מערכות לחימה ורכבים אוטונומיים עוברים למחשוב קצה וקוברנטיס
כתב: עידו ופנר, סמנכ"ל טכנולוגיות וארכיטקט ראשי בקינדריל.
כיום, רוב חברות האנטרפרייז משתמשות בקוברנטיס כדי להריץ אפליקציות ילידיות לענן (קלאוד נייטיב), ולכל Hyperscaler יש שירות קלאוד נייטיב מבוסס קוברנטיס – למשל, EKS, AKS או GKE. גם רד-האט ו-VMware מציעות פלטפורמות פלטפורמה כשירות (PaaS) מתקדמות כמו OpenShift ו-Tanzu, שניתן לראות אותן לרוב בענן הפרטי. הפתרונות הקיימים לא מותאמים לניהול עומסי עבודה במחשוב הקצה או אפליקציות המותאמות אליו, ולכן, לא מעט חברות לקחו את קוברנטיס והתאימו אותו למחשוב הקצה.
רוב המידע נוצר במחשוב הקצה – חיישנים, מצלמות, טלפונים חכמים, סנסורים וכדומה. המידע שאנחנו מייצרים לרוב עובר אל עבר הענן של ה-Hyperscalers הגדולים, כמו AWS, Azure וגוגל קלאוד, לניתוח מידע ולהרצת מודלים מסוג לימוד מכונה, כדי שנוכל להפקיד תבונות ולקבל החלטות. תהליך זה לוקח זמן, לא יעיל וגם לא מאובטח. תחשבו שצריך להעביר את המידע מכל החיישנים לענן באמצעות צינור IoT, לאחסן את המידע בענן ולבצע ניתוחים שונים – ורק אז אפשר לקבל ממנו תובנות.
רכבים אוטונומיים מוכרים כמו טסלה מייצרים המון מידע, שנוצר בזמן אמת – אם זה מחיישני מרחק, מהירות, מצלמות היקפיות, תנועה של רכבים בכביש. יתרה מכך, המערכות ברכב צריכות לקבל החלטות במהירות מתי לעצור, לנסוע וכדומה. לכן משתמשים ברכבים אוטונומיים במחשוב קצה, שהרי אין זמן לשלוח את המידע לענן לניתוח ורק אז לקבל החלטות. ההחלטות חייבות להתקבל במהירות ובצורה אוטונומית, ללא שירותי ענן ותלות בתקשורת.
דוגמה נוספת: אם ניקח כמה מטוסי קרב מסוג F35 או F16 שטסים אחד לצד השני במערך כדי לתקוף את האויב, בעזרת טכנולוגיה מסוג MADL (ר"ת Multifunction Advanced Data Link), כל אותם מטוסים יוכלו להעביר מידע חיוני האחד לשני במהירות, באמצעות סנסורים חכמים ואפליקציות שמותאמות לקצה. בעזרת העברת מידע חיוני מכל אותם מטוסי קרב, כמו איומים שיכולים להגיע מהים, מהאוויר או מהיבשה, נוכל להכפיל את כוח התקיפה על ידי ניתוח מידע בזמן אמת של כלל המטוסים ולקבל החלטות במהירות אם נשתמש בטכנולוגיות כמו Edge AI. הטכנולוגיה הזאת מריצה למידת מכונה על רכיבי הקצה, מנתחת את המידע בזמן אמת ומאפשרת לקבל החלטות מהירות.
טכנולוגיית ה-Edge AI והיתרונות שלה
כיום, רוב המודלים, האפליקציות ושירותי הקלאוד נייטיב מסוג בינה מלאכותית רצים בשלושת ה-Hyperscale’s הגדולים: AWS, Azure וגוגל קלאוד. פתרונות מתקדמים בבינה מלאכותית הפכו להיות הרבה יותר שכיחים בענן הציבורי והפרטי בגלל הצורך בחומרה מתאימה, שמסוגלת להריץ משימות מסוג למידה עמוקה ולמידת מכונה, ולגדול בסקייל, ללא מגבלה של חומרה. בעולם מחשו הקצה הסיפור שונה בהחלט: החומרה מאוד מוגבלת והרצון הוא להריץ מודלים של בינה מלאכותית כמה שיותר קרוב להיכן שהמידע נוצר, ולכן, לשלוח את כל המידע לענן לא נראה פתרון כל כך אפקטיבי.
היתרונות הרבים שניתן להשיג בעזרת Edge AI הם: חסכון בהעברת הדטה והורדת רוחב הפס, שיפור ביצועים, אפשרות לקבלת החלטות בזמן ריצה (Real Time), שיפור רמת אבטחת המידע, כי הוא נמצא בקצה ולא עובר לשירותי הענן הציבוריים, ועלויות נמוכות יותר, מאחר ששולחים פחות דטה לניתוח בענן.
השימוש בקוברנטיס כפלטפורמה להרצת עומסי עבודה בקצה הוא יעיל ומקדם את תחום מחשוב הקצה, אך חשוב לזכור שברכב אוטונומי ובמערכת לחימה כמו מטוסים, טנקים וחיילים שעושים שימוש במצלמות חכמות וחיישנים מתקדמים החומרה מוגבלת, ולרוב גם מנותקת מהרשת לתקופה ממושכת. פלטפורמות האורקסטרציה מבוססות הקוברנטיס, כולל האפליקציות מסוג Edge, צריכות לאפשר רמה מסוימת של אוטונומיות – לקבל החלטות באופן עצמאי.
הגרסאות של קוברנטיס שציינתי בהתחלה לא מתאימות גם בארכיטקטורה וגם בגודל ההתקנה, עקב משאבי החומרה המוגבלים. לכן, חברות כמו רד-האט ורנצ'ר לקחו את הקוברנטיס והתאימו אותו לעבודה מול מחשוב הקצה.
להלן כמה פתרונות קוברנטיס להרצת אפליקציות מסוג Edge
Openshift for the Edge – במסגרת גרסה 4.9, רד-האט שחררה גרסה מתאימה למחשוב קצה, וניתן להריץ את OpenShift כ-Single node cluster ל-Edge.
K3s – פתרון מבית רנצ'ר, שמבוסס על קוברנטיס, רק שהוא קל משקל, מאובטח כברירת מחדל ו-Certified By CNCF. במסגרת הפתרון הסירו מעל שלושה מיליון שורות קוד, הורידן את ספקי הענן והאחסון, ושינו את הארכיטקטורה שלו.
MicroK8s – המערכת מבית אובונטו הוא הפתרון הקל ביותר להתקנה ולניהול. גם הוא מבוסס קוברנטיס ולמי שלא ידע, אובונטו היא המערכת הכי פופולרית, והיא משמשת את חברות הענן לא מעט. אגב, AKS, GKE ו-AKS בנויות על אובונטו. MicroK8s יכול לרוץ בכל מקום, בכל ענן פרטי או ציבורי, בשני סוגי אריכטקטורה – כ-Single node וכ-Multi node.
KubeEdge – פתרון שנבנה על קוברניס, במיוחד ל-Edge. הארכיטקטורה שלו מפרידה בין ה-Edge לענן, ויש לא מעט לקוחות שעובדים אתו בייצור. אולם, ההתקנה שלו קצת יותר מורכבת ויותר מאתגרת לניהול של קלסטרים גדולים.
