Fujitsu Laboratories Ltd. tillkännagav idag utvecklingen av Dynamically Reconfigurable Asynchronous Consistent EveNt-processing Architecture (Dracena), en strömbehandlingsarkitektur som kan lägga till eller ändra innehåll vid behandling av stora volymer av IoT -data, utan att stanna. Med de senaste framstegen inom IoT -teknik, det förväntas att många realtidstjänster kommer att skapas för att utnyttja de stora datamängder som flödar in i molnet från olika enheter över fabriker, hem, och social infrastruktur. I utvecklingen mot autonom körning med anslutna bilar, forskare överväger analys av de stora mängderna information, som hastighet och plats, genereras från fordon, som sedan kan presenteras för förare, i form av varningar, till exempel.

Strömbehandlingsteknik, vilket är effektivt vid höghastighetsbearbetning av denna typ av enorma datamängder, har problem med det, eftersom behandlingen måste stoppas tillfälligt när du ändrar eller lägger till bearbetningsinnehåll enligt tillägg eller förbättringar av tjänster, tillhandahållandet av tjänster kan försenas. Nu, Fujitsu har utvecklat en ny strömbehandlingsarkitektur som automatiskt växlar till ett nyligen tillhandahållet databehandlingsprogram när ett parallellt databehandlingsjobb har slutförts, genom att separera strömbehandling till datamottagning och faktisk databehandling så att datamottagning och aktuell databehandling inte stoppas (patentsökt).

Som ett resultat, i en simulering av mottagandet av några dussin byte data per sekund från en miljon fordon, Fujitsu har bekräftat att denna arkitektur kan fortsätta bearbeta strömmande data samtidigt som man lägger till eller ändrar bearbetningsprogram, med en genomsnittlig fördröjning öka volymerna på fem millisekunder eller mindre. Fujitsu Laboratories vill kommersialisera denna teknik under budgetåret 2018 på Mobility IoT -plattformen, erbjuds av Fujitsu Limited, och utvidga den till andra branschområden. Detaljer om denna teknik presenterades på DEIM2018 (Forum on Data Engineering and Information Management), en konferens som hålls i Awara, Fukui Prefecture, Japan, från 4 mars.

Utvecklingsbakgrund

Med den senaste utvecklingen av IoT -teknik, data har börjat samlas in från alla möjliga föremål och samlas in i datacentraler, och det förväntas att genom att analysera och använda detta, en mängd nya tjänster kommer att skapas. När det gäller anslutna bilar, till exempel, man tror att genom att samla in, analyserar, och använder data från bilar i realtid, det kommer att vara möjligt att lindra trängsel, hjälpa förare, och förbättra säkerheten för autonom körning (figur 1).

För att snabbt kunna behandla data, som hastighet och plats, som genereras från sekund till sekund av ett stort antal bilar i rörelse, den mest effektiva metoden är att konstruera ett system som använder strömbehandling för att bearbeta data parallellt, till exempel bil för bil. För att lägga till eller ändra bearbetningsprogram enligt servicetillägg och förbättringar, den nuvarande metoden innebär att två system i samma skala förbereds i förväg, använder en för operationer, göra ändringar i den andra, och sedan snabbt byta ut dem. Denna metod krävde att båda systemen tillfälligt stoppades, dock, medan data, såsom hastigheten eller positionen för en bil, förvaras i minnet av systemet som används, kopierades över till det reviderade systemet. Detta gjorde det svårt att producera tjänster som krävde verkligt kontinuerlig verksamhet, t.ex. sändning av varningar i realtid till anslutna bilar. Dessutom, eftersom nya bearbetningsprogram erhölls från databasen, känd som ett förvar, trängsel resulterade i de många frågorna från stora volymer bearbetningsenheter, försenar den totala behandlingen.

Detaljer om den nyutvecklade tekniken

Nu, Fujitsu Laboratories har utvecklat Dracena, en arkitektur som kan ändra bearbetningsprogrammen för ett system medan det är i drift, utan att stoppa verksamheten. Med denna teknik, när du ändrar eller lägger till databehandlingsinnehåll, denna arkitektur distribuerar det nya databehandlingsprogrammet som ett meddelande, på samma sätt som data distribueras, till varje enskild bearbetningsenhet, kallade ett objekt, t.ex. bearbetningsenheten för varje bil. Detta eliminerar påverkan på den totala bearbetningshastigheten på grund av koncentrationen av frågor i förvaret. Dessutom, genom att separera intra-objekt meddelandemottagning och databehandling i denna arkitektur, systemet kan lägga till i det nya databehandlingsprogrammet utan att stoppa behandling av meddelandemottagning eller befintlig databehandling, och sedan låta alla objekt övergå till det nya databehandlingsprogrammet med samma tidpunkt. Detta har gjort det möjligt för Fujitsu Laboratories att skapa en strömbehandlingsarkitektur där databehandlingsprogrammet kan läggas till eller ändras utan att stanna, för att fortsätta parallelliserad bearbetning utan att hålla tillbaka flödet av enorma datamängder för kopiering (figur 2).

Resultaten av en simulerad utvärdering bekräftade att i ett användningsfall där några dussin byte data överförs en gång per sekund från en miljon fordon, denna arkitektur kunde kontinuerligt tillhandahålla tjänster när man lägger till en plötslig bromsningsdetekteringstjänst i en situation där systemet redan levererade en tjänst för att upptäcka för höga körtider, med en genomsnittlig fördröjning öka volymen på fem millisekunder eller mindre. Denna arkitektur kommer att möjliggöra snabb tillhandahållande av realtidstjänster som kräver oavbruten drift och som kan svara på problem som uppstår i samhället, inklusive tillhandahållande av körhjälp för uppkopplade bilar, stödja energibesparande användning av apparater, tillhandahållande av hälso- och säkerhetsövervakning i hemmet, och tillhandahåller reseguide för turister som använder smartphones. Dessutom, denna arkitektur gör det möjligt för användare att anta en byggmetod där de först bygger ett bassystem som syftar till enkel analys och användning, och sedan gradvis lägga till nya tjänster. Att använda denna teknik för bilar, till exempel, det skulle vara möjligt att börja med ett system som läser tecken på rattfylleri baserat på rattens driftdata, och lägg sedan till nya tjänster lager för lager, som att kombinera detta med kartdata för att upptäcka sidvindar vid tunnelutgångar, eller kombinera den med bilddata för att upptäcka förekomsten av olagligt parkerade bilar, som kan förväntas förbättra effektiviteten i tjänsteutvecklingen.

Fujitsu siktar på att kommersialisera denna teknik under budgetåret 2018 som en beståndsdel i Mobility IoT -plattformen som erbjuds av Fujitsu Limited. Dessutom, Fujitsu strävar efter att utvidga denna teknik utöver mobilitetsområdet till affärsområden som kräver realtidstjänster baserade på data som kontinuerligt genereras med hög frekvens, som att ge vägbeskrivningar till människor under händelser eller i katastrofsituationer.