Edge computing bugungi texnologik landshaftda, xususan, sun'iy intellekt (AI) va mashinani o'rganish (ML) sohalarida o'zgartiruvchi kuch sifatida paydo bo'ldi. Ma'lumotlarni qayta ishlash manbasiga yaqinroq bo'lishini ta'minlab, bu yondashuv markazlashtirilgan ma'lumotlar markazlariga bog'liqlikni kamaytiradi. Natijada tezroq ishlov berish tezligi, pasaytirilgan kechikish va kuchaytirilgan xavfsizlik - AI va ML uchun ajralmas sifatlar, bu erda real vaqt rejimida ma'lumotlarni tahlil qilish va javob berish muhim ahamiyatga ega.  Ushbu inqilobning boshida Ishan Bhatt turadi, uning Google Distributed Cloud Connected bilan innovatsion ishi AI va ML ish yuklari uchun chekka hisoblashlarni amalga oshirishning murakkab muammolarini hal qiladi. Ishanning yechimlari avtonom transport vositalari va ilg'or sog'liqni saqlash texnologiyalari kabi ilovalar uchun zarur bo'lgan past kechikishli, yuqori samarali tarmoqni taqdim etadi.  Tarmoq unumdorligini optimallashtirish va uzluksiz bulutli integratsiyaga erishish orqali Ishan ushbu dinamik va tez rivojlanayotgan domenda samaradorlik va innovatsiya standartlarini qayta belgilamoqda.   Kam kechikish kodini buzish  Ishan tushuntirganidek, chekka o'rnatish uchun past kechikishli, yuqori samarali tarmoq echimlarini ishlab chiqish katta qiyinchiliklarga olib keladi. Asosiy to'siqlardan biri chekkadagi cheklangan hisoblash va energiya resurslarida yotadi. Buni hal qilish uchun Ishan ta'kidlaydi: "Resurslardan foydalanishni minimallashtirish uchun dasturiy ta'minot va protokollarni optimallashtirish, shuningdek, vazifalarni samarali ravishda yuklash uchun GPU va FPGA kabi ilg'or apparat tezlatgichlaridan foydalanish juda muhimdir." Bundan tashqari, u energiya iste'moli va tizim ishlashi o'rtasidagi muvozanatni saqlash uchun dinamik quvvatni boshqarish usullaridan foydalanadi.  Yana bir muhim muammo - bu chekka ilovalar uchun talab qilinadigan ultra past kechikishga erishish. Ishan uzoqdan ma'lumotlarni qidirishga bo'lgan ehtiyojni kamaytiradigan chekka keshlash va ma'lumotlarni oldindan olish kabi strategiyalar va eng qisqa yo'llar orqali ma'lumotlar uzatilishini ta'minlash uchun ilg'or marshrutlash algoritmlarining muhimligini ta'kidlaydi. Ishan oldindan aytib bo'lmaydigan ish yuklarini boshqarish va taqsimlangan tugunlar bo'ylab miqyoslilikni ta'minlash uchun real vaqtda talab va moslashuvchan masshtablash uchun mikroservisga asoslangan joylashtirishlar asosida o'tkazish qobiliyatini dinamik ravishda taqsimlaydigan moslashtirilgan trafikni boshqarish tizimlariga ehtiyojni ta'kidlaydi. Ushbu sinchkovlik bilan integratsiyalashgan yondashuvlar uning chekka tarmoqlarning noyob talablarini aniqlik va innovatsiya bilan hal qilishga sodiqligini aks ettiradi.   Keng AI uchun tarmoq  AI va ML ish yuklarini eng chekkada qo'llab-quvvatlash ularning yuqori murakkabligi va manba talablarini qondirish uchun noyob tarmoq talablarini talab qiladi. Ishan, ayniqsa, video oqimlari yoki real vaqtda telemetriya kabi katta ma'lumotlar to'plamlarini qayta ishlashda ovoz balandligini samarali boshqarish uchun yuqori tarmoqli kengligi zarurligini ta'kidlaydi. Umumiy maqsadli ma'lumotlarni uzatishga ustuvor ahamiyat beradigan an'anaviy tarmoqlardan farqli o'laroq, chekka AI yechimlari qayta ishlash quvuridagi muammolarning oldini olish uchun mustahkam o'tkazuvchanlikni talab qiladi.  Ultra past kechikish yana bir muhim omildir, chunki AIning ko'plab vazifalari, jumladan, real vaqtda ob'ektlarni aniqlash va avtonom qarorlar qabul qilish tezkor javoblarga tayanadi. Ishan tushuntiradi: “Edge AI tizimlari bu vaqtga sezgir operatsiyalarni qo‘llab-quvvatlash uchun kechikishni minimallashtirishi kerak”, an’anaviy tarmoqlar esa ommaviy qayta ishlash vazifalariga xos kechikishlarga bardosh bera oladi. Qo‘shimcha ravishda, sun’iy intellekt eng chekkada ishlov berishni markazlashtirmagan taqsimlangan arxitekturadan foyda ko‘radi va mahalliylashtirilgan ma’lumotlarni qayta ishlash imkonini beradi. va geografik jihatdan tarqalgan tugunlar o'rtasidagi muvofiqlashtirish, buni odatda ma'lumotlarni qayta ishlashni markazlashtiradigan an'anaviy tizimlar bilan taqqoslaydi markazlar, ularni chekka AIning markazlashtirilmagan tabiati uchun kamroq moslashtiradi. Tarmoqlarni ushbu noyob talablarga moslashtirish chekkada AI va MLning to'liq imkoniyatlarini ochish uchun muhimdir.   Kengaytirilgan hisoblashda ishlashni tezlashtirish  Kengaytirilgan joylashtirishda past kechikish ko'rsatkichlariga erishish uchun Ishan tomonidan ta'kidlanganidek, ilg'or strategiyalar va innovatsion texnologiyalar kombinatsiyasini talab qiladi. Asosiy yondashuv hisoblashni ma'lumotlar manbalariga yaqinlashtirishni o'z ichiga oladi. Ishan tushuntiradi: "Vaqtga sezgir bo'lgan vazifalarni mahalliy darajada bajarish uchun hisoblash resurslarini tarmoq chekkasida joylashtiring", bu ma'lumotlar masofasini minimallashtirish va mahalliy keshlash orqali markazlashtirilgan serverlarga bo'lgan ishonchni kamaytirish. Tezlikni yanada optimallashtirish uchun u an'anaviy TCP ni QUIC yoki RDMA kabi muqobillar bilan almashtirish kabi aloqa protokollarini modernizatsiya qilishni tavsiya qiladi, bu esa qo'shimcha xarajatlarni kamaytiradi va muayyan foydalanish holatlarida samaradorlikni oshiradi.  Trafikni dinamik boshqarish ham hal qiluvchi rol o'ynaydi. Ishan "trafik marshrutini va resurslarni taqsimlashni dinamik optimallashtirish" uchun dasturiy ta'minot bilan aniqlangan tarmoqdan (SDN) foydalanadi, bu esa kechikishga sezgir vazifalarning ustuvorligini ta'minlaydi. Xuddi shunday, tarmoq funksiyasini virtualizatsiya qilish (NFV) apparatga asoslangan tarmoq qurilmalarini virtuallashtirilgan funksiyalar bilan almashtirib, muhim jarayonlarni chetga yaqinlashtiradi va kechikishlarni kamaytiradi. FPGA va ASIC tezlatkichlari kabi ilg'or apparat vositalari aqlli marshrutlash algoritmlari va real vaqtda tiqilib qolishni nazorat qilish mexanizmlari bilan birgalikda eng samarali yo'llar bo'ylab ma'lumotlar oqimini ta'minlaydi. Uzluksiz kechikish monitoringi va gibrid chekka-bulut arxitekturalari bilan birlashtirilgan ushbu usullar tarmoqlarga AI, IoT va boshqa real vaqtda ilovalarning qat'iy talablarini qondirish imkonini beradi.   Keng intellektni kengaytirish  Kengaytirilgan tarmoqlarda, ayniqsa AI va ML ilovalari uchun miqyoslilik innovatsion dizayn va strategik resurslarni boshqarishni talab qiladi. Ishan modulli arxitekturalarning muhimligini ta'kidlab, shunday dedi: "Ular talab oshgani sayin chekka tugunlar yoki komponentlarni uzluksiz qo'shish imkonini beradi." Bu yondashuv muayyan tarmoq funktsiyalari uchun mikroservislarga, to'siqlarni kamaytirish uchun taqsimlangan chekka infratuzilmalarga va ish yuklarini samarali muvozanatlash uchun ierarxik chekka darajalarga tayanadi. qatlamlar bo'ylab.  Dinamik resurslarni taqsimlash ham samarali masshtablashda muhim rol o'ynaydi. Ishan, chekka tugunlar bo'ylab ish yuklarini dinamik ravishda tartibga solish va real vaqtda resurslarni sozlash uchun avtomatik masshtablashni amalga oshirishi mumkin bo'lgan Kubernetes kabi konteynerlashtirilgan muhitlardan foydalanish qiymatini ta'kidlaydi. Bundan tashqari, AI uchun maxsus strategiyalar, masalan, federatsiyalangan o'quv tizimlari chekka tugunlar bo'ylab taqsimlangan ishlov berish imkonini beradi va markazlashtirilgan treningga bog'liqlikni kamaytiradi. Vaqtga Sensitive Networking (TSN) kabi ilg‘or texnologiyalarni integratsiyalash va TPU va FPGA kabi yuqori unumli apparat vositalaridan foydalanish orqali Ishan AI va ML ish yuklarining ortib borayotgan talablarini qondirish uchun mo‘ljallangan chekka tarmoqlarning unumdorligi, moslashuvi yoki ishonchliligiga putur etkazmasdan masshtablilikni ta’minlaydi. .   Avtomatlashtirish amalda  Ishanning Google Distributed Cloud Connected bilan ishlash tajribasi shuni ko'rsatadiki, avtomatlashtirish tarmoqni samarali joylashtirishning asosidir. Keng qo'llaniladigan gcloud API-dan foydalangan holda, Ishan keng miqyosli joylashtirishlarda izchillikni saqlash uchun chekka qurilmalar konfiguratsiyasi avtomatlashtirilganligini ta'minlaydi. "Bu qo'lda xatolarni kamaytiradi va sozlashni kundan-kunga tezlashtiradi", deb tushuntiradi Ishan tezlik va aniqlikdagi sezilarli yaxshilanishlarni ta'kidlab. Ushbu yondashuv, shuningdek, murakkab texnik tafsilotlarni abstrakt qilib, joylashtirish jarayonini foydalanuvchilarga qulayroq va soddalashtiradi.  Ishan ilg'or texnologiyalar va tendentsiyalar bilan integratsiyalashgan holda avtomatlashtirish yanada rivojlanishini nazarda tutadi. "AI va ML trafik naqshlarini bashorat qilish, nosozliklarni aniqlashni avtomatlashtirish va resurslarni taqsimlashni optimallashtirish orqali tarmoq boshqaruvini yaxshilaydi", deb ta'kidlaydi u keyingi avlod tarmoqlarini shakllantirishda sun'iy intellektga asoslangan avtomatlashtirishning rolini ta'kidlab. Tarmoq unumdorligini taqlid qiluvchi va optimallashtiradigan raqamli egizaklar va AI tomonidan boshqariladigan anomaliyalarni aniqlash kabi vositalar murakkablashib borayotgan muhitlarda xavfsizlik va operatsion samaradorlikni kuchaytirish uchun o‘rnatilgan.  Federativ ta'lim va kvant tarmoqlari kabi rivojlanayotgan tendentsiyalar ham avtomatlashtirishdan foyda ko'radi. Ishan misli ko'rilmagan xavfsizlik va tezlik uchun kvant tarmoqlarini integratsiyalashgan holda tarqatilgan sun'iy intellektni qayta ishlash uchun federativ o'rganishni osonlashtiradigan tarmoqlarni loyihalash zarurligini ta'kidlaydi. Avtomatlashtirish bilan birlashtirilgan ushbu yutuqlar tarmoqlarga AI va chekka ish yuklarining ortib borayotgan talablarini bajarishga imkon beradi, shu bilan birga masshtablilik va moslashuvchanlikni saqlaydi.  Avtomatlashtirishning apparat va barqarorlik sohasidagi innovatsiyalar bilan istiqbolli integratsiyalashuvi Ishanning ta'sirchan yutuqlarga erishishga sodiqligini aks ettiradi. AI ish yuklari uchun energiya tejovchi algoritmlarni va apparat optimallashtirishni amalga oshirish asosiy e'tibor bo'lib, operatsion samaradorlikni ekologik javobgarlik bilan uyg'unlashtiradi. Ishanning qarashlari chekka tarmoqlarning tezkor, xavfsiz va kelajakdagi talablarga tayyor bo'lishini ta'minlaydi.   