يجب تحسين التطبيقات التي تعتمد على البيانات من أجل الحافة

نظرًا لأن بيانات الأعمال يتم إنتاجها واستهلاكها بشكل متزايد خارج حدود السحابة التقليدية ومركز البيانات ، تحتاج المؤسسات إلى إعادة التفكير في كيفية معالجة بياناتها عبر البصمة الموزعة التي تتضمن بيئات ومواقع طرفية مختلطة ومتعددة الأوساط السحابية.

أصبحت الأعمال لا مركزية بشكل متزايد. يتم الآن إنتاج البيانات ومعالجتها واستهلاكها في جميع أنحاء العالم – من أنظمة نقاط البيع والهواتف الذكية البعيدة إلى المركبات المتصلة وأرضيات المصنع. هذا الاتجاه ، جنبًا إلى جنب مع ظهور إنترنت الأشياء (IoT) ، والزيادة المطردة في قوة الحوسبة للأجهزة المتطورة ، واتصال أفضل بالشبكة ، يحفز الارتفاع في نموذج الحوسبة المتطورة.

تتوقع IDC أنه بحلول عام 2023 سيتم نشر أكثر من 50٪ من البنية التحتية الجديدة لتكنولوجيا المعلومات على الحافة. وتوقعت شركة Gartner أنه بحلول عام 2025 ، ستتم معالجة 75٪ من بيانات المؤسسة خارج مركز البيانات التقليدي أو السحابة.

توفر معالجة البيانات بالقرب من مكان إنتاجها وربما استهلاكها مزايا واضحة ، مثل توفير تكاليف الشبكة وتقليل زمن الوصول لتقديم تجربة سلسة. ولكن ، إذا لم يتم نشرها بشكل فعال ، يمكن للحوسبة المتطورة أيضًا أن تخلق بؤر مشاكل ، مثل التوقف غير المتوقع ، وعدم القدرة على التوسع بسرعة كافية لتلبية الطلب ونقاط الضعف التي تستغلها الهجمات الإلكترونية.

تتطلب تطبيقات الحافة المتطورة التي تلتقط البيانات وتخزنها وتستخدمها بنية بيانات جديدة تراعي توافر التطبيقات وقابليتها للتوسع ووقت الاستجابة واحتياجات الأمان. تحتاج المنظمات التي تشغل بصمة بنية تحتية موزعة جغرافيًا في الصميم والحافة إلى أن تكون على دراية بالعديد من مبادئ تصميم البيانات المهمة ، بالإضافة إلى كيفية معالجة المشكلات التي من المحتمل أن تنشأ.

رسم خريطة لدورة حياة البيانات

تحتاج المؤسسات التي تعتمد على البيانات إلى البدء بفهم قصة بياناتها: مكان إنتاجها ، وما الذي يجب فعله بها ، وأين يتم استهلاكها في النهاية. هل يتم إنتاج البيانات على الحافة أم في تطبيق يعمل في السحابة؟ هل يجب تخزين البيانات على المدى الطويل ، أو تخزينها وإعادة توجيهها بسرعة؟ هل تحتاج إلى تشغيل تحليلات ثقيلة على البيانات لتدريب نماذج التعلم الآلي (ML) ، أو تشغيل معالجة سريعة في الوقت الفعلي عليها؟

فكر في تدفقات البيانات ومخازن البيانات أولاً. تتمتع مواقع Edge بقوة حوسبة أصغر من السحابة ، وبالتالي قد لا تكون مناسبة بشكل مثالي للتحليلات طويلة الأمد و AI / ML. في الوقت نفسه ، يؤدي نقل البيانات من مواقع حافة متعددة إلى السحابة للمعالجة إلى زيادة وقت الاستجابة وتكاليف الشبكة.

