數字孿生的架構是什麼?
近些年來,邊緣計算、數字孿生等發展成了火熱的話題,也隨著科技實用到我們周圍的環境當中。
基本上,通過物聯網,我們試圖與機器、交通、環境條件或其他任何方面獲得連續和當前的視圖,然後我們可以利用這些信息去更好地完成某些工作。該操作可能是預測計算機何時會發生故障,或者更有效地路由通信流,但是對於許多用例,收集數據、提供見解和採取行動之間的時間間隔很短。
優化移動網絡變得更快了
舉個例子,在紅綠燈改變或者一個人從雜貨店的貨架上走了幾英尺遠之前,對此數據進行分析。弄清楚如何分析傳入的數據,然後根據這些數據創建一個模型,例如交叉路口或購物者的數據,以便計算機能夠對其進行操作,這就是我們討論真相的原因。克羅斯比的觀點是真理每秒鐘都在變化,所以如果我們試圖建立一個代表機器或模型真相的數字孿生模型,它需要不斷地改變。這對我們如何看待數字孿生的計算架構會有很多啟示。
例如,Swim.ai正在與一家美國電信公司合作,實時創建運營商網絡的數字孿生模型,然後根據人員的不斷移動和他們正在運行的任何應用程序來優化網絡。這家運營商正在追踪1.5億台移動設備,這些設備每天總共產生4兆字節的數據。隨著5G技術的出現,設備和基站之間需要追踪的元素越來越多,運營商預計其需要分析的數據量將達到20PB。
在Swim.ai之前,運營商將獲取這些數據並將其移動到一個400節點的Hadoop集群中進行批量分析。它大約花了6個小時,需要很多服務器。在切換到Swim的軟件後,該運營商可以跟踪這1.5億台設備和基站,並在100毫秒內開始在其網絡上採取行動。它通過在可用的邊緣處理器上本地處理數據,並僅使用確定應採取的任何操作所需的數據來實現這一點。
所以網絡優化既快又便宜,因為運營商不再需要一個巨大的集群來批量處理巨大的數據塊。而且,其蜂窩網絡的數字孿生體更準確,代表了接近”真相”的東西,並允許運營商立即採取行動解決問題或提供更好的體驗。
在早些時候的談話中,克羅斯比說,他遇到的最大挑戰是想辦法利用Swim軟件賺錢。向郊區或城市收費25美分一次的API調用,以提供幾乎即時的流量預測或紅燈狀態不起作用。這個用例很有趣,但經濟性並不存在。沒有足夠的人願意支付如此高的費用來預測交通流量。
對於這個特殊的運營商,這裡發現了一個客戶有一個高價值的問題,該客戶使用大量數據,需要實時洞察,以便採取行動。但是,其中數字孿生體在幾秒鐘內就代表了實際情況的真相,不確定有多少是值得花費大量金錢的。
例如,雜貨店可能會想弄清楚購物者在哪裡,這樣當購物者靠近某一特定產品時,他們可以提供建議。一家物流公司可能想知道,當卡車接近最便宜的汽油時,他們可以命令他們停下來加油。隨著電動汽車和卡車越來越普遍,每秒了解汽車的充電水平和附近充電器的位置將非常重要。
首先,數字孿生必須在幾秒鐘內提供實時見解和變化。這意味著我們需要標準,而像微軟這樣的公司努力使手工構建辦公室或商店的數字孿生變得容易,這似乎是錯誤的策略。
第二個觀點是,我們需要重新思考我們如何處理數據——我們存儲什麼,存儲在哪裡,以及如何以比我們今天更靈活的方式將數據與計算聯繫起來。