Grazie ai recenti progressi nelle tecnologie IoT, si prevede l'emergere di numerosi servizi in tempo reale in grado di utilizzare l'enorme quantità di dati che affluiscono nel cloud da diversi dispositivi presenti in fabbriche, abitazioni e infrastrutture sociali. Con l'avvento della guida autonoma e delle auto connesse, i ricercatori stanno valutando la possibilità di analizzare le ingenti quantità di informazioni, come velocità e posizione, generate dai veicoli, che potrebbero poi essere presentate ai conducenti sotto forma di avvisi, ad esempio.
La tecnologia di elaborazione in streaming, efficace nell'elaborazione ad alta velocità di volumi di dati così ingenti, presenta dei problemi perché l'elaborazione deve essere temporaneamente interrotta quando si modificano o si aggiungono contenuti in base ad aggiornamenti o miglioramenti dei servizi, con conseguenti possibili ritardi nell'erogazione degli stessi.
Fujitsu ha sviluppato una nuova architettura per l'elaborazione di flussi di dati che passa automaticamente a un nuovo programma di elaborazione dati al termine di un'attività di elaborazione parallela. Questa architettura separa l'elaborazione dei flussi di dati in elaborazione della ricezione e elaborazione dei dati correnti, garantendo la continuità sia della ricezione che dell'elaborazione dei dati correnti (brevetto in corso di registrazione). Di conseguenza, in una simulazione di ricezione di alcune decine di byte di dati al secondo da un milione di veicoli, Fujitsu ha confermato che questa architettura è in grado di continuare a elaborare i dati in streaming durante l'aggiunta o la modifica dei programmi di elaborazione, con un aumento medio dei tempi di attesa pari o inferiore a cinque millisecondi.
Fujitsu Laboratories punta a commercializzare questa tecnologia nel corso dell'anno fiscale 2018 sulla piattaforma Mobility IoT, offerta da Fujitsu Limited, e ad estenderla ad altri settori industriali.
I dettagli di questa tecnologia sono stati presentati al DEIM2018 (Forum sull'ingegneria dei dati e la gestione delle informazioni), una conferenza tenutasi ad Awara, nella prefettura di Fukui, in Giappone, a partire dal 4 marzo.
Contesto di sviluppo:
Con il recente sviluppo delle tecnologie IoT, i dati hanno iniziato a essere raccolti da ogni tipo di oggetto e archiviati nei data center. Si prevede che l'analisi e l'utilizzo di questi dati porteranno alla creazione di nuovi servizi. Nel caso delle auto connesse, ad esempio, si ritiene che la raccolta, l'analisi e l'utilizzo dei dati in tempo reale delle auto consentiranno di alleviare la congestione, assistere i conducenti e migliorare la sicurezza della guida autonoma (Figura 1).
di
veicoli in movimento, il metodo più efficiente consiste nel costruire un sistema che utilizzi l'elaborazione in streaming per elaborare i dati in parallelo, veicolo per veicolo. Per aggiungere o modificare il programma di elaborazione in base all'aggiunta e al miglioramento dei servizi, il metodo attuale prevede la preparazione preventiva di due sistemi della stessa dimensione, utilizzandone uno per le operazioni, apportando modifiche all'altro e quindi scambiandoli rapidamente. Tuttavia, questo metodo richiedeva che entrambi i sistemi venissero temporaneamente spenti mentre i dati, come la velocità o la posizione di un veicolo, venivano memorizzati nella memoria del sistema in uso e copiati nel sistema in fase di aggiornamento. Ciò rendeva difficile la realizzazione di servizi che richiedevano un funzionamento veramente continuo, come la trasmissione in tempo reale di avvisi ai veicoli connessi.
Inoltre, a causa dell'acquisizione di nuovi programmi di elaborazione del database, noti come repository, si è verificata una congestione dovuta alle numerose query provenienti da un elevato numero di unità di elaborazione, il che ha rallentato l'elaborazione complessiva.
Dettagli della nuova tecnologia sviluppata
: Fujitsu Laboratories ha sviluppato Dracena, un'architettura in grado di modificare i programmi di elaborazione di un sistema mentre è in esecuzione, senza interrompere le operazioni.
Con questa tecnologia, quando il contenuto di elaborazione dei dati viene modificato o aggiunto, l'architettura distribuisce il nuovo programma di elaborazione dati come un messaggio – nello stesso modo in cui vengono distribuiti i dati – a ciascuna singola unità di elaborazione, chiamata oggetto, in modo simile all'unità di elaborazione di ogni automobile. Ciò elimina l'impatto sulla velocità di elaborazione complessiva causato dalla concentrazione delle query nel repository. Inoltre, separando l'elaborazione della ricezione dei messaggi tra oggetti dall'elaborazione dei dati in questa architettura, il sistema può aggiungere il nuovo programma di elaborazione dati senza interrompere né la ricezione dei messaggi né l'elaborazione dati esistente, e quindi far sì che tutti gli oggetti passino simultaneamente al nuovo programma di elaborazione dati. Questo ha permesso a Fujitsu Laboratories di creare un'architettura di elaborazione in streaming in cui il programma di elaborazione dati può essere aggiunto o modificato senza interruzioni, per continuare l'elaborazione parallela senza bloccare il flusso di grandi volumi di dati per la copia (Figura 2).
Effetti:
I risultati di una valutazione simulata hanno confermato che, in un caso d'uso in cui vengono trasmessi al secondo poche decine di byte di dati da un milione di veicoli, questa architettura è stata in grado di fornire servizi in modo continuativo, aggiungendo un servizio di rilevamento di frenate brusche in una situazione in cui il sistema stava già fornendo un servizio per rilevare tempi di guida eccessivi, con un aumento medio della latenza di cinque millisecondi o meno. Questa architettura consentirà la rapida erogazione di servizi in tempo reale che richiedono un funzionamento ininterrotto e possono affrontare problematiche sociali, tra cui l'assistenza alla guida per auto connesse, elettrodomestici a risparmio energetico, monitoraggio della salute e della sicurezza domestica e la fornitura di indicazioni di viaggio per i turisti tramite smartphone.
Inoltre, questa architettura consente agli utenti di adottare un approccio graduale, in cui si costruisce prima un sistema di base per analisi e utilizzo semplici, per poi aggiungere progressivamente nuovi servizi. Utilizzando questa tecnologia nel settore automobilistico, ad esempio, sarebbe possibile partire da un sistema che legge gli avvisi di guida in stato di ebbrezza basandosi sui dati del volante e poi aggiungere nuovi servizi strato per strato, come ad esempio combinarlo con dati cartografici per rilevare il vento laterale alle uscite delle gallerie, o con dati di immagine per rilevare le auto parcheggiate illegalmente. Si prevede che ciò migliori l'efficienza dello sviluppo dei servizi.
I piani futuri
prevedono la commercializzazione di questa tecnologia nel corso dell'anno fiscale 2018 come componente della piattaforma Mobility IoT offerta da Fujitsu Limited. Inoltre, Fujitsu mira ad estendere questa tecnologia oltre il settore della mobilità, in ambiti commerciali che richiedono servizi in tempo reale basati su dati generati continuamente ad alta frequenza, come ad esempio fornire indicazioni stradali alle persone durante eventi o calamità.