في كثير من الأحيان ، يتم نسخ البيانات بين السحابة ومواقع الحافة ، أو بين مواقع الحواف المختلفة. تشمل طبولوجيا النشر الشائعة ما يلي:

• المحور وتحدث، حيث يتم إنشاء البيانات وتخزينها عند الحواف ، مع مجموعة سحابية مركزية تجمع البيانات من هناك. هذا شائع في إعدادات البيع بالتجزئة وحالات استخدام إنترنت الأشياء.
• ترتيبn ، حيث يتم تخزين البيانات في السحابة ، ويتم إنتاج نسخ متماثلة للقراءة في واحد أو أكثر من مواقع الحافة. تعد إعدادات التكوين للأجهزة أمثلة شائعة.
• من طرف لآخر، وهو نمط شائع جدًا ، حيث يتم نسخ البيانات أو تقسيمها بشكل متزامن أو غير متزامن داخل طبقة. تعتبر المركبات التي تتحرك بين مواقع التخزين المؤقت ومستخدمي الهاتف المحمول المتجولين والمستخدمين الذين يتنقلون بين البلدان وإجراء المعاملات المالية نموذجًا لهذا النمط.

إن معرفة ما يجب فعله مسبقًا بالبيانات المجمعة يسمح للمؤسسات بنشر البنية التحتية المثلى للبيانات كأساس للتطبيقات ذات الحالة. من المهم أيضًا اختيار قاعدة بيانات توفر إمكانيات نسخ بيانات مضمنة ومرنة تسهل هذه الهياكل.

تحديد أعباء عمل التطبيق

جنبًا إلى جنب مع دورة حياة البيانات ، من المهم إلقاء نظرة على مشهد أعباء عمل التطبيق التي تنتج البيانات أو تعالجها أو تستهلكها. تختلف أعباء العمل التي تقدمها التطبيقات ذات الحالة من حيث الإنتاجية ، والاستجابة ، ومتطلبات الحجم وتجميع البيانات. على سبيل المثال ، ستتطلب الخدمة التي تحلل بيانات المعاملات من جميع مواقع متاجر بائعي التجزئة تجميع البيانات من المتاجر الفردية إلى السحابة.

يمكن تصنيف أعباء العمل هذه إلى سبعة أنواع.

• تدفق البيانات، مثل البيانات من الأجهزة والمستخدمين ، بالإضافة إلى تتبع المركبات وبيانات الموقع و “الأشياء” الأخرى في إنترنت الأشياء. يتطلب تدفق البيانات إنتاجية عالية واستعلامًا سريعًا ، وقد يحتاج إلى التعقيم قبل الاستخدام.
• تحليلات على تدفق ساتا ، مثل عندما يتم تطبيق تحليلات الوقت الفعلي على تدفق البيانات لإنشاء تنبيهات. يجب أن يكون مدعومًا محليًا بواسطة قاعدة البيانات ، أو باستخدام Spark أو Presto.
• بيانات الحدثبما في ذلك الأحداث المحسوبة على التدفقات الأولية المخزنة في قاعدة البيانات مع ضمانات الذرية والاتساق والعزلة والمتانة (ACID) لصحة البيانات.
• مجموعات بيانات أصغر مع استعلامات مكثفة للقراءة فقطبما في ذلك أحمال عمل التكوين والبيانات الوصفية التي يتم تعديلها بشكل غير متكرر ولكنها تحتاج إلى القراءة بسرعة كبيرة.
• المعاملات ، أعباء العمل العلائقية ، مثل تلك التي تتضمن الهوية والتحكم في الوصول والأمن والخصوصية.
• تحليلات بيانات كاملة ، عندما تحتاج تطبيقات معينة إلى تحليل البيانات بشكل إجمالي عبر مواقع مختلفة (مثل مثال البيع بالتجزئة أعلاه).
• أعباء العمل التي تحتاج إلى الاحتفاظ بالبيانات على المدى الطويل ، بما في ذلك تلك المستخدمة للمقارنات التاريخية أو للاستخدام في تقارير التدقيق والامتثال.

ضع في اعتبارك احتياجات الكمون والإدخال

غالبًا ما يكون وقت الاستجابة المنخفض ومعالجة البيانات عالية الإنتاجية من الأولويات العالية للتطبيقات على الحافة. تحتاج بنية بيانات المؤسسة على الحافة إلى مراعاة عوامل مثل مقدار البيانات التي يجب معالجتها ، سواء كانت تصل كنقاط بيانات مميزة أو في دفعات من النشاط ومدى سرعة إتاحة البيانات للمستخدمين والتطبيقات.

