Edge and CLoud Computation: A Highly Distributed Software Architecture for Big Data AnalyticS
Aplikace big dat zpracovávající extrémní množství komplexních dat jsou dnes integrovány s ještě náročnějšími požadavky, jako je potřeba nepřetržitého zpracování obrovského množství informací v reálném čase.
Systémy pro analýzu dat jsou obvykle navrženy podle dvou protichůdných priorit, aby poskytly:
- rychlou a reaktivní reakci (označovanou jako analýza dat v pohybu, data-in-motion), případně v reálném čase na základě nepřetržitých toků dat
- důkladnou a výpočetně náročnější zpětnou vazbu (označovanou jako analýza dat v klidu, data-at-rest), což obvykle znamená agregaci více informací do větších modelů
Vzhledem ke zjevně neslučitelným požadavkům byly tyto přístupy řešeny samostatně, i když poskytují doplňkové schopnosti.
Projekt CLASS vyvinul novou softwarovou architekturu pro vývojáře big dat na kombinování analýzy data-in-motion a data-at-rest, pomocí efektivní distribuce dat a procesní těžby po celém výpočetním kontinuu (od okraje po cloud) úplným a transparentním způsobem, a přitom poskytující spolehlivé záruky v reálném čase.
CLASS přijal:
- inovativní distribuované architektury z vysoce výkonné domény
- metody analýzy časování a energeticky účinné paralelní architektury z vložené domény
- platformy pro analýzu dat a programovací modely z domény big data
Schopnosti rámce CLASS byly demonstrovány na skutečném případu použití v chytrém městě, který zahrnuje rozsáhlou infrastrukturu snímačů pro sběr dat v reálném čase v rozsáhlé městské oblasti a prototypy automobilů vybavené heterogenními snímači/aktory, konektivitou V2I a podporou klastrů, které řidičům představily inovativní schopnosti. Byly vybrány reprezentativní aplikace pro oblast řízení dopravy a pokročilé asistenční služby pro řidiče, které efektivně zpracovávají velmi rozsáhlé heterogenní datové toky v reálném čase, poskytují inovativní služby a zároveň připravují technologické zázemí pro nástup autonomních vozidel.
Zařazení projektu: