ВЫБОР РЕДАКЦИИ

Состояние рынка схем памяти и успехи китайских компаний

CEA-Leti продолжает работы по 6G в D-диапазоне

Освоение и развертывание технологий 5G

Перспективы развития чиплетов

Создание Общества по проблемам методик глубокого обучения для систем со сверхмалым энергопотреблением

Развитие индустрии лидаров

Проблемы безопасности вычислений и связи

Разработка Elektrobit для снижения нагрузки на разработчиков автомобильного ПО

Новые разработки стартапа SambaNova

Нарастание проблем при масштабировании схем памяти

Замечания к использованию 2D-материалов

Arm v9 – новая архитектура фирмы ARM

Перспективы развития микроконтроллеров с краевым искусственным интеллектом

Проблемы разработки программно-управляемого аппаратного обеспечения

Искусственный интеллект – перспективы развития

Наступление эры искусственного интеллекта реального масштаба времени

Бесшовная связь – становой хребет Четвертой промышленной революции

Использование биометрии в Сухопутных войсках США

Вопросы развития краевых вычислений

Машинное обучение открывает новые возможности FPGA

Материалы Симпозиума SEMI по промышленной политике

Современное состояние и перспективы развития рынка САПР

Teraki совершает «квантовый скачок» в сфере больших данных

Бум стартапов во Франции

Материалы Симпозиума SEMI по промышленной политике

Вопросы развития краевых вычислений

Экономические аспекты развития технологий искусственного интеллекта

О перспективах рынка потребительской электроники

Средства искусственного интеллекта учатся распознавать звуки

Превосходство КНР в области искусственного интеллекта: правда или миф?

Некоторые проблемы развития памяти с высокой пропускной способностью

Новые тенденции использования машинного обучения при проектировании и обработке изображений

Глубокое обучение и предельные краевые вычисления

Развертывание сетей 5G и краевые (пограничные) вычисления

Yole Développement: исследование рынка MEMS

Новые области применения искусственного интеллекта

Искусственный интеллект и увеличение интереса к краевым вычислениям

Искусственный интеллект и увеличение интереса к краевым вычислениям

Выпуск 11 (6710) от 11 июня 2020 г.
РУБРИКА: ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА

Традиционные архитектуры центров обработки данных характеризуются централизованной структурой. С одной стороны, это обеспечивает существенные преимущества, а с другой – ​оказывается недостатком. По мере развертывания средств искусственного интеллекта и других приложений, требующих минимального времени ожидания, подчас невозможного при использовании традиционных архитектур центров обработки данных, все большее внимание привлекают технологии краевых вычислений.

Проблема традиционных архитектур заключается в их централизации. Данные перемещаются на сотни километров от края сети до компьютеров центров обработки данных (ЦОД), а затем обратно. Это удобно, когда речь идет об электронной почте, Google, Facebook и других приложений, предоставляемых через облачные структуры. Человеческий мозг неспособен воспринять время ожидания между, скажем, кликом мышкой по сообщению e-mail в браузере и открытием сообщения на экране ПК пользователя. Однако искусственный интеллект (ИИ) и другие развивающиеся приложения, такие как Интернет вещей, облачные игры, виртуальная реальность, требуют гораздо меньшего времени отклика сети или времени ожидания. Это означает, что обработка данных в ЦОД должна перемещаться ближе к краю сети. Краевые (пограничные) вычисления могут выполняться в небольших ЦОД, размером примерно с транспортный контейнер, а не в зданиях размером со склад, в которых в настоящее время осуществляется поддержка облачных вычислений.

Самое главное в краевых вычислениях – ​это объемы данных, создаваемых вне облачных ЦОД. Время ожидания – ​не единственная проблема, требующая для своего решения применения пограничных вычислений (см. таблицу). Еще одна движущая сила развития краевых вычислений – ​издержки. Кроме того, различные организации нуждаются в краевых вычислениях там, где они не могут получить доступ к «облаку»: на корабле, в шахте или на нефтяном месторождении. Одновременно расширяющийся перечень правил конфиденциальности требует в некоторых приложениях обрабатывать данные на месте, особенно в здравоохранении. Например, в больницах обычно категорически запрещается отправлять какие-либо данные в «облако». Но даже если бы это было разрешено, затраты на пропускную способность сделали бы перемещение большей части таких данных, особенно диагностических изображений, непомерно дорогим.


Операторы полагаются на краевые вычисления

Корпорация Digital Realty (Сан-Франциско, шт. Калифорния, США), инвестиционный фонд недвижимости, вкладывающий деньги в операторно-нейтральные ЦОД и предоставляющий услуги колокации и пиринга (ставший одним из крупнейших в мире операторов ЦОД), дифференцирует свою деятельность за счет глобальной платформы и инфраструктуры. Инфраструктура представлена как крупными ЦОД с энергопотреблением в размере многих мегаватт, так и отдельными кабинетами или стойками в чужих ЦОД. Сейчас сеть корпорации насчитывает 267 ЦОД в 20 странах мира.

Краевые ячейки требуют нового типа инфраструктуры, отличной от инфраструктуры традиционных ЦОД. Их размер гораздо меньше, а рабочие нагрузки требуют большей плотности мощности и плотности межсоединений. Эти мини-ЦОД должны быть автономными, не нуждаться в операторах и поддерживать мультиарендность. Обязательное условие – ​подключение к основной облачной инфраструктуре посредством оптоволоконных каналов высокой пропускной способности.

Сейчас Digital Realty, совместно со стартапом Vapor IO (Остин, шт. Техас, США), находится на ранней стадии развертывания мини-ЦОД прототипами в Атланте, Далласе и Чикаго. Сектор мини-ЦОД сейчас бурно развивается. Корпорация Equinix (Редвуд-Сити, шт. Калифорния, США), конкурент Digital Realty, рассматривает свои существующие мощности как средство обслуживания потребностей в краевых вычислениях поставщиков услуг и корпоративных клиентов. Equinix располагает 190 ЦОД в 44 мегаполисах разных стран мира. На большей части территории США кластеры ЦОД Equinix уже обеспечивают время двустороннего доступа по оптоволокну 10 мс, что доступно 80% населения США. Прежде чем строить новые мини-ЦОД, компании и поставщики услуг стремятся максимально развернуть краевые приложения в рамках существующей инфраструктуры.

Однако это не единственный вариант. Во многих местах пограничные приложения могут работать внутри обычного ЦОД и при этом обеспечивать время ожидания порядка 5 мс. Для нужд многих предприятий в крупных городских районах этого более чем достаточно.


Таблица

Движущие факторы развития краевых вычислений

Фактор

Причина использования

Объем создаваемых вне облачных ЦОД данных

Увеличение количества подключенных к сетям датчиков разных типов – ​до 1 трлн шт. и более к 2024 г.

Эксплуатационные издержки

В случае использования краевых вычислений отсутствует плата провайдерам интернет-услуг за передачу данных и плата поставщикам облачных услуг за двустороннее перемещение данных и их обработку облачными ресурсами

Доступность услуг

Облачные вычисления могут быть недоступны в отдаленных и труднодоступных районах

Требования безопасности данных

Запрет на передачу в «облако» чувствительных к несанкционированному разглашению данных


Беспроводная связь и проблема узких мест

Помимо оптоволоконной связи, обеспечивающей низкое время ожидания, краевым приложениям также требуется беспроводная связь, которая пока остается узким местом для ИИ и других новых краевых приложений. Действительно, текущее время ожидания беспроводной связи 4G составляет в лучшем случае 40 мс, а в среднем – ​от 60 до 120 мс. Развертывание сетей 5G и средств связи будет способствовать снижению времени ожидания. В этом плане операторы связи сотрудничают с поставщиками облачных услуг гиперразмерных вычислений, стремясь воспользоваться преимуществами повышения производительности. Например, американские корпорации Amazon (Сиэтл, шт. Вашингтон) и Verizon (Нью-Йорк, шт. Нью-Йорк) ведут совместные работы по подключению ЦОД Amazon Web Services (AWS) в деловой части Лос-Анджелеса к комплексу вышек региональной вычислительной сети (radio access network, RAN) Verizon. В ходе реализации проекта продемонстрирована возможность создания вокруг города зоны с временем ожидания не более 10 мс. Это, в свою очередь, поспособствует росту спроса на мини-ЦОД, но до завершения проекта никто не пойдет на дополнительные расходы. Дополнительные возможности «сетевой нарезки» 5G позволят развернуть частные беспроводные сети.

На данный момент мини-ЦОД – ​перспективная технология, не получившая масштабного распространения, так как потенциальные пользователи еще не осознали ее экономических и технологических преимуществ. Тем не менее Equinix рассматривает варианты использования модульных ЦОД (не обязательно на краю сети) для выхода на рынки развивающихся стран, где на данный момент нет особого смысла строить ЦОД стоимостью десятки и сотни миллионов долларов.


