Fujitsu Laboratories Ltd. a annoncé aujourd'hui le développement de l'architecture de traitement d'événements cohérent asynchrone reconfigurable dynamiquement (Dracena), une architecture de traitement de flux qui peut ajouter ou modifier du contenu tout en traitant de gros volumes de données IoT, sans s'arrêter. Avec les avancées récentes des technologies IoT, il est prévu que de nombreux services en temps réel seront créés pour utiliser les grands volumes de données circulant dans le cloud à partir de divers appareils dans les usines, maisons, et les infrastructures sociales. Dans la progression vers la conduite autonome avec les voitures connectées, les chercheurs envisagent l'analyse des vastes quantités d'informations, comme la vitesse et l'emplacement, générés par les véhicules, qui peut ensuite être présenté aux conducteurs, sous forme d'avertissements, par exemple.

Technologie de traitement de flux, qui est efficace dans le traitement à grande vitesse de ces sortes d'énormes volumes de données, a des problèmes là-dedans, car le traitement doit être temporairement arrêté lors de la modification ou de l'ajout de contenu de traitement en fonction d'ajouts ou d'améliorations de services, la fourniture des services peut être retardée. Maintenant, Fujitsu a développé une nouvelle architecture de traitement de flux qui bascule automatiquement vers un nouveau programme de traitement de données lorsqu'un travail de traitement de données parallélisé est terminé, en séparant le traitement de flux en traitement de réception de données et traitement de données réel de sorte que le traitement de réception de données et le traitement de données en cours ne soient pas arrêtés (brevet en instance).

Par conséquent, dans une simulation de la réception de quelques dizaines d'octets de données par seconde d'un million de véhicules, Fujitsu a confirmé que cette architecture est capable de continuer à traiter les données en streaming tout en ajoutant ou en modifiant des programmes de traitement, avec un délai moyen, augmentez les volumes de cinq millisecondes ou moins. Fujitsu Laboratories envisage de commercialiser cette technologie au cours de l'exercice 2018 sur la plateforme Mobility IoT, offert par Fujitsu Limited, et l'étendre à d'autres secteurs de l'industrie. Les détails de cette technologie ont été présentés au DEIM2018 (le Forum sur l'ingénierie des données et la gestion de l'information), une conférence qui se tient à Awara, Préfecture de Fukui, Japon, à partir du 4 mars.

Contexte de développement

Avec le développement récent des technologies IoT, les données ont commencé à être collectées à partir de toutes sortes d'objets et collectées dans des centres de données, et on s'attend à ce qu'en analysant et en utilisant cela, une variété de nouveaux services seront créés. Dans le cas des voitures connectées, par exemple, on pense qu'en collectant, en cours d'analyse, et en utilisant les données des automobiles en temps réel, il sera possible de désengorger, assister les conducteurs, et améliorer la sécurité de la conduite autonome (figure 1).

Afin de traiter rapidement les données, comme la vitesse et l'emplacement, générés seconde après seconde par un grand nombre de voitures en mouvement, la méthode la plus efficace est de construire un système qui utilise le traitement de flux pour traiter les données en parallèle, comme par exemple voiture par voiture. Afin de compléter ou de modifier le programme de traitement en fonction des ajouts et améliorations de service, la méthode actuelle consiste à préparer au préalable deux systèmes de même échelle, en utiliser un pour les opérations, apporter des modifications à l'autre, puis les échanger rapidement. Cette méthode nécessitait l'arrêt temporaire des deux systèmes, cependant, tandis que les données, comme la vitesse ou la position d'une voiture, conservé dans la mémoire du système utilisé, a été copié dans le système révisé. Cela rendait difficile la production de services nécessitant des opérations véritablement continues, comme la transmission en temps réel d'avertissements aux voitures connectées. En outre, parce que de nouveaux programmes de traitement ont été obtenus à partir de la base de données, connu sous le nom de référentiel, la congestion a résulté des nombreuses requêtes provenant de gros volumes d'unités de traitement, retarder le traitement global.

Détails de la technologie nouvellement développée

Maintenant, Les Laboratoires Fujitsu ont développé Dracena, une architecture pouvant modifier les programmes de traitement d'un système en cours de fonctionnement, sans arrêter les opérations. Avec cette technologie, lors de la modification ou de l'ajout de contenus informatiques, cette architecture distribue le nouveau programme informatique sous forme de message, de la même manière que les données sont distribuées, à chaque unité de traitement individuelle, appelé un objet, tels que l'unité de traitement pour chaque voiture. Cela élimine l'impact sur la vitesse de traitement globale en raison de la concentration des requêtes sur le référentiel. De plus, en séparant le traitement de réception des messages intra-objet et le traitement des données dans cette architecture, le système est capable d'ajouter le nouveau programme de traitement de données sans arrêter le traitement de réception de message ou le traitement de données existant, puis faire passer tous les objets au nouveau programme de traitement de données avec le même timing. Cela a permis aux Laboratoires Fujitsu de créer une architecture de traitement de flux dans laquelle le programme de traitement de données peut être ajouté ou modifié sans s'arrêter, afin de poursuivre le traitement parallélisé sans freiner le flux d'énormes volumes de données à copier (figure 2).

Les résultats d'une évaluation simulée ont confirmé que, dans un cas d'utilisation où quelques dizaines d'octets de données sont transmis une fois par seconde depuis un million de véhicules, cette architecture était capable de fournir des services en continu lors de l'ajout d'un service de détection de freinage brusque dans une situation où le système fournissait déjà un service de détection de temps de conduite excessifs, avec un délai moyen d'augmenter le volume de cinq millisecondes ou moins. Cette architecture permettra de fournir rapidement des services en temps réel qui nécessitent un fonctionnement ininterrompu et qui peuvent répondre aux problèmes survenant dans la société, notamment l'assistance à la conduite pour les voitures connectées, favoriser une utilisation économe en énergie des appareils électroménagers, assurer la surveillance de la santé et de la sécurité à domicile, et fournir des conseils de voyage pour les touristes utilisant des smartphones. De plus, cette architecture permet aux utilisateurs d'adopter une méthode de construction dans laquelle ils construisent d'abord un système de base visant une analyse et une utilisation simples, puis ajoutez progressivement de nouveaux services. En utilisant cette technologie dans le cas des automobiles, par exemple, il serait possible de commencer par un système qui lit les signes de conduite en état d'ébriété sur la base des données de fonctionnement du volant, puis ajouter de nouveaux services couche par couche, comme combiner cela avec des données cartographiques pour détecter les vents de travers à la sortie du tunnel, ou en le combinant avec des données d'images pour détecter la présence de voitures en stationnement illégal, qui devrait améliorer l'efficacité du développement des services.

Fujitsu vise à commercialiser cette technologie au cours de l'exercice 2018 en tant qu'élément constitutif de la plateforme Mobility IoT offerte par Fujitsu Limited. En outre, Fujitsu cherche à étendre cette technologie au-delà du domaine de la mobilité aux domaines d'activité qui nécessitent des services en temps réel basés sur des données générées en permanence à haute fréquence, comme fournir des directives aux personnes lors d'événements ou de situations de catastrophe.