19.7 C
Munich
Saturday, August 8, 2020

Tương lai của mạng đang diễn ra ở rìa

Must read

Sao Hỏa có thể không phải là hành tinh ấm áp, ẩm ướt như chúng ta nghĩ

Sao Hỏa ngày nay là một vùng đất hoang khô lạnh - nhưng mọi thứ có thể đã khác nhiều tỷ năm trước. Kể...

Khách hàng của Virgin Media được nhắm mục tiêu trong Twitter phish

phương tiện trinh nữ khách hàng liên hệ với tài khoản Twitter chính thức của công ty về hỗ trợ công nghệ và các...

Mạng đang thay đổi. Tương lai của nó và phần lớn sự đổi mới và lợi nhuận đang diễn ra ở rìa. Có một sự thay đổi bắt đầu diễn ra và đó là một sự thay đổi mà bạn có thể bỏ qua nếu bạn muốn tận dụng các khả năng mà cạnh mạng cung cấp. Các ứng dụng dự kiến ​​sẽ chuyển từ các trung tâm dữ liệu ra rìa và làm như vậy, sẽ mở ra một cơ hội thị trường mới rất lớn.

Giới thiệu về tác giả

Julius Francis, Giám đốc Quản lý & Tiếp thị Sản phẩm, Juniper Networks.

Những con số kể một câu chuyện hấp dẫn. Thị trường máy tính cạnh toàn cầu dự kiến ​​sẽ tăng trưởng với tốc độ tăng trưởng kép hàng năm là 34% từ năm 2018 đến năm 2024, đạt giá trị gần 7 tỷ USD. Châu Âu là một trong những người chơi chính trong không gian. Nhưng cốt lõi của dự báo tăng trưởng này là tầm quan trọng của trí thông minh trong việc làm cho mạng cạnh hoạt động hết tiềm năng.

Thúc đẩy sự bùng nổ trong điện toán cạnh là việc áp dụng nhanh chóng internet của vạn vật (IoT), phương tiện tự trị, giao dịch tốc độ cao, truyền phát nội dung và trò chơi nhiều người chơi. Các ứng dụng này có chung một nhu cầu cụ thể – gần truyền dữ liệu có độ trễ bằng không, thường được xác định là dưới năm mili giây.

Đối với nhiều công nghệ mới nổi, thậm chí năm mili giây là quá cao, đó là lý do tại sao việc di chuyển các ứng dụng và dữ liệu kinh doanh càng gần càng tốt đến điểm nhập dữ liệu. Điều này giúp giảm thời gian khứ hồi tổng thể và do đó, các ứng dụng như xe tự hành có thể truy cập thông tin trong thời gian thực để điều hướng hiệu quả và tránh va chạm.

Vượt qua chướng ngại vật

Tuy nhiên, tính toán cạnh không có thách thức đối với các nhà cung cấp dịch vụ viễn thông nói riêng. Một yếu tố phức tạp mà chúng tôi thấy ngày càng tăng là các chức năng mạng chuyển sang các ứng dụng điện toán đám mây được triển khai trên cơ sở hạ tầng CNTT ảo hóa, chia sẻ và co giãn.

Nhìn vào hầu hết các môi trường ảo hóa và bạn sẽ thấy mỗi máy chủ vật lý chứa hàng tá máy ảo và / hoặc container. Và những cỗ máy này liên tục được tạo ra và phá hủy nhanh hơn con người có thể quản lý chúng. Các công cụ điều phối có thể hữu ích ở đây vì chúng tự động quản lý môi trường ảo động trong hoạt động bình thường. Tuy nhiên, khi nói đến việc khắc phục sự cố, con người vẫn là người chịu trách nhiệm thực hiện thủ công.

Và điều đó khi mà mọi thứ có thể trở nên khó khăn. Sự gián đoạn dịch vụ có tác động tiêu cực đến các nhà cung cấp dịch vụ, do đó, họ đã gây áp lực lên ban quản lý CNTT để giải quyết mọi vấn đề nhanh nhất có thể. Thông tin họ cần để xác định nguồn gốc của vấn đề và tìm ra giải pháp đã có sẵn và thách thức lớn nhất là trên thực tế là tìm kiếm các luồng dữ liệu từ xa từ các thành phần phần cứng và phần mềm. Những gì họ cần là một bàn tay giúp xử lý dữ liệu nhanh chóng và có được những hiểu biết đúng đắn dựa trên các xu hướng mà họ đang nhìn thấy.

Đáp ứng dữ liệu

Một cơ sở hạ tầng phân tán dữ liệu, rất năng động, phân tán là môi trường hoàn hảo cho trí tuệ nhân tạo, đặc biệt là học máy. Học máy có hiệu quả trong việc lội qua các nhóm dữ liệu để phát hiện các mẫu theo cách vượt quá khả năng của các nhà khai thác mạng.

Các công cụ dựa trên học máy liên tục trở nên tốt hơn và thích nghi bằng cách tự học hỏi từ kinh nghiệm của họ và thực hiện các phân tích giống như con người nhanh chóng. Và với tự động hóa được thêm vào hỗn hợp, những hiểu biết có thể được biến thành hành động. Điều này giúp vượt qua thách thức đến các đầu ra cụ thể trong thế giới năng động, tách rời của điện toán cạnh.

Triển khai học máy và giám sát mạng thời gian thực và thông tin bạn nhận được ở đầu bên kia sẽ cung cấp năng lượng cho các công cụ tự động có thể cung cấp, khởi tạo và định cấu hình các chức năng mạng vật lý và ảo. Hơn thế nữa, quá trình này sẽ được thực hiện nhanh hơn và chính xác hơn nhiều so với việc con người tự thực hiện nhiệm vụ. Bằng cách sử dụng thông minh và hiệu quả của cả máy học và tự động hóa, bạn sẽ tiết kiệm được thời gian nhân viên đáng kể, có thể được sử dụng cho các sáng kiến ​​chiến lược hàng đầu đóng góp trực tiếp hơn vào việc xây dựng điểm mấu chốt.

Xây dựng và nhân rộng trong đám mây

Học máy có thể đóng một vai trò quan trọng trong phát triển ứng dụng trong bối cảnh điện toán cạnh. Telcos đã chuyển phần lớn khỏi sự phát triển phần mềm thác nước trong đó các giai đoạn đăng xuất dài giữa mỗi bộ phận có nghĩa là các ứng dụng có thể mất nhiều năm để hoàn thành. Phát triển dựa trên nền tảng đám mây phụ thuộc nhiều hơn vào phát triển nhanh và DevOps, có nghĩa là nhiều bản phát hành có thể được tung ra trong một tuần.

Tuy nhiên, việc chuyển sang các cạnh đặt ra thách thức cho việc mở rộng các ứng dụng gốc trên đám mây. Nếu bạn sử dụng một môi trường bao gồm một vài trung tâm dữ liệu tập trung, bạn sẽ biết rằng các nhà khai thác con người có thể xác định một cách khả thi các điều kiện hiệu suất tối ưu của các chức năng mạng ảo (VNF) tạo nên ứng dụng.

Khi môi trường phân chia thành hàng ngàn trang web nhỏ, đó là một câu chuyện hoàn toàn khác với những nhu cầu phức tạp hơn cần được phục vụ. Điều đó bởi vì mỗi trang web nhỏ có đặc điểm hoạt động hơi khác nhau. Các nhà khai thác con người chỉ đơn giản là không có băng thông để đối phó. Đây là nơi học máy được yêu cầu. Các thuật toán học tập không giám sát có thể chạy tất cả các thành phần riêng lẻ thông qua một chu kỳ tiền sản xuất để đánh giá cách chúng sẽ hoạt động trong một trang web sản xuất. Điều này mang lại cho nhân viên hoạt động sự tin tưởng rằng VNF đang được thử nghiệm sẽ hoạt động như mong muốn ở rìa.

Sử dụng AI để loại bỏ sự cố trong khắc phục sự cố

Một lĩnh vực khác mà AI và tự động hóa có thể tăng thêm giá trị là khắc phục sự cố trong môi trường dựa trên đám mây. Ví dụ, hãy nói, VNF cho một ứng dụng gốc trên đám mây đang chạy ở một vị trí cạnh đang hoạt động ở mức thấp hơn các phiên bản khác của ứng dụng. Thực tế ban đầu để thiết lập là liệu có thực sự có vấn đề hay không bởi vì một số biến thể hiệu năng giữa các ứng dụng không phải là bất thường.

Trả lời câu hỏi yêu cầu xác định phạm vi bình thường của các giá trị hiệu suất VNF ​​trong hoạt động thực tế. Một cách để tìm ra điều đó sẽ là cho một người đọc số lượng lớn các trường hợp VNF và sử dụng các bài đọc này để tính các giá trị chỉ số hiệu suất chính được chấp nhận. Cách tiếp cận này được đề nghị vì một vài lý do. Phải mất một thời gian dài, nó dễ bị lỗi và nó phải được lặp đi lặp lại mỗi khi có nâng cấp phần mềm, thay thế thành phần hoặc biến thể mẫu lưu lượng.

AI, mặt khác, hoạt động khác nhau. Nó có thể xác định KPI nhanh hơn và chính xác hơn, đồng thời điều chỉnh các giá trị KPI khi cần thiết khi các tham số thay đổi. Tất cả điều này xảy ra mà không cần sự can thiệp của con người. Khi AI xác định các giá trị KPI, tự động hóa sẽ tiếp quản. Sử dụng một công cụ tự động, nó có thể liên tục theo dõi hiệu suất và xác định các VNF hoạt động kém hiệu quả.

Từ đó, thông tin có thể được xem xét để xem liệu VNF mới hay máy chủ vật lý mới là cần thiết. Sự kết hợp mạnh mẽ giữa AI và tự động hóa đảm bảo tuân thủ SLA là kín nước và cũng giảm gánh nặng cho các nhà khai thác của con người.

Một tương lai ở rìa

Một bình thường mới đang được tạo ra xung quanh chúng ta. Các nhà cung cấp dịch vụ đang gia tăng việc sử dụng các kiến ​​trúc hướng cạnh và do đó, các nhóm CNTT đang sử dụng AI và học máy để tìm ra các cách mới để tối ưu hóa hoạt động của mạng, khắc phục sự kém hiệu quả của VNF và đảm bảo tuân thủ SLA ở quy mô.

Để đẩy nhanh hành trình đến tương lai do AI điều khiển này, các công nghệ đang cải thiện tốc độ, cho phép những lợi ích mới. Ví dụ, các hệ thống và thiết bị khác nhau có thể cung cấp độ chính xác cao, từ xa tần số cao có thể được phân tích, các bus tin nhắn có khả năng mở rộng cao như Kafka và Redis có thể nắm bắt và xử lý từ xa, và tính toán công suất và các khung AI như TensorFlow và PyTorch tạo ra mô hình từ các luồng từ xa thô. Nó có một bộ công cụ mạnh mẽ có thể nhìn thấy trong thời gian thực nếu các hệ thống sản xuất đang hoạt động như bình thường và cũng có thể tìm và khắc phục các sự cố phát sinh trong hoạt động.

Tất cả đã nói, có rất nhiều nhà cung cấp dịch vụ khám phá để có được lợi thế với các mạng cạnh và họ nên xem việc tiến về phía rìa là một cơ hội. Bằng cách triển khai máy học và tự động hóa, họ có thể thắt chặt các quy trình của mình để giảm khối lượng công việc tốn thời gian. Và họ cũng có thể thay đổi tất cả các quy trình công việc cùng nhau bằng cách sử dụng những hiểu biết mới mà họ không bao giờ có thể truy cập trước đây.

- Advertisement -

More articles

LEAVE A REPLY

Please enter your comment!
Please enter your name here

- Advertisement -

Latest article

Sao Hỏa có thể không phải là hành tinh ấm áp, ẩm ướt như chúng ta nghĩ

Sao Hỏa ngày nay là một vùng đất hoang khô lạnh - nhưng mọi thứ có thể đã khác nhiều tỷ năm trước. Kể...

Khách hàng của Virgin Media được nhắm mục tiêu trong Twitter phish

phương tiện trinh nữ khách hàng liên hệ với tài khoản Twitter chính thức của công ty về hỗ trợ công nghệ và các...