌંદર્યલક્ષી આનંદ માટે જ નહીં, પરંતુ તેમાં એન્કોડ કરેલી માહિતીના પ્રસારણ માટે પણ સેવા આપી શકે છે, જે અમુક ઉપકરણ માટે બનાવાયેલ છે અને સાંભળનાર માટે અદ્રશ્ય છે. આજે આપણે એક ખૂબ જ અસામાન્ય અભ્યાસથી પરિચિત થઈશું જેમાં ETH ઝ્યુરિચના સ્નાતક વિદ્યાર્થીઓ, માનવ કાન દ્વારા ધ્યાન આપ્યા વિના, સંગીતના કાર્યોમાં ચોક્કસ ડેટા દાખલ કરવામાં સક્ષમ હતા, જેના કારણે સંગીત પોતે જ ડેટા ટ્રાન્સમિશન ચેનલ બની જાય છે. તેઓએ તેમની ટેક્નૉલૉજીને કેવી રીતે બરાબર અમલમાં મૂકી, શું એમ્બેડેડ ડેટા સાથે અને વગરની ધૂન ખૂબ જ અલગ છે અને વ્યવહારિક પરીક્ષણો શું દર્શાવે છે? અમે આ વિશે સંશોધકોના અહેવાલમાંથી જાણીએ છીએ. જાઓ.

સંશોધનનો આધાર

સંશોધકો તેમની ટેકનોલોજીને એકોસ્ટિક ડેટા ટ્રાન્સમિશન ટેકનોલોજી કહે છે. જ્યારે કોઈ વક્તા સંશોધિત મેલોડી વગાડે છે, ત્યારે વ્યક્તિ તેને સામાન્ય માને છે, પરંતુ, ઉદાહરણ તરીકે, સ્માર્ટફોન લીટીઓ વચ્ચે અથવા નોંધો વચ્ચે એન્કોડેડ માહિતી વાંચી શકે છે, તેથી બોલવા માટે. વૈજ્ઞાનિકો (હકીકત એ છે કે આ લોકો હજુ પણ સ્નાતક વિદ્યાર્થીઓ છે તેઓને વૈજ્ઞાનિકો બનવાથી અટકાવતા નથી) આ પરિમાણોના સ્તરને જાળવી રાખતી વખતે ટ્રાન્સમિશનની ઝડપ અને વિશ્વસનીયતાને કૉલ કરે છે, પસંદ કરેલ ઑડિઓ ફાઇલને ધ્યાનમાં લીધા વિના, અમલીકરણમાં સૌથી મહત્વપૂર્ણ પાસું છે. આ ડેટા ટ્રાન્સફર ટેકનિક. સાયકોકોસ્ટિક્સ, જે અવાજોની માનવીય ધારણાના મનોવૈજ્ઞાનિક અને શારીરિક પાસાઓનો અભ્યાસ કરે છે, આ કાર્યનો સામનો કરવામાં મદદ કરે છે.

એકોસ્ટિક ડેટા ટ્રાન્સમિશનના મુખ્ય ભાગને OFDM (ઓર્થોગોનલ ફ્રીક્વન્સી ડિવિઝન મલ્ટિપ્લેક્સિંગ) કહી શકાય, જેણે સમય જતાં સ્ત્રોત સંગીતમાં સબકેરિયર્સના અનુકૂલન સાથે, માહિતીના પ્રસારણ માટે ટ્રાન્સમિટેડ ફ્રીક્વન્સી સ્પેક્ટ્રમનો મહત્તમ ઉપયોગ કરવાનું શક્ય બનાવ્યું. આનો આભાર, 412 મીટર (ભૂલ દર <24%) સુધીના અંતરે 10 bps ની ટ્રાન્સમિશન ઝડપ પ્રાપ્ત કરવી શક્ય બની. 40 સ્વયંસેવકોને સંડોવતા પ્રાયોગિક પ્રયોગોએ એ હકીકતની પુષ્ટિ કરી કે મૂળ મેલોડી અને જેમાં માહિતી એમ્બેડ કરવામાં આવી હતી તે વચ્ચેનો તફાવત સાંભળવો લગભગ અશક્ય છે.

વ્યવહારમાં આ ટેકનોલોજી ક્યાં લાગુ કરી શકાય? સંશોધકોનો પોતાનો જવાબ છે: લગભગ તમામ આધુનિક સ્માર્ટફોન, લેપટોપ અને અન્ય હેન્ડહેલ્ડ ઉપકરણો માઇક્રોફોનથી સજ્જ છે, અને ઘણા જાહેર સ્થળો (કાફે, રેસ્ટોરાં, શોપિંગ સેન્ટરો, વગેરે) પર પૃષ્ઠભૂમિ સંગીત સાથેના સ્પીકર્સ છે. આ પૃષ્ઠભૂમિ મેલોડી, ઉદાહરણ તરીકે, વધારાની ક્રિયાઓની જરૂરિયાત વિના Wi-Fi નેટવર્કથી કનેક્ટ કરવા માટેનો ડેટા સમાવી શકે છે.

એકોસ્ટિક ડેટા ટ્રાન્સમિશનની સામાન્ય લાક્ષણિકતાઓ અમને સ્પષ્ટ થઈ ગઈ છે; હવે ચાલો આ સિસ્ટમની રચનાના વિગતવાર અભ્યાસ તરફ આગળ વધીએ.

સિસ્ટમ વર્ણન

મેલોડીમાં ડેટાનો પરિચય ફ્રીક્વન્સી માસ્કિંગને કારણે થાય છે. ટાઈમ સ્લોટ્સમાં, માસ્કિંગ ફ્રીક્વન્સીઝ ઓળખવામાં આવે છે અને આ માસ્કિંગ તત્વોની નજીકના OFDM સબકેરિયર્સ ડેટાથી ભરેલા હોય છે.

છબી #1: મૂળ ફાઇલને સ્પીકર્સ દ્વારા પ્રસારિત સંયુક્ત સિગ્નલ (મેલોડી + ડેટા) માં રૂપાંતરિત કરવું.

શરૂ કરવા માટે, મૂળ ઓડિયો સિગ્નલને વિશ્લેષણ માટે ક્રમિક સેગમેન્ટમાં વિભાજિત કરવામાં આવે છે. L = 8820 નમૂનાના આવા પ્રત્યેક સેગમેન્ટ (Hi) ને, 200 ms ની બરાબર, વડે ગુણાકાર કરવામાં આવે છે. બારી* સીમાની અસરોને ઘટાડવા માટે.

બારી* સ્પેક્ટ્રલ અંદાજમાં સાઇડલોબ્સને કારણે અસરોને નિયંત્રિત કરવા માટે વપરાતું વેઇટિંગ ફંક્શન છે.

આગળ, મૂળ સિગ્નલની પ્રબળ ફ્રીક્વન્સીઝ 500 Hz થી 9.8 kHz ની રેન્જમાં મળી આવી, જેણે આ સેગમેન્ટ માટે માસ્કિંગ ફ્રીક્વન્સી fM,l મેળવવાનું શક્ય બનાવ્યું. વધુમાં, રીસીવર પર સબકેરિયર્સનું સ્થાન સ્થાપિત કરવા માટે 9.8 થી 10 kHz ની નાની શ્રેણીમાં ડેટા ટ્રાન્સમિટ કરવામાં આવ્યો હતો. ઉચ્ચ ફ્રીક્વન્સીઝ પર સ્માર્ટફોન માઇક્રોફોનની ઓછી સંવેદનશીલતાને કારણે ઉપયોગમાં લેવાતી આવર્તન શ્રેણીની ઉપલી મર્યાદા 10 kHz પર સેટ કરવામાં આવી હતી.

દરેક વિશ્લેષિત સેગમેન્ટ માટે વ્યક્તિગત રીતે માસ્કિંગ ફ્રીક્વન્સીઝ નક્કી કરવામાં આવી હતી. HPS (હાર્મોનિક પ્રોડક્ટ સ્પેક્ટ્રમ) પદ્ધતિનો ઉપયોગ કરીને, ત્રણ પ્રભાવશાળી ફ્રીક્વન્સીઝને ઓળખવામાં આવી હતી અને પછી હાર્મોનિક ક્રોમેટિક સ્કેલ પર નજીકની નોંધો પર ગોળાકાર કરવામાં આવી હતી. C1 (3 Hz) અને B0 (16.35 Hz) ની વચ્ચે આ રીતે મુખ્ય નોંધો fF,i = 0…30.87 મેળવવામાં આવી હતી. ડેટા ટ્રાન્સમિશનમાં ઉપયોગ માટે મૂળભૂત નોંધો ખૂબ ઓછી છે તે હકીકતના આધારે, તેમના ઉચ્ચ ઓક્ટેવ 500kfF,iની ગણતરી 9.8 Hz ... 2 kHz રેન્જમાં કરવામાં આવી હતી. આમાંની ઘણી ફ્રીક્વન્સીઝ (fO, l1) HPS ની પ્રકૃતિને કારણે વધુ ઉચ્ચારવામાં આવી હતી.

છબી #2: મૂળભૂત નોંધો અને હાર્મોનિક્સ fH,l1 માટે સૌથી મજબૂત સ્વર માટે ગણતરી કરેલ અષ્ટક fO,l2.

ઓક્ટેવ્સ અને હાર્મોનિક્સના પરિણામી સમૂહનો ઉપયોગ માસ્કિંગ ફ્રીક્વન્સી તરીકે કરવામાં આવ્યો હતો, જેમાંથી OFDM સબકેરિયર ફ્રીક્વન્સીઝ fSC,k લેવામાં આવી હતી. દરેક માસ્કિંગ ફ્રીક્વન્સીની નીચે અને ઉપર બે સબકેરિયર્સ દાખલ કરવામાં આવ્યા હતા.

આગળ, હાઇ ઓડિયો સેગમેન્ટનું સ્પેક્ટ્રમ સબકેરિયર ફ્રીક્વન્સીઝ fSC,k પર ફિલ્ટર કરવામાં આવ્યું હતું. તે પછી, Bi માં માહિતી બિટ્સના આધારે એક OFDM પ્રતીક બનાવવામાં આવ્યું હતું, જેના કારણે સંયુક્ત સેગમેન્ટ Ci સ્પીકર દ્વારા પ્રસારિત કરી શકાય છે. સબકેરિયર્સની તીવ્રતા અને તબક્કાઓ પસંદ કરવા જોઈએ જેથી રીસીવર ટ્રાન્સમિટેડ ડેટાને બહાર કાઢી શકે જ્યારે સાંભળનાર મેલોડીમાં ફેરફારની નોંધ ન લે.

છબી નંબર 3: મૂળ મેલોડીના હાઇ સેગમેન્ટના સ્પેક્ટ્રમ અને સબકેરિયર ફ્રીક્વન્સીનો ભાગ.

જ્યારે તેમાં એન્કોડ કરેલી માહિતી સાથેનો ઑડિઓ સિગ્નલ સ્પીકર્સ દ્વારા વગાડવામાં આવે છે, ત્યારે પ્રાપ્ત ઉપકરણનો માઇક્રોફોન તેને રેકોર્ડ કરે છે. એમ્બેડેડ OFDM પ્રતીકોની પ્રારંભિક સ્થિતિ શોધવા માટે, રેકોર્ડ્સને પહેલા બેન્ડપાસ ફિલ્ટર કરવાની જરૂર છે. આ રીતે, ઉપલા આવર્તન શ્રેણી કાઢવામાં આવે છે, જ્યાં સબકેરિયર્સ વચ્ચે કોઈ સંગીતની દખલગીરીના સંકેતો નથી. તમે ચક્રીય ઉપસર્ગનો ઉપયોગ કરીને OFDM પ્રતીકોની શરૂઆત શોધી શકો છો.

OFDM પ્રતીકોની શરૂઆત શોધ્યા પછી, પ્રાપ્તકર્તા ઉચ્ચ આવર્તન ડોમેન ડીકોડિંગ દ્વારા સૌથી વધુ પ્રભાવશાળી નોંધો વિશે માહિતી મેળવે છે. વધુમાં, OFDM સાંકડી બેન્ડ હસ્તક્ષેપ સ્ત્રોતો માટે તદ્દન પ્રતિરોધક છે, કારણ કે તે માત્ર કેટલાક સબકેરિયર્સને અસર કરે છે.

પ્રાયોગિક પરીક્ષણો

KRK રોકીટ 8 સ્પીકરે સંશોધિત ધૂનોના સ્ત્રોત તરીકે કામ કર્યું, અને Nexus 5X સ્માર્ટફોને પ્રાપ્તકર્તા પક્ષની ભૂમિકા ભજવી.

છબી #4: સ્પીકર અને માઇક્રોફોન વચ્ચે 5m પર ઘરની અંદર માપવામાં આવેલ વાસ્તવિક OFDM અને સહસંબંધ શિખરો વચ્ચેનો તફાવત.

મોટાભાગના OFDM પોઈન્ટ 0 થી 25 ms ની રેન્જમાં આવેલા છે, જેથી તમે 66.6 ms ચક્રીય ઉપસર્ગની અંદર માન્ય શરૂઆત શોધી શકો. સંશોધકો નોંધે છે કે રીસીવર (આ પ્રયોગમાં, સ્માર્ટફોન) એ ધ્યાનમાં લે છે કે OFDM પ્રતીકો સમયાંતરે વગાડવામાં આવે છે, જે તેમની શોધમાં સુધારો કરે છે.

તપાસવા માટેની પ્રથમ વસ્તુ બીટ એરર રેટ (BER) પર અંતરની અસર હતી. આ કરવા માટે, વિવિધ પ્રકારના રૂમમાં ત્રણ પરીક્ષણો હાથ ધરવામાં આવ્યા હતા: કાર્પેટ સાથેનો કોરિડોર, ફ્લોર પર લિનોલિયમ સાથેની ઑફિસ અને લાકડાના ફ્લોર સાથેનું ઑડિટોરિયમ.

વેન હેલેનનું ગીત “એન્ડ ધ ક્રેડલ વિલ રોક” પરીક્ષણ વિષય તરીકે પસંદ કરવામાં આવ્યું હતું.

ધ્વનિ વોલ્યુમ એડજસ્ટ કરવામાં આવ્યું હતું જેથી સ્પીકરથી 2 મીટરના અંતરે સ્માર્ટફોન દ્વારા માપવામાં આવેલ અવાજનું સ્તર 63 ડીબી હતું.

છબી નંબર 5: સ્પીકર અને માઇક્રોફોન વચ્ચેના અંતરને આધારે BER સૂચકાંકો (વાદળી રેખા - પ્રેક્ષકો, લીલો - કોરિડોર, નારંગી - ઓફિસ).

હૉલવેમાં, સ્પીકરથી 40 મીટરના અંતરે સ્માર્ટફોન દ્વારા 24 ડીબીનો અવાજ લેવામાં આવ્યો હતો. 15 મીટરના અંતરે વર્ગખંડમાં ધ્વનિ 55 ડીબી હતો, અને 8 મીટરના અંતરે ઓફિસમાં સ્માર્ટફોન દ્વારા જોવામાં આવતા અવાજનું સ્તર 57 ડીબી સુધી પહોંચ્યું હતું.

કારણ કે ઓડિટોરિયમ અને ઓફિસ વધુ પ્રતિષ્ઠિત છે, મોડેથી OFDM પ્રતીકના પડઘા ચક્રીય ઉપસર્ગ લંબાઈ કરતાં વધી જાય છે અને BER માં વધારો કરે છે.

પ્રતિક્રમણ* - તેના બહુવિધ પ્રતિબિંબને કારણે ધ્વનિની તીવ્રતામાં ધીમે ધીમે ઘટાડો.

સંશોધકોએ તેમની સિસ્ટમની વૈવિધ્યતાને ત્રણ શૈલીઓમાંથી 6 અલગ અલગ ગીતોમાં લાગુ કરીને દર્શાવી (નીચેનું કોષ્ટક).

કોષ્ટક નંબર 1: પરીક્ષણોમાં વપરાયેલ ગીતો.

ઉપરાંત, ટેબલ ડેટા દ્વારા, આપણે દરેક ગીત માટે બીટ રેટ અને બીટ એરર રેટ જોઈ શકીએ છીએ. ડેટા દરો અલગ છે કારણ કે જ્યારે સમાન સબકૅરિયર્સનો ઉપયોગ કરવામાં આવે ત્યારે ડિફરન્શિયલ BPSK (ફેઝ શિફ્ટ કીઇંગ) વધુ સારી રીતે કામ કરે છે. અને જ્યારે અડીને આવેલા સેગમેન્ટમાં સમાન માસ્કિંગ તત્વો હોય ત્યારે આ શક્ય છે. સતત ઘોંઘાટીયા ગીતો ડેટા છુપાવવા માટે શ્રેષ્ઠ આધાર પૂરો પાડે છે કારણ કે માસ્કિંગ ફ્રીક્વન્સીઝ વિશાળ આવર્તન શ્રેણીમાં વધુ મજબૂત રીતે હાજર હોય છે. વિશ્લેષણ વિન્ડોની નિશ્ચિત લંબાઈને કારણે ઝડપી ગતિનું સંગીત માત્ર OFDM પ્રતીકોને આંશિક રીતે માસ્ક કરી શકે છે.

આગળ, લોકોએ સિસ્ટમનું પરીક્ષણ કરવાનું શરૂ કર્યું, જેમણે તે નક્કી કરવાનું હતું કે કઈ મેલોડી મૂળ છે અને તેમાં એમ્બેડ કરેલી માહિતી દ્વારા કઈ સંશોધિત કરવામાં આવી હતી. આ હેતુ માટે, ટેબલ નંબર 12 ના ગીતોના 1-સેકન્ડના અંશો ખાસ વેબસાઇટ પર પોસ્ટ કરવામાં આવ્યા હતા.

પ્રથમ પ્રયોગ (E1), દરેક સહભાગીને સાંભળવા માટે કાં તો સંશોધિત અથવા મૂળ ટુકડો આપવામાં આવ્યો હતો અને તેણે નક્કી કરવાનું હતું કે ટુકડો મૂળ છે કે સંશોધિત છે. બીજા પ્રયોગ (E2) માં, સહભાગીઓ બંને આવૃત્તિઓને તેઓ ઇચ્છે તેટલી વખત સાંભળી શકે છે, અને પછી નક્કી કરી શકે છે કે કયું મૂળ હતું અને કયું સંશોધિત કરવામાં આવ્યું હતું.

કોષ્ટક નંબર 2: પ્રયોગો E1 અને E2 ના પરિણામો.

પ્રથમ પ્રયોગના પરિણામોમાં બે સૂચકાંકો છે: p(O|O) - સહભાગીઓની ટકાવારી જેમણે મૂળ મેલોડીને યોગ્ય રીતે ચિહ્નિત કર્યું અને p(O|M) - મેલોડીના સંશોધિત સંસ્કરણને મૂળ તરીકે ચિહ્નિત કરનારા સહભાગીઓની ટકાવારી.

રસપ્રદ વાત એ છે કે, કેટલાક સહભાગીઓ, સંશોધકોના મતે, અમુક બદલાયેલી ધૂનોને મૂળ કરતાં વધુ મૂળ માને છે. બંને પ્રયોગોની સરેરાશ સૂચવે છે કે સરેરાશ સાંભળનાર નિયમિત મેલોડી અને જેમાં ડેટા એમ્બેડ કરવામાં આવ્યો હતો તે વચ્ચેનો તફાવત જોશે નહીં.

સ્વાભાવિક રીતે, સંગીત નિષ્ણાતો અને સંગીતકારો બદલાયેલી ધૂનોમાં કેટલીક અચોક્કસતા અને શંકાસ્પદ તત્વો શોધી શકશે, પરંતુ આ તત્વો એટલા નોંધપાત્ર નથી કે અગવડતા પેદા કરે.

અને હવે આપણે જાતે પ્રયોગમાં ભાગ લઈ શકીએ છીએ. નીચે સમાન મેલોડીના બે સંસ્કરણો છે - મૂળ અને સંશોધિત. શું તમે તફાવત સાંભળી શકો છો?

મેલોડીનું મૂળ સંસ્કરણ
vs
મેલોડીનું સંશોધિત સંસ્કરણ

અભ્યાસની ઘોંઘાટ સાથે વધુ વિગતવાર પરિચય માટે, હું જોવાની ભલામણ કરું છું અહેવાલ સંશોધન જૂથ.

તમે અભ્યાસમાં વપરાયેલ મૂળ અને સંશોધિત ધૂનોની ઑડિઓ ફાઇલોનો ઝીપ આર્કાઇવ પણ ડાઉનલોડ કરી શકો છો આ લિંક.

ઉપસંહાર

આ કાર્યમાં, ETH ઝ્યુરિચના સ્નાતક વિદ્યાર્થીઓએ સંગીતની અંદર એક અદ્ભુત ડેટા ટ્રાન્સમિશન સિસ્ટમનું વર્ણન કર્યું. આ કરવા માટે, તેઓએ ફ્રીક્વન્સી માસ્કિંગનો ઉપયોગ કર્યો, જેણે સ્પીકર દ્વારા વગાડવામાં આવતી મેલોડીમાં ડેટાને એમ્બેડ કરવાનું શક્ય બનાવ્યું. આ મેલોડી ઉપકરણના માઇક્રોફોન દ્વારા જોવામાં આવે છે, જે છુપાયેલા ડેટાને ઓળખે છે અને તેને ડીકોડ કરે છે, જ્યારે સરેરાશ શ્રોતા તફાવતને ધ્યાનમાં પણ લેશે નહીં. ભવિષ્યમાં, ગાય્સ તેમની સિસ્ટમ વિકસાવવાની યોજના ધરાવે છે, ઑડિઓમાં ડેટા દાખલ કરવા માટે વધુ અદ્યતન પદ્ધતિઓ પસંદ કરે છે.

જ્યારે કોઈ વ્યક્તિ કંઈક અસામાન્ય અને સૌથી અગત્યનું, કંઈક કામ કરે છે, ત્યારે આપણે હંમેશા ખુશ હોઈએ છીએ. પરંતુ તેનાથી પણ વધુ આનંદ એ છે કે આ શોધ યુવાનો દ્વારા બનાવવામાં આવી છે. વિજ્ઞાનને કોઈ વય પ્રતિબંધ નથી. અને જો યુવાનોને વિજ્ઞાન કંટાળાજનક લાગતું હોય તો તેને ખોટા એંગલથી રજૂ કરવામાં આવી રહ્યું છે, તેથી વાત કરવી. છેવટે, જેમ આપણે જાણીએ છીએ, વિજ્ઞાન એ એક અદ્ભુત વિશ્વ છે જે ક્યારેય આશ્ચર્યચકિત થવાનું બંધ કરતું નથી.

શુક્રવાર ઑફ-ટોપ:

અમે સંગીત અથવા તેના બદલે રોક સંગીત વિશે વાત કરી રહ્યા હોવાથી, અહીં રોકના વિસ્તરણ દ્વારા એક અદ્ભુત પ્રવાસ છે.

રાણી, "રેડિયો ગા ગા" (1984).

વાંચવા બદલ આભાર, જિજ્ઞાસુ રહો અને મિત્રોનો સપ્તાહાંત સારો રહે! 🙂

અમારી સાથે રહેવા બદલ આભાર. શું તમને અમારા લેખો ગમે છે? વધુ રસપ્રદ સામગ્રી જોવા માંગો છો? ઓર્ડર આપીને અથવા મિત્રોને ભલામણ કરીને અમને ટેકો આપો, એન્ટ્રી-લેવલ સર્વર્સના અનન્ય એનાલોગ પર Habr વપરાશકર્તાઓ માટે 30% ડિસ્કાઉન્ટ, જેની શોધ અમારા દ્વારા તમારા માટે કરવામાં આવી હતી: VPS (KVM) E5-2650 v4 (6 Cores) 10GB DDR4 240GB SSD 1Gbps વિશેનું સંપૂર્ણ સત્ય $20 થી અથવા સર્વર કેવી રીતે શેર કરવું? (RAID1 અને RAID10 સાથે ઉપલબ્ધ, 24 કોરો સુધી અને 40GB DDR4 સુધી).

ડેલ R730xd 2 ગણું સસ્તું? માત્ર અહીં 2 x ઇન્ટેલ ટેટ્રાડેકા-કોર Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 ટીવી $199 થી નેધરલેન્ડમાં! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 થી! વિશે વાંચો ઇન્ફ્રાસ્ટ્રક્ચર કોર્પોરેશન કેવી રીતે બનાવવું. ડેલ R730xd E5-2650 v4 સર્વર્સના ઉપયોગ સાથેનો વર્ગ એક પેની માટે 9000 યુરોના મૂલ્યના છે?

સોર્સ: www.habr.com