img

اینترنت اشیاء و ۵G در حال به اوج رساندن محاسبات

/
/
/

کمپانی اینتل پیش بینی کرده است که تا سال ۲۰۲۰، متوسط کاربران اینترنتی از ترافیک ۱٫۵GB روزانه استفاده می کنند و ترافیک ویدئوی روزانه به ۱PB خواهد رسید. مقادیر بسیار زیادی از اطلاعات توسط خودروهای خودران، دستگاه های موبایل و دستگاه های اینترنت اشیاء (IoT) تولید خواهد شد.
هر روز مقادیر بالاتری از اطلاعات جمع آوری می شوند و به سرورهای سریعتری از مراکز داده ها ارسال می شوند، تا بتوانند این داده ها را تجزیه و تحلیل کرده و یک نتیجه عقلانی از آن ها بگیرند. این تجزیه و تحلیل به بالا رفتن تشخیص تصویر و صدا بسیار کمک کرده است و ماشین های بدون سرنشین را تبدیل به یک واقعیت ساخته است.
با ظهور شبکه های داده ای فوق سریع مانند ۵G حتی میزان این داده های جمع آوری شده بیش از پیش خواهند شد، که ممکن است بار مراکز داده ها را بیش از حد توان آن ها کنند. سرورها از قبل طراحی مجدد شده اند تا بتوانند داده های بیشتری را در خود نگه داری کنند، و فناوری های ورودی مانند Gen-Z و فیبر نوری برای کاهش وقفه مورد استفاده قرار گرفته اند.
در کنگره دنیای موبایل سال ۲۰۱۷، محاسبات بر روی لبه (بر روی اوج) یک موضوع مهم در بین زیرساخت های ارائه دهنده حاضر در کنگره بود. محاسبات لبه در بردارنده پردازش سبک بر روی سرورهای میانجی یا بر روی لبه شبکه ها می باشد. این نوع از محاسبات می تواند منجر به پاسخ های سریعتر سرویس های موبایل شود، و هیچ فشاری را بر روی سرورهای مرکزی شبکه قرار ندهد.
محاسبات لبه همچنین می تواند تجزیه و تحلیل های دائمی را برای مطمئن شدن از دور ریخته شدن اطلاعات بی استفاده و تنها استفاده از داده های مفید بر روی سرورهای شبکه مرکزی استفاده کند. همچنین محاسبات لبه در بحث بصری سازی نیز به میان می آید، که می تواند قطعه هایی از داده ها را که در بسته های کوچکتری هستند به سرورهای مناسب انتقال دهد.
در MWC، بسیاری از کمپانی ها محصولات و ایده های جدیدی را برای استفاده در محاسبات لبه به نمایش گذاشتند. اکثر فروشندگان دارای یک هدف مشترک بودند: کنترل کردن بهتر این چرخه و گرفتن اطلاعاتی منطقی تر از داده ها، خصوصاً در داده های عظیمی که به وسیله دستگاه های اینترنت اشیاء جمع آوری شده اند، هدف مشترک همه بود.
کمپانی Hewlett Packard Enterprise آخرین و جدیدترین نسل سرورهای اینترنت اشیای خود را به نام Edgeline به نمایش گذاشت، که این سرورها شبیه به سرورهای Proliant از همین کمپانی هستند تنها با این تفاوت که باریک تر طراحی شده اند. این سرورها در لبه قرار می گیرند و می توانند داده ها را قبل از ارسال شدن به سرورهای مرکزی در مراکز داده ها، به خوبی تجزیه و تحلیل کنند. این سرورها می توانند بسته های داده ها را بر روی لبه مجازی سازی کنند، که بعد از آن استفاده بهتری برای منابع محاسباتی داشته باشند.
برای مثال سرورهای Edgeline می توانند وظایف محاسباتی موبایل را بر روی لبه بر عهده بگیرند. وظایف سنگین تر داده ای مانند تشخیص تصاویر، می توانند به شبکه مرکزی مرکز داده ها بازگردانده شوند، که به خوبی در آن جا توسط فناوری یادگیری ماشین تجزیه و تحلیل شوند.
در همین زمینه، کمپانی Dell از سرورهای Edge Gateway 3000 خود برای چندین برنامه اینترنت اشیاء رونمایی کرد. این سرورها می توانند داده های جمع آوری شده را تجزیه و تحلیل کنند و آن ها را به مرکز داده تحویل دهند. این سرورها از جدیدترین تراشه های Atom کمپانی اینتل بر روی خود استفاده می کنند، که این پردازنده ها دارای ۱۶ هسته می  باشند و قدرت محاسباتی بسیاری دارند.
محصول Model 3001 با هدف اتوماسیونی کردن صنایع و مدیریت انرژی تولید شده است. محصول Model 3002 با هدف جای دادن حمل و نقل و منطق در ماشین های بزرگی مانند Lorries ساخته شده است. محصول Model 3003 با هدف پخش ویدئو و برنامه های فروش طراحی شده است.
این سرورها از تراشه های جدید Xeon-D یا Atom هردو از اینتل استفاده می کنند. این پردازنده ها در سرورهای لبه و شبکه های اصلی قرار می گیرند. این تراشه ها به اندازه پردازنده های Xeon E5 که برای سرورهای مراکز داده مورد استفاده قرار می گرفتند قدرتند نیستند.
کمپانی Ubuntu برخی از طرح های روتر شبکه Open Compute Project را با پردازش لبه در مراسم MWC 2017 به نمایش داد. این روترها بر روی خود دارای Ubuntu Snappy Core بودند و نرم افزار مربوط به پردازش لبه را بر روی خود اجرا می کنند. این روترهای جدید همچنین در نوع خود سرورهایی هستند و می توانند بار کاری سرورهای پیشرفته را کاهش دهند. برنامه Ubuntu snaps که شبیه به برنامه های دیگر است، می تواند وظایف مربوط به پردازش لبه را انجام دهد.
یکی دیگر از نمایش های جالب در این مراسم این بود که سرور ARM پردازش لبه را برای شبکه های ۵G انجام می دهد. این سرورهای ARM دارای تراشه هایی از نوع ۶۴-bit Cavium ThunderX2 هستند که قبلاً بر روی شبکه ها مورد استفاده قرار گرفته بودند و همچنین می توانند تراشه های کم مصرف را تا دو برابر قوی تر کنند تا پردازش لبه را با قدرت بیشتری انجام دهند.
CPU های قدرتمند برای پردازش لبه مورد نیاز ما نیستند، اما تراشه ها باید قادر به کار کردن با مجموعه داده های بزرگ باشند و مطمئن شوند که این داده ها مجازی سازی شده و به خوبی هدایت شده اند. تراشه های سرورهای ARM می توانند با استفاده از ساختمان ARMv8 64-bit داده ها را مجازی سازی کنند، که این ساختمان توسط سازندگان تراشه ای مانند Cavium به کار گرفته شده است.
پردازش لبه برای ماشین های خودران نیز از اهمیت بالایی برخوردار خواهد بود. چشم انداز کامل آن این است که این ماشین ها قادر به متصل شدن به سرورهای فوق سریع در کلاد خواهند بود تا به این طریق تصاویر را شناسایی کنند، نقشه ها را نگاه کنند و تصمیم های رانندگی بهتری را بگیرند. اما این اتصالات ممکن است همیشه امکان پذیر نباشند، که این همان جایی است که پردازش لبه پا به میان می گذارد.
کمپانی های اینتل و Qualcomm مدارهایی را برای سازگار کردن پردازش لبه با ماشین های خودران فراهم کرده اند. اینتل در حال قرار دادن FPGA ها (آرایه های درگاه قابل برنامه ریزی میدانی) در ماشین های خودران برای به عهده گرفتن وظایف مشخصی است، در حالی که کمپانی Qualcomm بر روی پردازنده های سیگنال دیجیتالی خود متکی می باشد. FPGA ها و دیگر مولفه ها همگی از جمله مولفه های کلیدی برای ماشین های خودران و زیرساخت های ۵G می باشند.
پردازش لبه همچنین در حال تبدیل شدن به یک اولویت برای ارائه دهندگان فناوری از راه دور می باشد، که آن ها به دنبال راهی برای انعطاف پذیر تر کردن سرویس های خود برای ارائه دادن به مشتریان می باشند. برای مثال، کمپانی SK Telecom-که در حال تست کردن شبکه ۵G در کره جنوبی است-پی برده است که پردازش لبه برای مجازی سازی کردن داده ها و شبکه های رادیویی بسیار مفید است.

1 نظرات

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

It is main inner container footer text