ИИ как фактор развития

Расширение применения ИИ стимулирует рост спроса на краевые вычисления. Приложения ИИ представлены двумя основными рабочими нагрузками: обучением и формированием логических выводов. Обучение – ​это действительно обучение модели ИИ методам решения какой-либо проблемы. Процесс часто включает в себя организацию больших (вплоть до петабайтов – ​1 Пбайт=1,13×1015 байт) объемов данных. Обучение проходит на энергозатратных графических процессорах, причем каждая полностью загруженная стойка этих приборов потребляет от 30 до 40 кВт. Обучение, как правило, должно выполняться в большом ЦОД, чтобы обеспечить необходимое электропитание, конфиденциальность, а также удовлетворить требования законодательного регулирования относительно некоторых приложений.

После завершения обучения моделей наступает этап формирования логических выводов. Это процесс, в котором модель применяет полученные в процессе обучения алгоритмы и данные в своем производственном приложении. Формирование логического вывода требует гораздо меньшего объема данных и может выполняться в быстро развернутом Docker - или другом программном контейнере на границе сети – ​в смартфоне, электромобиле, мини-ЦОД и т. п. То есть обученное в большом облачном ЦОД приложение ИИ может впоследствии использоваться для формирования выводов непосредственно на предприятии, в магазине розничной сети или на бензоколонке.

Эти виды приложений ИИ могут быть использованы в самых разных случаях. Например, авиакомпания для диагностического обслуживания может использовать «цифровых двойников». Или же, когда экономика начнет оживать после пандемии COVID‑19, ИИ можно будет использовать для теплового анализа входящих на объект людей, которые могут быть больны.

К другим приложениям, требующим краевых вычислений (и часто использующим ИИ), относятся игры, Интернет вещей, интеллектуальные заводы, сфера доставки и логистики. Розничным технологиям требуются краевые вычисления для обеспечения необходимой оперативности реагирования. Такой «магазин будущего», как Amazon Go, имеет сотни камер, а сеть универсамов Walmart использует видео для отслеживания клиентов. Потребности этих и других предприятий сетевой розничной торговли буквально разгоняют спрос на средства краевых вычислений.

Прогрессивные градостроители стремятся использовать ИИ и другие краевые приложения для укрепления здоровья и безопасности горожан, отслеживания потребностей в обслуживании инфраструктуры и управления трафиком средств и сетей связи. Устойчивый спрос на ИИ и краевые вычисления также предъявляют транспорт (в том числе автономные транспортные средства), перспективные производства и визуальный контроль продукции, энергетика (особенно на средства дистанционного контроля и управления).


Специальные требования к аппаратному обеспечению

Для обеспечения высокой производительности в приложениях краевого ИИ обычно используется флэш-память. Эти приложения также требуют высокой степени двусторонней подключаемости прибора – ​как к краевому приложению, так и к ЦОД. Кроме того, необходима связь между компонентами приложений, работающими в разных местах сети.

Аппаратное обеспечение пограничных вычислений должно обеспечивать надежность работы при развертывании в таких местах, как лифты, турникеты общественного транспорта, горное оборудование, а для корабельных компьютеров важна устойчивость к соленой воде.

Также весьма важен вопрос обеспечения физической безопасности. Стандартные ЦОД гиперразмерных вычислений обладают почти армейским уровнем безопасности, но неохраняемые краевые ЦОД в сельской местности могут подвергнуться взлому или даже быть похищены и увезены злоумышленником на грузовике.


Кто победит в конкурентной борьбе?

В области краевых вычислений победителями выглядят гипероблачные сервисы, корпоративные поставщики, операторы телекоммуникационных сетей и ЦОД. Одним из них несомненно является корпорация AWS, медленно, но верно реализующая заслуживающие доверия краевые предложения. Недавно она представила AWS Outposts – ​аппаратную стойку, на которой работает ее инфраструктурное ПО. В ней используется та же инфраструктура, что и в ЦОД AWS. Стойка Outposts может работать локально (внутри помещения), в краевых приложениях или ЦОД. Еще одно приложение, AWS Snowball, – ​это краевое вычислительное устройство, интегрирующее собственно вычисления, память и хранилище данных для использования на автономных объектах, таких как корабли. Еще одно предложение Amazon под названием Wavelength – ​это краевой прибор, предназначенный для операторов связи и позволяющий приблизить вычислительные средства к краю сети при развертывании проектов 5G.