على سبيل المثال ، لا ينبغي أن تعاني عملية التتبع عن بُعد من المركبات المتصلة ، واكتشاف الاحتيال ببطاقات الائتمان والتطبيقات الأخرى في الوقت الفعلي من زمن انتقال إرسالها مرة أخرى إلى السحابة لتحليلها. أنها تتطلب تحليلات في الوقت الحقيقي ليتم تطبيقها مباشرة على الحافة. يجب أن تكون قواعد البيانات المنتشرة على الحافة قادرة على تقديم زمن انتقال منخفض و / أو إنتاجية عالية للبيانات.

الاستعداد لأقسام الشبكة

تزداد احتمالية انقطاع البنية التحتية وأقسام الشبكة كلما انتقلت من السحابة إلى الحافة. لذلك عند تصميم بنية حافة ، يجب أن تفكر في مدى استعداد تطبيقاتك وقواعد بياناتك للتعامل مع أقسام الشبكة. قسم الشبكة هو حالة تنقسم فيها بصمة البنية التحتية إلى جزيرتين أو أكثر لا يمكنها التحدث مع بعضها البعض. يمكن أن تحدث الأقسام في ثلاثة أوضاع تشغيل أساسية بين السحابة والحافة.

في الغالب متصل تسمح البيئات للتطبيقات بالاتصال بالمواقع البعيدة لإجراء مكالمة API في معظم الأوقات – ولكن ليس كلها -. يمكن أن تستمر الأقسام في هذا السيناريو من بضع ثوانٍ إلى عدة ساعات.

عندما تكون الشبكات شبه متصليمكن أن تستمر الأقسام الممتدة لساعات ، مما يتطلب أن تكون التطبيقات قادرة على تحديد التغييرات التي تحدث أثناء القسم ومزامنة حالتها مع التطبيقات البعيدة بمجرد شفاء القسم.

في انقطع الاتصال البيئة ، وهي أكثر أوضاع التشغيل شيوعًا على الحافة ، تعمل التطبيقات بشكل مستقل. في حالات نادرة ، قد يتصلون بخادم ، لكن الغالبية العظمى من الوقت لا يعتمدون على موقع خارجي.

كقاعدة عامة ، يجب أن تكون التطبيقات وقواعد البيانات على الحافة البعيدة جاهزة للعمل في أوضاع غير متصلة أو شبه متصلة. يجب تصميم التطبيقات القريبة من الحافة للعمليات شبه المتصلة أو المتصلة في الغالب. تعمل السحابة نفسها في وضع متصل في الغالب ، وهو أمر ضروري لعمليات السحابة ، ولكن هذا أيضًا هو السبب في أن انقطاع السحابة العامة يمكن أن يكون له تأثير بعيد المدى وطويل الأمد.

ضمان خفة حركة مكدس البرامج

تستخدم الشركات مجموعات من التطبيقات ، ويجب أن تؤكد على خفة الحركة والقدرة على التصميم للتكرار السريع للتطبيقات. الأطر التي تعزز إنتاجية المطور ، مثل Spring و GraphQL ، تدعم التصميم السريع ، مثلها مثل قواعد البيانات مفتوحة المصدر مثل PostgreSQL و YugabyteDB.

إعطاء الأولوية للأمن

ستعمل الحوسبة على الحافة بشكل طبيعي على توسيع سطح الهجوم ، تمامًا مثل نقل العمليات إلى السحابة.

من الضروري أن تتبنى المنظمات استراتيجيات أمنية تستند إلى الهويات بدلاً من حماية محيط المدرسة القديمة. يعد تنفيذ سياسات الامتياز الأقل ، وبنية الثقة الصفرية والتزويد الذي لا يعمل باللمس أمرًا بالغ الأهمية لخدمات المؤسسة ومكونات الشبكة.

تحتاج أيضًا إلى التفكير بجدية في التشفير ، سواء أثناء النقل أو غير ذلك ، والدعم متعدد المستأجرين في طبقة قاعدة البيانات ، والتشفير لكل مستأجر. يمكن أن تضمن إضافة المنطقة المحلية للبيانات الامتثال والسماح بتطبيق أي ضوابط للوصول الجغرافي المطلوبة بسهولة.

الحافة هي بشكل متزايد حيث تحدث الحوسبة والمعاملات. سيسمح تصميم تطبيقات البيانات التي تعمل على تحسين السرعة والوظائف وقابلية التوسع والأمان للمؤسسات بالحصول على أقصى استفادة من بيئة الحوسبة هذه.

كارثيك رانجاناثان هو مؤسس شركة Yugabyte ورئيسها التقني.