Haqiqiy dunyo ta'siri  AI va MLning chekkadagi integratsiyasi ma'lumotlarni tezroq, xavfsizroq va samarali qayta ishlashga imkon berish orqali real ilovalarni inqilob qilmoqda. Ishanning tushuntirishicha, chekka AI tizimlari bulutga ma'lumotlarni jo'natish zaruratini yo'q qiladi, bu esa kechikishni sezilarli darajada kamaytiradi. "Kasalxonalardagi sun'iy intellekt yordamida boshqariladigan sog'liqni saqlash asboblari yurak ritmining buzilishini aniqlaydi va shifokorlarni millisekundlarda ogohlantiradi, bu esa hayotni saqlab qolishi mumkin", deb ta'kidlaydi Ishan mahalliylashtirilgan qarorlar qabul qilishning hayotni saqlab qolish imkoniyatlarini namoyish etadi. Bundan tashqari, ushbu yondashuv maxfiylik qoidalariga rioya qilgan holda tasvirlarni mahalliy ravishda qayta ishlaydigan aeroportlardagi yuzni aniqlash tizimlarida ko'rinib turganidek, maxfiy ma'lumotlarning uzatilishini minimallashtirish orqali maxfiylik va xavfsizlikni oshiradi.  Samarali tarmoq dizayni past kechikishli aloqa va dinamik resurslarni taqsimlashni ta'minlash orqali ushbu yutuqlarni qo'llab-quvvatlaydi. Ishanning ta'kidlashicha, "Resurslarni avtomatlashtirilgan masshtablash tarmoqlari o'zgaruvchan AI/ML ish yuklarini samarali boshqarishni ta'minlaydi", bu AI tomonidan boshqariladigan tavsiya tizimlari uchun elektron tijorat kabi talabning eng yuqori davrlarida juda muhimdir. Bundan tashqari, taqsimlangan arxitektura chidamlilikni yaxshilaydi, bu esa sanoat IoT kabi tizimlarga uzilishlar paytida ham operatsiyalarni davom ettirishga imkon beradi. Ishan ushbu dizaynlarning kengroq ta'sirini ta'kidlab, optimallashtirilgan tarmoqlar energiya iste'moli va operatsion xarajatlarni kamaytirishini, AIni yanada barqaror qilishini ta'kidlaydi. Ushbu innovatsiyalar nafaqat joriy ilovalarni yaxshilaydi, balki tarmoqlar bo'ylab doimiy innovatsiyalar uchun zamin yaratadi.  Tarmoq yechimlari rivojlanishda davom etar ekan, Ishanining rahbariyati yo'l ko'rsatuvchi nur bo'lib xizmat qiladi. Biz AI va MLni turli sohalarga uzluksiz integratsiyalashuviga tayyorgarlik ko'rayotganimizda, uning istiqbolli strategiyalari muhim bo'lib qolmoqda. 5G va sun'iy intellektni avtomatlashtirish kabi yangi avlod texnologiyalarining chekka tarmoqlarga yaqinlashishi uning ishining ta'sirini kuchaytiradi. Ishanning innovatsiyalar va mukammallikka bo'lgan sodiqligi uning etakchi bo'lib qolishini va kelajakdagi talablarni oldindan ko'ra oladigan va javob beradigan nuqtai nazar bilan bu yutuqlarni boshqarishini ta'minlaydi. “Yuqori va AI ish yuklari uchun tarmoq yechimlarining keyingi avlodi apparat, dasturiy taʼminot va arxitektura paradigmalaridagi yutuqlar asosida shakllantiriladi”, deydi Ishan texnologik landshaftni chuqur tushunishini aks ettirgan holda.

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Ushbu audio hikoyaning asl tilida yaratilgan!

Juda uzoq; O'qish

Make resilience your competitive advantage

Edge Computing uchun tarmoq echimlarini qayta aniqlash: Ishan Bhattning AI va ML ish yuklari uchun qarashlari

About Author

IZOHLAR

TEGI QILISH

USHBU MAQOLA TAQDIM ETILGAN

Related Stories

Meet Uzi World Digital, Winner of Startups of the year 2024 in Kolkata, West Bengal, India

Meet UzairaAdvisory, Startups of The Year 2024 Nominee

Meet UzairaAdvisory, Winner of Startups of The Year 2024 in Business

Meet Uzi World Digital, Winner of Startups of the year 2024 in Kolkata, West Bengal, India

Meet UzairaAdvisory, Startups of The Year 2024 Nominee

Meet UzairaAdvisory, Winner of Startups of The Year 2024 in Business

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps