کاربردهای بلادرنگ در کلان داده ها

برنامه های کاربردی بلادرنگ در یک ویژگی اصلی نسبت به دیگر برنامه ها متفاوت هستند و آن اینکه برنامه های  بلادرنگ به ورودی فوری و تحلیل سریع، برای رسیدن به تصمیم یا عکس العمل در زمانی کوتاه و مشخص متکی هستند. در بسیاری از موارد، اگر نتوان درون یک خط زمانی تصمیم سازی کرد، در نتیجه آن تصمیم دیگر بی فایده خواهد بود. بنابراین می توان نتیجه گرفت که این مهم است که تمامی داده های لازم برای تصمیم به موقع در دسترس باشند و تحلیل آنها به سرعت و به روشی قابل قبول انجام شود.

حسگرهای جاده و وسایل نقلیه می­ توانند کلان داده­ ها را تولید کنند تا بتوان از این داده ­ها در سرویس ­های ترابری هوشمند، در شهرهای بزرگ استفاده کرد. به طور مثال می ­توان به کاربران اجازه داد تا مسیری در کمترین زمان ممکن از موقعیت فعلی برای رسیدن به مقصد با توجه به وضعیت فعلی ترافیک، انتخاب کنند. همانطور که این سرویس ­ها برای کاربران معمولی مهم هستند، اهمیت آنها برای تیم آتش نشانی، تیم فوریت های پزشکی، ماشین­ های پلیس نیز بسیار ضروری و پر اهمیت است.

سیستم ترابری هوشمند

یکی از کاربردهای مهم تحلیل بلادرنگ کلان داده ها برای سیستم های ترابری هوشمند است. امروزه تکنولوژی های سنجش گوناگونی برای نظارت بر وضعیت ترافیک شهرهای بزرگ و خیابان های پر ازدحام مورد استفاده است. این تکنولوژی ها به دو دسته : حسگر (Sensor) جاده ای و حسگر وسایل نقلیه تقسیم می شود.

این حسگرها از طریق قابلیت های ارتباطی همچون GPS، ارتباطات ماهواره ای، WiFi و بلوتوث می توانند بر وضعیت های مختلفی همچون موقعیت وسایل نقلیه، میانگین سرعت و یا رفتار یک راننده در حین رانندگی و همچنین وضعیت جاده، نظارت بلادرنگ داشته باشند.

کنترل ازدحام و جمعیت

کنترل ازدحام در مواقعی که یک رویداد بزرگ مانند مسابقه ورزشی، کنسرت ها که در حال برگزاری هستند برای پلیس، تیم های واکنش سریع بسیار مهم و ضروری است. در این مواقع مشاهده و پیش بینی تحرکات جمعیت و اتخاذ تصمیم های فوری همچون بازکردن خروجی بیشتر پارکینگ ها، بستن برخی از خیابان ها برای تسهیل در حرکت عابران پیاده و یا افزایش حضور پلیس در برخی از منظاق بسیار ضروری خواهد بود.

با استفاده از حسگرهای و نظارت بر وسایل نقلیه، این امکان فراهم می شود تا اطلاعات بهتری درباره ترافیک ورودی به محل رویداد مانند ورزشگاه داشته باشیم که نتیجه جمع آوری این اطلاعات این خواهد بود که اطلاعات و درک بهتری از چگونگی هدایت و کنترل ترافیک و انجام واکنش های سریع خواهیم داشت. با استفاده از این اطلاعات نیروهای پلیس می توانند به بهترین شکل بر منطقه کنترل داشته و برای ارائه خدمات در محل حضور پیدا کنند.

با توجه به تعداد زیاد و ازدحام افرادی که در محل حضور پیدا می کنند، میزان داده های جمع آوری شده نیز به سرعت افزایش پیدا می کنند. از این رو لازم است تا این داده ها به منظور تصمیم سازی فوری، به سرعت سازماندهی و تجزیه و تحلیل شوند.

همچنین در حین برگزاری این رویدادها احتمال بروز تصادف ها و حادثه های فاجعه بار نیز افزایش پیدا می کند. بنابراین با جمع آوری داده ها و سیستم های تجزیه و تحلیل بلادرنگ، مسئولین می توانند محل تصادف را شناسایی و تحلیل کرده و برای پاسخ فوری و واکنش سریع به حادثه رخ داده، به سرعت تصمیم را اتخاذ کنند.

تصمیم سازی نظامی

جنگ ها بسیار پویا و پیچیده هستند. کلید پیروزی در جنگ تنها وابسته به قدرت و توان نظامی نیست بلکه توانایی جمع آوری اطلاعات درست درباره وضعیت فعلی خود و دشمن و اتخاذ سریع یک تصمیم درست نیز اهمیت بالایی دارد.

در جنگ ها هزاران ادوات نظامی، وسایل نقلیه مانند تانک، خودروهای زرهی، وسایل ترابری، قایق ها و کشتی های نظامی و وسایل نقلیه زیر آبی وجود دارند. این ادوات نظامی بعلاوه هزاران سرباز می توانند در موقعیت های گوناگونی مستقر باشند. در صدر همه اینها، لازم است تا اطلاعاتی درباره منابع و تحرکات دشمن نیز به درستی جمع آوری و تجزیه و تحلیل شوند.

بنابراین تصمیم های سریع برای اقدام  یا واکنش به حملات و یا مانور دشمن باید به صورت سریع و بی درنگ صورت گیرند. از طریق تکنولوژی هایی مانند GPS و ماهواره ها می توان از موقعیت دشمن و وضعیت منابع آنها اطلاعات کسب کرد. در میدان جنگ داده¬های جمع آوری شده بسیار زیاد و پویا هستند. می بایست به منظور اتخاذ تصمیمی درست، این داده ها را با دیگر داده های ایستا مانند نقشه ها و یا اطلاعات ریسک استفاده کرد.

هرچه داده های جمع آوری و تحلیل شده بیشتر باشند، می توان تصمیم های دقیق تری اتخاذ کرد. بنابراین به عنوان یک نتیجه می توان گفت که لازم است تا داده ها به دقت و فوری جمع آوری شده و در دسترس قرار گیرد و سپس به سرعت و در یک زمان معین این حجم انبوه داده به سرعت تجزیه و تحلیل شده تا بتوان از آنها برای تصمیم سازی استفاده کرد.

راهکارها در این بخش (پردازش بلادرنگ) به دوسته راهکارهایی که ۱) تلاش می کنند تا سربار چارچوب نگاشت کاهش را کاهش دهند و آنرا برای اجرا کارها در بازه زمانی کمتر، سریعتر کنند و ۲) راهکارهایی که برای فراهم کردن ابزارهایی برای به وجود آوردن بلادرنگ بودن تمرکز دارند.

آپاچی اسپارک (Apache Spark) که توسط بنیاد آپاچی میزبانی می شود به منظور پردازش های بلادرنگ (محاسبات درون حافظه ) و پردازش جریان مورد استفاده قرار می گیرد. آپاچی اسپارک کتابخانه ای برای الگوریتم های یادگیری ماشین و دیگر ابزارها را فراهم کرده است.