Edge intelligence

Материал из Национальной библиотеки им. Н. Э. Баумана
Последнее изменение этой страницы: 16:21, 30 января 2019.
Edge intelligence
Edge intelligence dark logo.png
Операционная система: Кросс-платфроменная
Локализация: Английский
Тип ПО: СУБД
Лицензия: Проприетарное ПО
Веб-сайт www.edgeintelligence.com

Проект JustOneDB теперь известен как Edge Intelligence. При переходе на официальный сайт проекта можно будет увидеть сообщение об этом и в течение 10 секунд произойдет перенаправление на страницу Edge Intelligence. Поэтому далее пойдет описание.

Edge intelligence предоставляет следующие услуги:

  • Абонентская аналитика
  • Распределенное хранилище данных
  • Граничные вычисления (аналитика)[Источник 1].

Обзор услуг

Абонентская аналитика

Аналитические решения, способные обеспечить глубокое понимание активности абонентов, могут быть одним из самых стратегических конкурентных преимуществ для поставщиков услуг связи. Возможность анализа и сохранения подробных сведений о всей сетевой активности, подписчиком, позволяет улучшить все аспекты жизненного цикла клиента - например, приобретение новых клиентов, применение многоуровневых планов использования, поддержка самообслуживания, профилактические обновления и прогнозирование оттока.

Не все поставщики решений аналитики одинаковы. Аналитика, требуемая сетевыми операторами, продолжает переходить границы в соответствии с архитектурой и масштабами, необходимыми для мгновенного понимания активности миллионов подписчиков и быстрого увеличения потребления контента.

Чтобы оценить аналитические решения провайдеров и максимизировать доходы клиентов (т.е. поставщиков связи или иных услуг) и операционную прибыль, стоит рассмотреть основные аспекты данной услуги [Источник 2]:

  1. "Полностью реляционный" SQL.
    Архитектура Edge Intelligence основана на полностью реляционной модели с использованием стандартного SQL. Это позволяет легко комбинировать со справочными данными и получать доступ ко всем базовым данным по своему усмотрению. Стандартные интерфейсы JDBC / ODBC совместимые со стандартными инструментами разработчика и BI, позволяют использовать инструменты клиента по выбору, одновременно используя имеющиеся знания и навыки. Нет никаких ограничений на доступ к данным, хранящимся в системе. Система также легко интегрируется в существующие рабочие процессы разработчиков, панели мониторинга в реальном времени и внутренние / клиентские порталы.
  2. Архитектура базы данных.
    Аналитика должна быть исследовательской и итеративной, поскольку невозможно предсказать, как данные должны анализироваться в будущем. Запатентованная (Edge Intelligence) архитектура базы данных заново расширяет способ хранения и доступа к данным путем предварительной оптимизации всех запросов. По всем типам запросов достигается высокая производительность, которая не может быть достигнута с использованием Hadoop или баз данных, оптимизированных для формата хранения столбцов или строк.
  3. Гибкие требования в аппаратному обеспечению.
    Какое оборудование требуется, и насколько рентабельным это при развертывании в масштабе? Не требуется специальное оборудование, поскольку архитектура использует современные характеристики оборудования. Стандартные серверы, использующие центральный процессор, память DDR и жесткий диск общего назначения, используют Edge Intelligence для достижения масштаба сети в режиме реального времени для миллионов подписчиков и миллиардов новых ежедневных записей. Программное обеспечение может быть развернуто в физических, виртуальных или контейнерных средах. Ресурсы товаров и масштабируемость, связанные с этим решением, как правило, помогают снизить общую стоимость оборудования, по крайней мере, на 50% по сравнению с альтернативными подходами.
  4. Время хранения данных.
    В Edge Intelligence нет ограничений время хранения данных. Архитектура отделяет ресурсы хранения и вычислений, что позволяет добавлять дополнительное хранилище экономически эффективно, не влияя на работу системы. Частоту обновления можно также увеличить, не нарушая время хранения данных. Данные могут автоматически удаляться из системы по программируемому критерию устаревания.
  5. Конфиденциальность и безопасность
    Система не требует доступа к данным поставщика сети. Все операционные аспекты, включая обновления программного обеспечения, мониторинг и так далее, никогда не требуют наличия доступа или видимости для базовых данных клиента. Это резко контрастирует с другими архитектурами, которые требуют полного доступа как к программному обеспечению, так и к базовым данным. Шифрование всегда применяется ко всем данным при передаче и хранении, а SSL/TLS применяется для всех сообщений между серверами по всей системе для обеспечения безопасности.
  6. Масштабируемость.
    Архитектура была разработана таким образом, что хорошо масштабируется под миллионы подписчиков, с возможностью ввода, соотнесения (в реляционном смысле) и анализа данных в режиме реального времени. Высокоустойчивая, система обмена сообщениями и файловой системой мгновенно сохраняет все собранные данные и коррелирует (в смысле целостности) со всеми источниками данных в режиме реального времени. Система масштабируется вертикально для поддержки миллионов событий NetFlow или IPFIX в секунду, тысяч сообщений DHCP / Radius в секунду и миллионов ответов DNS в секунду. Петабайты данных могут храниться в совокупности. Все это время в состоянии ответить на любой запрос в считанные секунды.
  7. Гибкость развертывания.
    Общая производительность и масштабируемость системы не зависят от модели развертывания и применяют ту же защиту, независимо от того, работает ли она в локальной, облачной или гибридной модели среды. Из-за огромных объемов данных, связанных с аналитикой абонентов для сетевых операторов, локальное развертывание является наиболее вероятной моделью в обозримом будущем. С помощью встроенной модели серверы могут децентрализовать и размещать там, где имеется место в стойке, и сохранять полосу пропускания. Децентрализация хранилища не повлияет на производительность запросов. Портал для управления и контроля также может быть размещен как на локальном, так и на основе облачных вычислений в зависимости от клиентских собственных настроек безопасности.
  8. Удобство работы.
    Программное обеспечение устанавливается автоматически из центрального места на все компьютеры, используя среду Ansible. Обновления программного обеспечения распространяются через единую централизованную команду без ручного вмешательства. Синхронизация данных, репликация и управление сертификатами выполняются автономно. Оптимизация производительности также полностью автоматизирована, не требуя ручного индексирования, разбиения на разделы, осколки или другие формы настройки.
  9. Централизованный доступ.
    Система обеспечивает легкий, централизованный доступ к распределенным источникам данных. Это упрощает запрос и анализ данных для каждого абонента, регионального и глобального масштаба, чтобы помочь разблокировать новые бизнес-идеи. Это отличается от устаревших систем, которые не могут «объединиться» в разных источниках данных. Без объединения независимый анализ должен проводиться в каждом исходном местоположении данных, за которым следует ручная работа, чтобы совместно сопоставить все источники данных.
  10. Прогнозирование.
    Объемы данных, создаваемых машинами и датчиками, будут намного больше, чем те, которые генерируются подписчиками, и требуют децентрализованного подхода к аналитике. Платформа может использоваться для анализа данных, создаваемых машинами / датчиками, в том числе и машинного обучения в режиме реального времени. Это достигается благодаря распределенному сбору и хранению данных в области, близкой к тому месту, где генерируются данные, что делает платформу идеальной для новых услуг, генерирующих доходы, в новых областях, таких как услуги IoT & edge computing (Граничные вычисления).

Распределенное хранилище данных

Хранилище данных является критически важной системой для бизнес-аналитики. Миграция в облако облегчила развертывание и использование хранилищ данных. Однако все централизованные хранилища данных не способны удовлетворить потребность передавать большие объемы данных по географическим регионам. Решение от Edge intelligence характеризуется следующими аспектами:

  1. Развертывание в любом месте.
    Выбор места, где клиент собирается хранить данные, сочетая локальное, общедоступное облако и пограничные развертывания. В облаке используются общедоступные дата-центры, такие как Amazon AWS, Microsoft Azure, Google Cloud и Oracle Cloud. На границе использования физического или виртуализированного оборудования в таких местах, как офисы, фабрики, больницы, магазины и банки. Хранить данные можно в местах, где это работает лучше всего для клиента. Программное обеспечение беспрепятственно связывает все вместе в один логический склад. Клиент получает возможность избежать блокировки в любом центре обработки данных, облачном провайдере или оборудовании.
  2. Простой и привычный SQL.
    Управление данными и получение к ним доступа можно осуществить, используя полнофункциональный стандартный SQL через любой предпочтительный интерфейс. Простая интеграция с готовыми инструментами BI с использованием стандартных разъемов. Быстрый импорт данных, с использованием JSON, CSV, TSV и другие настраиваемые форматы. Пользователи получают возможность разрабатывать алгоритмы машинного обучения, работая непосредственно с базой данных SQL, используя стандартные языки, избегая необходимости экспортировать и загружать данные в отдельные, разрозненные системы.
  3. Производительность, как у Hadoop.
    Сходства с типичными проектами на основе SQL заканчиваются здесь. Загружайте огромные объемы структурированных и полуструктурированных данных на скорости сети. Используйте запатентованную базу данных, разработанную для максимально быстрого ответа на любой тип запроса. Криминалистические, аналитические, оперативные и специальные запросы отвечают в считанные секунды. Экономически эффективно хранить данные в течение неопределенного времени для анализа и соблюдения требований.
  4. Простое управление и защита.
    Установка и обновление программного обеспечения координируются автоматически. Изменения управляются и распространяются централизованно, обеспечивая внесение всех изменений только один раз. Нет необходимости в индексировании, разделении, преобразовании или проектировании схемы. Клиенту стоит только определить политики доступа по ролям, чтобы можно было применять привилегии. Контроль доступа к представлениям, таблицам и указанным ребрам. Есть возможность применения шифрования к данным при передаче и хранении.

Граничная аналитика

Программное обеспечение Intelligent Edge отодвигает аналитику от централизованных центров обработки данных. Аналитика выполняется локально, чтобы получить представление, которое не может ждать, пока данные будут перенесены в центральное место. Большая часть программного обеспечения для граничной аналитики встроена в подключенные устройства и близлежащие шлюзы. Эти типы устройств оптимизированы для низкого энергопотребления и стоимости и не имеют возможности сохранять и выполнять мощную аналитику для огромных объемов данных. Агрегируйте данные из ближайших шлюзов и устройств, чтобы использовать возможности аналитики больших данных и обработки потоков в реальном времени в современной вычислительной среде. Анализируйте огромные объемы данных (сотни терабайт / петабайт), например, сгенерированные IoT, полностью на границе - без необходимости отправлять данные в центральное место.

  1. Простое управление и защита.
    Собирайте неограниченное количество данных со шлюзов устройств, включая программируемые контроллеры и распределенные системы управления, используемые в крупных промышленных условиях. Простая и гибкая передача данных на основе сообщений обеспечивает совместимость со всеми типами шлюзов, включая устройства, используемые в промышленных средах. Получение данных масштабируется до миллионов входящих сообщений в секунду, чтобы обеспечить сбор данных, генерируемых очень большими системами с IoT и другими подключенными устройствами.
  2. Потоковая обработка данных в реальном времени.
    Автоматизируйте анализ всех входящих данных с помощью потоковой обработки в реальном времени. Примеры обработки потока включают в себя возможность выполнять предварительную агрегацию, сопоставление с черными списками, обнаружение аномальных условий и определение временных шаблонов. Старые данные остаются локальными на границе, что позволяет потоковой обработке объединять сохраненные данные с входящими данными, чтобы идентифицировать новые идеи, которые в противном случае невозможно было бы определить, если данные были сохранены только в течение нескольких часов в устройстве шлюза. Нет новых языков программирования для изучения, поскольку потоковая обработка использует синтаксис SQL.
  3. "Аналитика без ганиц".
    Оперативным технологам и аналитикам данных требуется немедленный доступ к данным машин и датчиков, чтобы принимать решения, которые помогают повысить эффективность, безопасность и доход. Люди, которым необходим доступ к таким данным, часто не находятся в местах, где собираются эти данные. Объединяя и объединяя данные на периферии, можно получить немедленный доступ ко всем данным и отчеты о них - в любом месте, стране или континенте. Инсайты и улучшения процесса могут быть сделаны в местном, региональном и глобальном масштабе - при анализе данных издалека.
  4. Большие данные объединяются на границе.
    Экономически эффективно сохранять петабайты глобально распределенных данных на границе для мгновенного анализа. Сохраняйте огромные объемы данных столько времени, сколько необходимо. Смешайте новые и старые данные вместе, чтобы открыть новые идеи. Все благодаря простоте и знакомству с архитектурой на основе SQL, которая обеспечивает высокую производительность для любого типа запросов со стандартными интерфейсами для BI, DevOps и инструментов машинного обучения. Нет необходимости полагаться на облако или другие централизованные архитектуры больших данных для мощной аналитики, когда это можно сделать полностью на грани, вблизи того места, где генерируются огромные объемы данных.

Источники

  1. Products // Edge Intelligence. [2017—2019]. Дата обновления: 01.12.2018. URL: https://www.edgeintelligence.com/products/ (дата обращения: 11.12.2018).
  2. Uploads // Edge Intelligence. [2017—2019]. Дата обновления: 15.10.2017. URL: https://www.edgeintelligence.com/wp-content/uploads/2018/10/Subscriber-Analytics-Top-10-Considerations-When-Evaluating.pdf (дата обращения: 11.12.2018).