CLASS

Aplikace big data zpracovávající extrémní množství komplexních dat jsou dnes integrovány s ještě náročnějšími požadavky, jako je potřeba nepřetržitého zpracování obrovského množství informací v reálném čase.

Současné systémy pro analýzu dat jsou obvykle navrženy podle dvou protichůdných priorit, aby poskytly 
(i) rychlou a reaktivní reakci (označovanou jako analýza dat v pohybu - data-in-motion), případně v reálném čase na základě nepřetržitých toků dat; nebo 
(ii) 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 si klade za cíl vyvinout novou softwarovou architekturu, která pomůže vývojářům big dat kombinovat 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 poskytuje spolehlivé záruky v reálném čase. 

CLASS si klade za cíl přijmout 
(1) inovativní distribuované architektury z vysoce výkonné domény; 
(2) metody analýzy časování a energeticky účinné paralelní architektury z vložené domény; a 
(3) platformy pro analýzu dat a programovací modely z domény big data.

Schopnosti rámce CLASS budou 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 představí 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: