چطور پردازش منطقه‌ای می‌تونه از پس حجم عظیم داده‌های پهپادها بربیاد؟!

بذار داستان رو اینطوری براتون تعریف کنم: پهپادها (UAVs یعنی همون ربات‌های پرنده‌ای که کنترل از راه دور دارن) هر روز توی کشاورزی، نظارت، حتی موقع بحران‌ها و بلاها دارن نقش بیشتری پیدا می‌کنن. هر بار که این موجودای باحال بالا و پایین می‌رن، کلی اطلاعات و داده جمع می‌کنن – اونم تازه به صورت لحظه‌ای و حجیم! تصور کن هر ثانیه فیلم، عکس و اطلاعات لوکیشن دارن می‌فرستن. واقعاً حجمش وحشتناکه!

حالا این وسط یه مشکل اساسی هست: این حجم داده رو کجا و چجوری پردازش کنن؟ تا الان دوتا راه بیشتر رایج نبوده. یکی کامپیوتر ابری که همون Cloud هست (سرورهایی که داده‌هات رو می‌فرستی یه جای دور و اونا پردازش می‌کنن)، که با اینکه قدرت پردازشش عالیه ولی چون این سرورها معمولا خیلی دورن تا پاسخ رو بگیری کلی تاخیر (Latency) پیش میاد. یعنی پهپاد چی فرستاده، دنیا تا خبر دار بشه، پردازشش کنه، جواب بفرسته، مثلاً لازم بوده سریع عکس رو آنالیز کنه ولی دیر جواب می‌رسه و ممکنه فایده نداشته باشه.

راه دوم کامپیوتر لب مرزی هست (Edge Computing). یعنی یک سری کامپیوتر نزدیک به خود پهپاد قرار می‌دن که سریعتر جواب بده. اما مشکل اینه که این کامپیوترها، خیلی قدرت و ظرفیت کافی ندارن. یعنی اگه ناگهان تعداد زیادی پهپاد داده بفرستن، دیگه نمی‌تونن همه رو پوشش بدن. خلاصه یا جواب دیر میاد یا اصلا ممکنه نتونه جواب بده.

حالا این مقاله اومده یه راه‌حل خفن پیشنهاد داده: پردازش منطقه‌ای! یعنی اومدن بین مرحله Edge (لب مرزی) و Cloud (ابر) یه لایه جدید گذاشتن به اسم Regional Computing یا همون پردازش منطقه‌ای. خلاصه‌اش یعنی یه مرکز پردازشی توی هر منطقه که از نظر قدرت از Edge قوی‌تره و از Cloud نزدیک‌تره! پس نه مثل ابر خیلی دوره تاخیر داشته باشه، نه مثل Edge کم‌توان باشه. این می‌تونه حجم عظیم داده رو پردازش کنه و سریع هم هست.

یه چیز جالب دیگه، برای اینکه بشه این سیستم رو هوشمندتر کرد، یه روش پویا برای تقسیم کار بین این سه لایه طراحی کردن (Dynamic Offloading Strategy). یعنی بسته به وضعیت شبکه و اینکه هر کدوم چقدر سرشون شلوغه یا چقدر منابع دارن، تصمیم می‌گیره داده رو کجا پردازش کنه. مثلاً اگه Edge خسته شده و پهنای باند اجازه نمی‌ده داده رو به Cloud بفرسته، می‌ذاره روی Regional Computing پردازش شه. اینجوری همه چی بهینه می‌شه.

برای اینکه حرفاشون رو ثابت کنن و نشون بدن واقعاً این ایده جواب می‌ده، اومدن تو محیط شبیه‌سازی EdgeCloudSim (یه نرم‌افزار برای تست سیستم‌های ابری و لب مرزی) آزمایش کردن و نتایجش واقعاً جالبه:

– وقتی از لایه RC استفاده کردن، تاخیر کلی پردازش (end-to-end delay) تقریباً 80 درصد کمتر شد! یعنی جوری سریع عمل می‌کنه که انگار همه چی لحظه‌ای اتفاق می‌افته.
– هزینه عملیات تا پنج برابر نسبت به اینکه کل کار رو بدی به ابر، کمتر شد. یعنی هم صرفه اقتصادی داره، هم سرعت.
– نرخ شکست کارها (Task Failure Rate)، یعنی کارهایی که اصلاً انجام نشدن یا ناقص موندن، از حالت فقط لب مرزی هم کمتر شد. این یعنی پهپادها دیگه خیلی کمتر با جواب‌های نصفه‌نیمه و خطا مواجه می‌شن.

خلاصه، پردازش منطقه‌ای در واقع یک پلی زده بین Edge و Cloud تا همه مشکلات رو جمع کنه و یه راه حل مقیاس‌پذیر و باحال برای مدیریت داده‌های عظیم پهپادها ساخته. اگه تو دنیای آینده بخوایم تعداد زیادی پهپاد همزمان کار کنن و حجم داده‌های عجیب ایجاد کنن، این مدل جدید واقعاً می‌تونه ناجی باشه. هرجا بحث از انتقال و پردازش سریع حجم‌های بزرگ داده باشه، این سه لایه‌ای بودن جوابش خیلی به درد می‌خوره!

پس دفعه بعد که کلی پهپاد بالای سرت داری می‌بینی بدون کلی داده دارن جابجا می‌کنن و شاید دارن همزمان با همین مدل‌های سه لایه‌ای به‌صورت بهینه پردازش می‌شن!
منبع: +