大爆炸集成的教训：边缘计算和机器学习中的挑战-计算机科学-机器学习-算法.pdfVIP

大爆炸集成的教训：边缘计算和机器学习中的挑战

AlessandroAneggi[0009−0009−3709−5051],AndreaJanes[0000−0002−1423−6773]

FreeUniversityofBozen-Bolzano,Bolzano,Italy

{aaneggi,ajanes}@unibz.it

摘要这份经验报告分析了一个为期一年的项目，该项目专注于使用边缘

计算和机器学习构建分布式实时分析系统。由于采用了“大爆炸”集成方

法，即由多个地理上分散的合作伙伴开发的所有组件在最终阶段合并，项

本目遭遇了重大挫折。这次整合工作只实现了六分钟的系统功能，远低于预

期的四十分钟。通过根本原因分析，研究确定了技术及组织障碍，包括沟

译通不畅、缺乏早期集成测试和对自上而下规划的抵触。它还考虑了心理因

中素，如偏向完全开发的组件而非模拟。文章提倡早期基于模拟的部署、强

1大的通信基础设施以及采用自上而下的思维方式来管理复杂性和降低反应

v型分布式项目的风险。这些发现强调了传统敏捷方法在该类情境中的局限

0

7性，并提出了以仿真驱动工程和结构化集成周期作为未来成功的关键使能

2因素。

7

1

.Keywords:大爆炸集成·响应式应用·回顾性分析

7

0

5

21介绍

:

v

i本报告回顾了去年的项目，当时由于采取了一次性集成所有组件的“大

x

r爆炸集成”，而非逐步集成，导致错过了截止日期。不幸的是，正如[7]所述，

a

“开发人员很难知道他们所做的是否对其他人有意义”，因此这种单一的集成

步骤经常会带来意想不到的严重后果。

该项目包括使用边缘计算开发一个实时分析系统，研究人员和行业专业

人士作为分布式团队在不同的组件上工作。创建系统的架构概述如图1所

示：两个数据生产者构成实时系统的输入，该系统分析数据并为两个消费者

生成输出。它们由五个不同的项目合作伙伴开发。

所述系统提出了显著的挑战，因为它是一个反应性系统[3]，实时处理

传感器数据并将输出转发给消费者。图1中所示的数据库作为传入数据的备

份，在分析子系统出现故障时发挥作用。生产者是生成来自传感器或其他来

源的数据的软件组件。相比之下，消费者是从内部或外部来源使用数据的组

2Aneggi,Janes

Real-time

configures

AnalyticsSystem

Systemadministratorsendsendsend

senddatawriteto

dataoutputoutput