В области ПО корпорация AWS предлагает операционную систему Greengrass, осуществляющую подключение приборов Интернета вещей к «облаку». Конкуренты AWS также предлагают свои сервисы – ​так, у корпорации Microsoft (Редмонд, шт. Вашингтон, США) это облачный сервис Azure для соединения Интернета вещей с краевыми приложениями, а корпорация VMware создала сервис краевых вычислений, по оценкам специалистов, «удивительно конкурентоспособный в этой области». Еще один крупный поставщик общедоступных облачных сервисов, корпорация Google, ранее немного отставала от своих соперников, но теперь наращивает потенциал сервиса Anthos для распределенных облачных приложений.

Между тем гиганты инфраструктурного ИТ-оборудования, такие как американские корпорации Dell (Раунд-Рок, шт. Техас), Hewlett Packard Enterprise (Пало-Альто, шт. Калифорния, краевые серверы) и Cisco (Сан-Хосе, шт. Калифорния, построение сетей Интернета вещей), также обладают существенными преимуществами: краевые вычисления требуют наличия обширной экосистемы, обеспечивающей взаимодействие локальной и облачной инфраструктур.

Новые поставщики краевых ЦОД, такие как Vapor IO, также имеют возможность по-новому подойти к использованию существующих технологий. Краевые ЦОД в принципе существуют уже около 50 лет – ​в любом сетевом универсаме, на АЗС или в «Макдоналдсе» есть свой ЦОД. Решения стартапа Vapor IO нацелены на увеличение вычислительных возможностей сетей, особенно сетей 5G.

Оборудование для центральных офисов, поставляемое корпорацией Telco, также могут быть перепрофилировано в мини-ЦОД, что расширяет возможности операторов связи. В типичном городском микрорайоне всегда есть цементный бункер с аналоговыми линиями связи и большим числом стоек. Сейчас они, как правило, почти пусты. При этом они очень прочны, их трудно взломать, они оснащены подводом электричества и средствами охлаждения – ​неплохое место для размещения краевых ЦОД.

По утверждению своих представителей, корпорации Equinix и Digital Reality хорошо позиционируются в области краевых вычислений – ​учитывая их сильные стороны в качестве глобальных операторов ЦОД и сетей связи. Именно подобные им игроки обеспечивают взаимосвязь локальных сетей, создаваемых телекоммуникационными корпорациями. Последним для успешной работы необходимы высокораспределенные глобальные сети и платформы (клиенты с осторожностью относятся к локальным платформам на конкретных рынках – ​в подобных случаях при развертывании инфраструктуры сети приходится иметь дело с 10 или 15 поставщиками оборудования), особенно если у них не хватает собственных средств на инвестиции в развитие или расходы по поддержанию существующей глобальной среды.


Wagner Mitch. AI Drives Data Centers to the Edge. EE Times magazine, May 11, 2020: https://www.eetimes.com/ai-drives-data-centers-to-the-edge/


В ЦЕНТРЕ ВНИМАНИЯ

Equinix

Дата основания : 1998
Количество сотрудников: 7,8 тыс. чел. (2019 г.).
Штабквартира: Редвуд-Сити, шт. Калифорния, США.
Выручка: 5,5 млрд долл. (2019 г.).

По утверждению представителей компании, с момента своего основания Equinix инвестировала более 25 млрд долл. в создание платформ ЦОД. С 2015 г. компания входит в Трастовый инвестиционный фонд недвижимости (Real Estate Investment Trust, REIT), который за счет коллективных инвестиций (паев, долей) приобретает объекты недвижимости или ипотечные ценные бумаги (закладные, ипотечные облигации) и занимается их управлением.

Одна из основных разработок Equinix – ​ориентированная на межсоединения архитектура (Interconnection Oriented Architecture, IOA) – ​обеспечивает преобразующий подход к ИТ, который поддерживает цифровое взаимодействие и использует возможности цифровых экосистем. Архитектуры следующего поколения обеспечивают конкурентные преимущества в области краевых вычислений, связывая людей, локации, облака и данные.

Платформа Equinix™ – ​это крупнейшая в мире глобальная платформа взаимосвязанных ЦОД и бизнес-экосистем, поддерживающая компании и отрасли на рынках по всему миру.


ЧИТАЙТЕ ТАКЖЕ

Выпуск 22(6746) от 11 ноября 2021 г. г.
Выпуск 21(6745) от 28 октября 2021 г. г.