Gelişmiş sürücü yardımı sistemleri (ADAS) ve otonom sürüş (AD) için doğrulama operasyonları (ValOps) testi, Otonom araç operasyonları (AVOps) tasarımının kritik bir öğesidir. Bu makale, AD sistemlerinin güvenilirliğini ve güvenliğini sağlayan bir ValOps test çözümü geliştirmeye yönelik rehberlik sağlar.
Bu kılavuzu izleyerek Azure'ı kullanarak kapsamlı, ölçeklenebilir test ve doğrulama işlemlerini kolaylaştırabilirsiniz. Çeşitli senaryolar ve koşullar genelinde yazılım performansını sistematik olarak değerlendirerek geliştirme döngüsünün başlarındaki olası sorunları tanımlayabilir ve ele alabilirsiniz. Bu senaryoları, kayıtlı algılayıcı verilerini yeniden yürüterek veya yazılımları simülatörler veya gerçek zamanlı sinyaller ekleyen özelleştirilmiş şirket içi donanım cihazları aracılığıyla dinamik bir ortamda test ederek çalıştırabilirsiniz.
Mimari
Bu makaledeki mimari diyagramlarını içeren bir Visio dosyası indirin.
İş Akışı
- GitHub eylemi, Azure Dağıtım Ortamları içinde dağıtım kampanyasını çalıştıran meta verileri ve düzenleme hizmetlerini tetikler.
- Meta veriler ve düzenleme hizmetleri, açık döngü veya kapalı döngü testi için ihtiyacınız olan işlemi oluşturmak için Azure dağıtım ortamını kullanır.
- Meta veriler ve düzenleme hizmetleri, gerekli yüksek performanslı bilgi işlem (HPC) görüntülerini bağlamak ve yapılandırmak için Azure Container Registry yapıt depolarını kullanır.
- ValOps, AD ve ADAS işlevleri için araç yazılımına dönüştürülen ve araç yazılımına entegre edilen ve yazılım yapıtları olarak depolanan eğitilmiş bir algı yığını alır.
- Doğrulama mühendisi veya GitOps mühendisi test tetikleyicilerini el ile tetikleyebilir. Araç zinciri, yazılım yığını kapsayıcısını ve derlemenin tanımını çeker.
- Araç zinciri ve düzenleme hizmetleri daha sonra yazılım kapsayıcıları oluşturmak, doğrulamak ve yayınlamak için gerekli altyapıyı dağıtarak test işlemini tetikler.
- Düzenleme hizmetleri, HPC kümesinde iş gönderimini çağırmak için meta verileri kullanır.
- Azure Batch , iş gönderimini çalıştırır ve ana performans göstergesi (KPI) ölçümlerini ayrılmış depolama hesabında depolar. Sonuçlar bir depolama sisteminde depolanır ve görselleştirme için Azure Veri Gezgini yüklenir. Doğrulama mühendisleri ayrıca Verileri dönüştürmek ve analiz etmek, içgörüler oluşturmak ve Fabric ve Power BI'da görselleştirmeler ve raporlar oluşturmak için Microsoft Fabric yardımcı pilotu kullanabilir.
Bileşenler
- Batch , Azure'da verimli, büyük ölçekli paralel ve HPC toplu işleri çalıştırır. Bu çözüm, resimleme işleri veya kapalı döngü testi gibi görevler için büyük ölçekli uygulamalar çalıştırmak için Batch kullanır.
- Eclipse Symphony , birden çok akıllı uç hizmetinin sorunsuz, uçtan uca bir deneyime yönetilmesini ve tümleştirilmesini kolaylaştıran bir hizmet düzenleme altyapısıdır. Eclipse Symphony uçtan uca düzenleme sağlar ve farklı sistemler ve araç zincirleri arasında tutarlı bir iş akışı oluşturur. Yazılım tanımlı araç (SDV) araç zinciri, ana düzenleyici iş akışı olarak Eclipse Symphony kullanır.
- Dağıtım Ortamları , geliştirme ekiplerinin proje tabanlı şablonları kullanarak tutarlı ve güvenli altyapıyı hızla oluşturup yönetmesine yönelik bir hizmettir. Dağıtım Ortamları'nın kullanıldığı kuruluşlar, şablon tabanlı bir altyapıyı hızlı ve kolay bir şekilde oluşturmak için ValOps'u uygulayabilir. SDV araç zinciri, tutarlı ve güvenli bir şekilde test altyapısı oluşturmak için Dağıtım Ortamları'nı kullanır.
- Azure Data Lake Storage , büyük miktarda veriyi yerel ve ham biçiminde tutar. Bu çözümde Data Lake Storage verileri ham veya ayıklanmış veriler gibi aşamalara göre depolar.
- Doku , gerçek zamanlı analiz ve iş zekası içeren hepsi bir arada analiz çözümüdür. Bu çözümde, doğrulama mühendisleri hızlı bir şekilde çeşitli raporlar oluşturmak için Doku kullanır. Bu raporlar, birden çok proje, değişken ve ürün için ValOps'ta analiz ve iş raporlarını içerir.
- Container Registry , kapsayıcı görüntülerinin yönetilen kayıt defterini oluşturan bir hizmettir. Bu çözüm, otomatik sürüş yığınına yönelik modeller ve diğer yazılım modüllerine yönelik kapsayıcıları depolamak için Container Registry'yi kullanır.
- Azure Sanal Ağ, Azure bileşenlerinizin birbirleriyle iletişim kurması için yalıtılmış, güvenli ve ölçeklenebilir bir özel ağ oluşturmaya yönelik temel yapı taşıdır.
- Azure Güvenlik Duvarı, yerleşik yüksek kullanılabilirlik ve sınırsız bulut ölçeklenebilirliği ile Sanal Ağ kaynaklarını koruyan buluta özel bir ağ güvenlik hizmetidir. Ağı trafik dalgalanmalarından ve saldırılarından korumak için Azure Güvenlik Duvarı kullanın.
- Azure Özel Bağlantı, özel sanal ağ içinde özel IP adresi kullanan bir ağ arabirimidir. Özel Bağlantı kaynaklar arasında özel bir bağlantı oluşturur ve özel sanal ağ içindeki bir hizmetin güvenliğini sağlar.
- Azure ExpressRoute , şirket içi ağlarınızı özel bir bağlantı üzerinden Microsoft Bulut'a genişleten bir hizmettir. Bu yaklaşım tipik İnternet bağlantılarına göre daha fazla güvenilirlik, daha yüksek hız ve daha yüksek güvenlik sağlar. Şirket içi ağınızı kuruluşunuzun döngüdeki donanım (HIL) makinelerinin bulunduğu yere genişletmek için ValOps'ta ExpressRoute'u kullanın.
- Azure Arc , şirket içi, çoklu bulut ve uç ortamlarında kaynaklarınızı yönetebilmeniz ve güvenliğini sağlayabilmeniz için Azure yönetimi ve hizmetlerini tüm altyapılara genişleten bir hizmettir. ValOps'ta Azure Arc, operatörlerin Azure Resource Manager'dan HIL rigs gibi Azure dışı ve şirket içi kaynakları yönetmesi için bir yol sağlar.
Senaryo ayrıntıları
ValOps çerçevesi, ADAS ve AD yazılımlarının performansını titizlikle test eden ve doğrulayan çeşitli senaryoları kapsar. Bu senaryolar, şerit tutma ve uyarlamalı hız kontrolü gibi basit manevralardan yayalar, bisikletçiler ve öngörülemeyen trafik desenlerini içeren karmaşık kentsel sürüş durumlarına kadar değişen sentetik ve gerçek dünya koşullarını içerir. Kaydedilen algılayıcı verilerini yeniden yürüterek, yazılımın belirli olaylara ve koşullara nasıl yanıt verdiğini değerlendirebilirsiniz.
Simülatörler veya özelleştirilmiş şirket içi donanımlar tarafından kolaylaştırılan dinamik test ortamları, bir aracın çevresine yanıt olarak davranışını simülatörle gerçek zamanlı etkileşime ve geri bildirime olanak tanır. Bu kapsamlı yaklaşım, yazılımın sağlam, güvenilir ve gerçek dünyada sürüşte karşılaşabileceğiniz çeşitli zorlukların üstesinden gelebilir olduğundan emin olmanıza yardımcı olur.
Test metodolojileri
ValOps çerçevesinde, ADAS ve AD yazılımının sağlamlığını ve güvenilirliğini sağlamak için iki birincil test yöntemi kullanırsınız: açık döngü testi ve kapalı döngü testi.
Açık döngü testi , devam eden simülasyonu etkileyen herhangi bir geri bildirim olmadan sistemin önceden tanımlanmış girişlere verdiği yanıtları değerlendirir. Bu yöntem, kayıtlı algılayıcı verilerini yeniden yürütmenize ve yazılımın bu verileri denetimli koşullar altında nasıl işlediğini değerlendirmenize olanak tanır. Açık döngü testi, yazılımın karar verme sürecini dış değişkenlerden yalıttığı için ilk doğrulama ve hata ayıklama için yararlıdır.
Aşağıdaki listede bazı açık döngü testi örnekleri açıklanmaktadır.
Resimleme veya yeniden derleme, AD işlevlerini doğrulamak için kaydedilen algılayıcı verilerini bulut tabanlı bir grafik aracılığıyla yeniden yürütmeyi içeren bir işlemdir. Bu karmaşık süreç, güvenlik, veri gizliliği, veri sürümü oluşturma ve denetim konularına odaklanan devlet düzenlemelerine kapsamlı bir geliştirme ve sıkı bir şekilde uymayı gerektirir.
Resimülasyon, on binlerce çekirdek kullanarak ve 30 GB/sn'den büyük yüksek giriş/çıkış (G/Ç) aktarım hızı gerektirerek yüzlerce petabayt gibi çok büyük miktarda veriyi işleyen büyük ölçekli bir paralel işlem işidir. Herhangi bir regresyonları belirlemek için yeniden yürütme ve puanlama kullanarak veri işleme algoritmalarını temel gerçeklere karşı doğrulamak için çıktıyı kullanın.
Algılayıcı işleme , otonom sistemin algı algoritmalarını test etmek için kamera görüntüleri, LiDAR ve radar verileri gibi ham sensör verilerini analiz eder ve işler.
Algoritma doğrulama , çeşitli koşullar altında doğru performans göstermelerini sağlamak için önceden kaydedilmiş verileri kullanarak nesne algılama ve şerit tutma gibi özellikler için tek tek algoritmaları test eder.
Senaryo tabanlı test , yaya geçitleri, trafik birleştirme veya olumsuz hava koşulları gibi farklı durumlarda performansını değerlendirmek için sistemi önceden tanımlanmış çeşitli senaryolar aracılığıyla çalıştırır.
Kapalı döngü testi , sistemin eylemlerinin devam eden simülasyonu etkilediği dinamik bir ortam oluşturur. Bu geri bildirim döngüsü, araç ve çevresi arasında gerçek zamanlı etkileşime olanak tanır. Gerçek zamanlı etkileşim, yazılımın performansının daha gerçekçi bir değerlendirmesini sağlar. Kapalı döngü testi, sistemin değişen koşullara uyum sağlama ve gerçek dünya senaryolarında karar alma becerisini değerlendirmek için gereklidir.
Aşağıdaki listede kapalı döngü testinin bazı örnekleri açıklanmaktadır.
Döngüdeki yazılım (SIL) testi , bir AD sisteminin yazılım bileşenlerini simülasyon ortamında test ettiğiniz bir test metodolojisidir. Bu test için, yazılımı gerçek donanımı taklit eden bir sanal platformda çalıştırırsınız. SIL testi, fiziksel donanım kullanmadan işlevselliği ve performansı doğrulamanızı sağlar. Bu uygun maliyetli yaklaşım sorunları erken belirlemenize yardımcı olur. Denetimli ve yinelenebilir bir ortamda algoritmaları, denetim mantığını ve sensör veri işlemeyi test etmede yararlıdır.
ADAS ve AD'de simülasyon , sanal ortamda araç davranışını çoğaltmak için bilgisayar modellerini kullanır. Bu çoğaltma, mühendislerin gerçek dünya riskleri ve maliyetleri olmadan performans ve güvenliği değerlendirmesine olanak tanır. Engel algılama, hava durumu koşulları ve karmaşık trafik senaryoları gibi çeşitli yönleri test eder. Yapay ve test filo verilerini kullanarak simülasyonları büyük ölçekte çalıştırabilirsiniz. Bu veriler eğitim ve açık döngü doğrulaması için diziler oluşturur.
Döngüdeki donanım (HIL) testi , gerçek donanım bileşenlerini test döngüsüyle tümleştirir. Yazılımı, AD sisteminin bir parçası olan algılayıcılar, kontrol birimleri ve aktüatörler gibi gerçek donanım cihazlarında test edebilirsiniz. HIL testi, yazılım ve fiziksel donanım arasındaki etkileşimleri göz önünde bulundurarak sistemin performansının daha gerçekçi bir değerlendirmesini sağlar. Sistemin davranışını gerçek dünya koşullarında doğrulamak ve donanım ve yazılım bileşenlerinin birlikte sorunsuz bir şekilde çalışmasını sağlamak için gereklidir.
HIL testi, donanımla ilgili sorunları belirlemek ve sistemin genel güvenilirliğini ve güvenliğini doğrulamak için çok önemlidir. HIL testi, şirket içi ortamda bulunması gereken özel donanım cihazları gerektirir. Azure, şirket içi ortamda donanım cihazları ve diğer gereçlerle etkileşime geçmek için çeşitli yaklaşımlar sağlar. ValOps mimarisinin bir bölümü, Azure Arc kullanan hibrit bir yaklaşım içerir. Azure Arc, operatörlerin Resource Manager'dan HIL rigs gibi Azure dışı ve şirket içi kaynakları yönetmesi için bir yol sağlar. Kuruluşlar, HIL makinelerini barındırmak ve ValOps dağıtımları aracılığıyla bulut ve HIL sistemlerini yönetmek için Microsoft Bulut dışı sağlayıcılarla veya kendi şirket içi veri merkezleriyle çalışabilir.
Döngüdeki sürücü (DIL) testi , sistemin performansını ve sürücünün sistem eylemlerine verdiği yanıtı değerlendirmek için simülasyonla etkileşim kuran bir insan sürücüsü içerir.
Döngüdeki araç (VIL) testi , sistemin gerçek dünya senaryolarındaki performansını değerlendirmek için aracın ve çevresinin simülasyonunun yapıldığı kontrollü bir ortama yerleştirir.
Senaryo tabanlı test , açık döngü testine benzer ancak kapalı döngü ayarındadır. Gerçek zamanlı karar alma ve denetim özelliklerini değerlendirmek için sistemi önceden tanımlanmış çeşitli senaryolarda test edebilirsiniz.
Not
Bu makale, ValOps kapsamındaki DIL ve VIL testlerini kapsamaz.
Açık döngü ve kapalı döngü testleri birlikte AD sistemlerinin güvenliğini ve etkinliğini doğrulamak için kapsamlı bir yaklaşım sağlar.
Senaryo yönetimi
AD sistemleri testinde önemli bir bileşen, sistemi çeşitli ve geniş bir senaryo kümesinde doğrulamaktır. Açık döngü ve kapalı döngü testi yoluyla AD özelliklerini doğrulamak için, AD çözümünün otonom araçların davranışını simüle etme yeteneğini test etmek için gerçek senaryolar kataloğunu kullanın.
ValOps'ta senaryo kataloglarının oluşturulmasını hızlandırmak için senaryo yönetimini kullanın. Senaryo yönetimi, genel olarak erişilebilen ve serbestçe kullanılabilen dijital haritalardan senaryonun bir parçası olan rota ağını otomatik olarak okur. Senaryolar, algılayıcılardan topladığınız gerçek dünya verilerini temel alabilir veya yazılımın belirli yönlerini test etmek için yapay olarak oluşturulabilir.
Örneğin, senaryolar şunları içerebilir:
- Düz yol sürüşü: Sistemin düz bir otoyolda şerit tutma ve hız denetimini nasıl işlediğini test eder.
- Kesişim işleme: Sistemin trafik sinyallerine, durak işaretlerine ve kavşaklardan geçen yayalara verdiği yanıtı değerlendirir.
- Engel algılama: Yazılımın park edilmiş arabalar veya hareketli araçlar gibi statik ve dinamik engelleri algılama ve yanıtlama yeteneğini değerlendirir.
- Olumsuz hava koşulları: Sensör veri işleme ve karar alma işlemlerinin sağlamlığını test etmek için yağmur, sis veya kar ile senaryoların simülasyonunu oluşturur.
Bu senaryoları sistematik olarak çalıştırarak, daha karmaşık kapalı döngü testlerine geçmeden önce yazılımın mantığındaki ve performansındaki olası sorunları tanımlayabilir ve giderebilirsiniz.
Senaryo yönetimini başarmak için şunları yapmanız gerekir:
- OpenDRIVE'dan .xodr gibi açık biçimleri destekler.
- Cognata, Ansys, dSPACE veya diğer sağlayıcıların Microsoft dışı araçlarını göz önünde bulundurun.
- CARLA'yı OpenDRIVE biçimini de destekleyen basit bir alternatif olan açık kaynak yazılım olarak düşünün. Daha fazla bilgi için bkz . SCENARIORunner for CARLA.
Ölçümlerin ve KPI'lerin görselleştirmesi
Açık döngü ve kapalı döngü simülasyonlarının çıkışları ölçümler ve KPI'ler oluşturur. ADAS ve AD yazılım yığınının performansını doğrulamak ve iyileştirme alanlarını belirlemek için bu çıkışları kullanın. Doku ve Power BI, bu ölçümlerin ve KPI'lerin görselleştirilmesi için destek sağlar. Doku yardımcı pilotu , doğrulama mühendislerinin verileri dönüştürmelerine ve analiz etmelerine, içgörüler oluşturmalarına ve görselleştirmeler oluşturmalarına yardımcı olabilir. Aşağıdaki diyagramda ölçü ve KPI sonuçlarını Doku'da toplayan ve depolayan bir mimari gösterilmektedir.
Power BI raporu veya panosunda nesnelere uzaklık ölçümleri gibi sonuçları doğrudan görselleştirmek ve analiz etmek için Azure Veri Gezgini DirectQuery bağlayıcısı kullanın. Aşağıda bir raporun bir resimleme veya yeniden derleme çalıştırmasının sonuçlarını nasıl görüntüleyebileceğine ilişkin bir örnek verilmişti:
Olası kullanım örnekleri
ValOps, AD yazılımının doğrulanması için özel olarak tasarlanmıştır. Sertifikasyon için otomotivin güçlü gereksinimleri, endüstri standartlarına ve güvenliğine sıkı sıkıya bağlı kalmayı gerektirir. Ayrıca büyük ölçekte doğrulama gerçekleştirmek için çok sayıda HPC kümesi gerekir. Bu gereksinimleri karşılayan üretim, sağlık ve finansal segmentler gibi diğer sektörler de bu kılavuzu kullanabilir.
Alternatifler
Bu çözüm için aşağıdaki Azure hizmetini de göz önünde bulundurabilirsiniz.
Azure Kubernetes Service (AKS)
Batch, iş ortaklarına yönetilen hizmet olarak zamanlama ve dinamik düzenleme sağlayan Azure'a özel bir seçenek sağlar. HPC kümeniz için simülasyon iş yüklerini düzenlemeye yönelik Batch'e alternatif olarak Azure Kubernetes Service (AKS) kullanılabilir. AKS ile iş ortakları Kubernetes gibi tanıdık ve popüler bir açık kaynak hizmetini kullanabilir ve yönetilen bir hizmetin güvenilirliğinden ve ölçeklenebilirliğinden yararlanabilir. ZATEN AKS veya Kubernetes kullanan iş ortakları için AKS kullanmaya devam etmelerini veya HPC kümeleri için AKS'yi kullanmalarını öneririz.
AKS tabanlı mimari
Mimariye genel bakış
ValOps için AKS kullandığınızda, azure Sanal Makineler (VM) kümesinde kapsayıcılı benzetim yazılımını dağıtabilir ve yönetebilirsiniz. Batch ile bir ValOps uygulamasına benzer şekilde, simülasyon verilerini Data Lake Storage'da depolayabilirsiniz. Bu yaklaşım, büyük veri kümelerini işlemek için ölçeklenebilirlik ve güvenlik sağlar. Azure Machine Learning'i kullanarak simülasyon verileri üzerinde makine öğrenmesi modellerini eğitebilir ve bu da ADAS ve AD sistemlerinin performansını geliştirebilirsiniz.
Batch, HPC iş yükleri için zamanlama ve düzenleme sağladığından, iş yüklerini zamanlayabilmeniz gerekir. İş yüklerini zamanlamak için bir seçenek, dayanıklı işlevleri dış düzenleyici ve zamanlayıcı olarak kullanmaktır. Dayanıklı işlevler , hangi dizilerin doğrulanması gerektiğini belirlemek için meta veri veritabanından okuyabilir ve bunları paralel işleme için toplu işler halinde öbekleyebilir. Bu toplu işleri kafka gibi bir iş kuyruğuna olay olarak gönderir ve burada her olay dayanıklı işlevdeki bir etkinliği temsil eder. Dayanıklı işlevler durum yönetimi sağlar ve Azure Data Factory veya Fabric işlem hattıyla sorunsuz bir şekilde tümleştirebilir. Eclipse Symphony gibi bir düzenleyici tarafından da çağrılabilir.
Bu yaklaşım, Kubernetes belgelerinde açıklanan iş kuyruğu iş zamanlama düzeniyle uyumlu olur. Yatay ölçeklenebilirlik elde etmek için, iş kuyruğu veya Kafka konusunu dinlemek için birden çok pod yapılandırabilirsiniz. Sistem, dayanıklı bir işlev aracılığıyla bir olay alır. Podlardan biri olayı kullanır ve öbek veya toplu iş için yeniden işleme veya resimleme gerçekleştirir.
Aşağıdaki diyagramda, bir görev zincirinin parçası olarak dayanıklı işlevleri çağıran bir Data Factory akışı örneği gösterilmektedir.
Bileşenler
- AKS , yerleşik güvenlik ve izleme ile kapsayıcılı uygulamaları dağıtmayı, yönetmeyi ve ölçeklendirmeyi kolaylaştıran yönetilen bir Kubernetes hizmetidir. Açık döngü veya kapalı döngü testi gibi doğrulama kullanım örnekleri için kubernetes kümesi dağıtmak için AKS kullanın.
- Dayanıklı işlevler, durum bilgisi olan iş akışları yazmak ve sunucusuz bir ortamda karmaşık, uzun süre çalışan işlemleri yönetmek için kullanabileceğiniz bir Azure İşlevleri özelliğidir. AKS kümesi için dış düzenleyici ve zamanlayıcı olarak dayanıklı işlevleri kullanabilirsiniz.
- Kafka , yüksek performanslı veri işlem hatları, akış analizi, veri tümleştirmesi ve görev açısından kritik uygulamalar için kullanabileceğiniz açık kaynaklı bir dağıtılmış olay akış platformudur. İş akışı işlem hattında tetiklenen olay kaynağını işlemek için Kafka kullanın.
- Azure depolama hesabı bloblar, dosyalar, kuyruklar ve tablolar gibi Azure Depolama veri nesnelerinizi depolamak ve yönetmek için benzersiz bir ad alanı sağlar. Benzersiz ad alanı, depolama hesabınızın dayanıklılığını, yüksek kullanılabilirliğini ve ölçeklenebilirliğini sağlar. Simülasyon verilerini ve sonuçlarını depolamak için bir depolama hesabı kullanın.
Aşağıdaki Microsoft dışı araçlar, AKS'de iş zamanlaması ve düzenleme için alternatif seçeneklerdir.
- Apache Airflow , kuruluşların iş akışını zamanlamak ve izlemek için kullanabileceği açık kaynak bir platformdur. Data Factory'de yönetilen hizmet olarak önizleme sürümünde kullanılabilir.
- Kubeflow , Kubernetes üzerinde çalışan iş akışlarının dağıtımını basitleştiren açık kaynaklı bir projedir.
Dikkat edilmesi gereken noktalar
Bu önemli noktalar, bir iş yükünün kalitesini artırmak için kullanılabilecek bir dizi yol gösteren ilke olan Azure İyi Tasarlanmış Çerçeve'nin yapı taşlarını uygular. Daha fazla bilgi için bkz . Microsoft Azure İyi Tasarlanmış Çerçeve.
Maliyet İyileştirmesi
Maliyet İyileştirme, gereksiz giderleri azaltmanın ve operasyonel verimlilikleri iyileştirmenin yollarını gözden geçmektir. Daha fazla bilgi için bkz . Maliyet İyileştirme için tasarım gözden geçirme denetim listesi.
ISO 26262 gibi standartlarla uyumluluk, otomotiv sistemlerinin güvenliğini ve güvenilirliğini sağlamak için genellikle daha fazla test saati, daha yüksek aslına uygunluk simülasyonları ve kapsamlı veri işleme gerektirir. Bu kapsamlı testleri çalıştırmak için daha fazla kaynak gerektiğinden bu gereksinimler işlem maliyetlerini artırır. Kuruluşunuzun ValOps uygulaması için maliyetleri iyileştirmek için doğru boyutlandırma kaynakları çok önemlidir. Otomatik ölçeklendirme, Microsoft Maliyet Yönetimi, kaynak ayırma iyileştirme ve ölçeklendirme stratejilerini kullanabilirsiniz. Daha fazla bilgi için bkz . Ölçeklendirme maliyetlerini iyileştirme.
Çeşitli işlem maliyeti modelleri ve profilleriyle kuruluşunuzun maliyetleri düşürmesine yardımcı olacak diğer öneriler aşağıdadır.
- VM seçici kılavuzunu kullanarak işiniz için doğru VM'yi seçin.
- Azure kaynaklarını ihtiyaçlarınıza göre dağıtın. Değer eklemeden veya gereksinimlerinizi karşılamadan bileşenleri dağıtmaktan kaçının.
- Kuruluşun Batch ve performans verimliliği kılavuzunda açıklanan en iyi yöntemleri izlediğinden emin olun.
- Kuruluşunuzun AKS ölçeklendirmesi için en iyi yöntemleri izlediğinizden emin olun.
- Uygulama kodunu barındırmak için Azure tekliflerinden yararlanın. Dağıtımınız için doğru hizmeti seçme hakkında yönergeler için bkz . Azure işlem hizmeti seçme.
- Soğuk verileri daha verimli bir şekilde depolamak için depolama katmanlarını kullanın. Daha fazla bilgi için Azure Blob Depolama maliyet iyileştirme kılavuzundaki Erişim katmanlarına genel bakış ve depolama için diğer maliyet kılavuzuna bakın.
Kuruluşunuzun kullanım örneği için en iyi VM maliyeti seçeneğini belirleyin:
- Kullandıkça öde, tükettiğiniz kadar ödeme yaptığınız tüketim tabanlı bir fiyatlandırma modelidir. Kullandıkça öde modelleri etkileşimli, planlanmamış işler için geçerlidir.
- Ayrılmış örnekler , simülasyon, açık döngü ve kapalı döngü testi gibi toplu işler ve uzun süre çalışan işler gibi uzun süreli iş yükleri için uygun maliyetli olabilir.
- Spot örnekler , geliştirme/test işleri gibi tamamlama için katı bir zaman çizelgesi olmayan işler için yararlı olabilir. Örneğin, araştırmacıların iş yükü için zaman duyarlılığı olmadan bir dizi senaryoya karşı deneysel bir modeli doğrulamaları gerekebilir.
Operasyonel Mükemmellik
Operasyonel Mükemmellik, bir uygulamayı dağıtan ve üretimde çalışır durumda tutan operasyon süreçlerini kapsar. Daha fazla bilgi için bkz . Operasyonel Mükemmellik için tasarım gözden geçirme denetim listesi.
ValOps, aşağıdaki temel yazılım mühendisliği stratejilerini içerir.
Dağıtımınızı otomatikleştirin ve kod olarak altyapı (IaC) ile tutarlılığı koruyun. Bicep, Azure Resource Manager şablonları (ARM şablonları), Terraform veya başka bir yaklaşım kullanabilirsiniz.
Otonom araç yazılımını doğrulamada operasyonel mükemmellik elde etmek için otomatik testi zorunlu kılın. Otomatik test, minimum insan müdahalesi ile tutarlı performans sağlar. Bu yaklaşım, insan hatasını azaltarak ve verimliliği artırarak güvenilir ve tekrarlanabilir sonuçlara yol açar. Otomatik test, uç durumlar ve nadir olaylar da dahil olmak üzere çok çeşitli sürüş senaryolarının simülasyonunu oluşturur. Bu süreç, güvenlik ve güvenilirlik sağlamak için çok önemlidir. Sürekli tümleştirme ve sürekli teslim, kod değişiklikleri hakkında anında geri bildirim sağlayarak sorun çözümlemesini hızlandırır ve yüksek kalite standartlarını korur. Otomatikleştirilmiş test, el ile test için pratik olmayan büyük hacimli test çalışmalarını ve karmaşık senaryoları işleyebilir. Çeşitli koşullar altında sensör veri işleme, karar alma algoritmaları ve kontrol mantığının kapsamlı kapsamını ve sağlam doğrulamasını sağlar.
Kuruluşunuz otomatikleştirilmiş testi yöneterek doğrulama süreçlerini kolaylaştırabilir, maliyetleri azaltabilir ve otonom araç operasyonlarının genel güvenilirliğini ve güvenliğini artırabilir. Kuruluşunuz, yazılımının sıkı güvenlik standartlarını karşıladığından ve gerçek dünya koşullarında güvenilir bir şekilde çalıştığından emin olabilir.
Maliyetleri iyileştirmek ve performansı geliştirmek için Azure kaynaklarınızın performansını ve kullanımını düzenli olarak izleyin. Azure İzleyici ve Microsoft Maliyet Yönetimi gibi araçları kullanın.
HPC kümelerinde, düğümün düzgün çalıştığını doğrulamak için her işlem düğümünde Azure HPC sistem durumu denetimlerini kullanın. İşlerin iyi durumda olmayan düğümlerde zamanlanmasını veya çalıştırılmasını önlemek için, bunları kapalı veya çevrimdışı olarak işaretleyin. Sistem durumu denetimi, yanlış yapılandırma, donanım hatası ve diğer faktörlerden kaynaklanan önlenebilir iş hatalarını azaltarak kümenin güvenilirliğini ve aktarım hızını artırmaya yardımcı olur.
Performans Verimliliği
Performans Verimliliği, iş yükünüzün kullanıcılar tarafından talep edilen talepleri verimli bir şekilde karşılayacak şekilde ölçeklendirilebilmesidir. Daha fazla bilgi için bkz . Performans Verimliliği için tasarım gözden geçirme denetim listesi.
Bölgeler arası gecikme süresini önlemek için ValOps verileri için kullandığınız depolama konumunun işlem konumuyla aynı bölgede olduğundan emin olun.
Görüntüler veya video dosyaları gibi büyük veri kümeleri için Azure Dosyalar kullanmanızı önermeyiz. Yüksek G/Ç performansı gerektiren daha küçük nesneler için diğer depolama çözümlerini göz önünde bulundurun. Azure Dosyalar makine öğrenmesi eğitimini veya tutarlı olarak düşük depolama gecikmesi gerektiren diğer iş yüklerini yavaşlatabilir. Maliyet verimliliğini korurken en yüksek performans düzeyi için Blob Depolama veya Data Lake Storage ile nesne depolama kullanmanızı öneririz.
Depolama için performans, ValOps gibi bir HPC uygulamasında önemlidir. Standart Azure Blob'a sahip Blob Depolama hesapları saniyede çok terabitli performans sunabilir. Hızlı yanıtlara ve küçük nesnelerin yinelenen okumaları gibi tutarlı düşük gecikme süresi senaryolarına ihtiyacınız varsa premium blok blob depolama hesaplarını kullanmanız gerekir. Daha fazla bilgi için bkz . Blob depolama performansı ve ölçeklenebilirlik denetim listesi.
Depolama hesabınızı bağlarken Ağ Dosya Sistemi (NFS) gibi eski protokoller yerine BlobFuse2 kullanın. BlobFuse2, Depolama için tasarlanmıştır ve doğrulanmış uçtan uca önbelleğe alma ve akış performansı sağlar. Bu özellik veri erişim verimliliğini artırır ve yineleme erişimi senaryoları için gecikme süresini azaltır. Okuma ve yazma hızlarını önemli ölçüde artıran ön işleme sahip blok önbelleği gibi gelişmiş önbelleğe alma mekanizmalarını destekler. Bu iyileştirmeler, Batch'teki yüksek performanslı bilgi işlem görevleri için ideal olmasını sağlar.
Daha yüksek gecikme süresi ve daha düşük aktarım hızıyla karşılaşabilen geleneksel sanal sistem bağlamalarının veya NFS'nin aksine BlobFuse2, daha hızlı veri aktarım hızları ve daha iyi ölçeklenebilirlik sağlamak için Azure altyapısını kullanır. Bu sonuçlar, büyük veri kümelerinin daha verimli işlenmesine ve otonom araç ValOps için genel performansın artırılmasına neden olur. Daha fazla bilgi için bkz. BlobFuse2 nedir?
Blobfuse2'yi, mevcut iş akışlarınız için sorunsuz tümleştirme sağlayan betikler aracılığıyla bağlayabilirsiniz.
Bkz. Depolama için ölçeklenebilirlik ve performans hedefleri.
Simülasyon gereksinimlerine bağlı olarak Batch'i kullanarak hizmet düzeyi hedef gereksinimlerini karşılamak için gerekli kapsayıcıları veya VM'leri ayarlayabilir ve koruyabilirsiniz. Bu görev şunları içerir:
- Gerekli kapsayıcıları veya VM'leri sağlama.
- Bu kaynakların sürekli kullanılabilir olmasını sağlama.
- Bu kaynakların kullanılabilirliğini ve performansını üzerinde anlaşmaya varılan hizmet düzeyleriyle uyumlu hale getirme.
Güvenlik
Güvenlik, kasıtlı saldırılara ve değerli verilerinizin ve sistemlerinizin kötüye kullanılmasına karşı güvence sağlar. Daha fazla bilgi için bkz . Güvenlik için tasarım gözden geçirme denetim listesi.
Bir otomotiv üreticisi ile Microsoft arasındaki sorumluluk bölümünü anlamak önemlidir. Bir araçta yığının tamamı üreticiye aittir, ancak veriler buluta taşınırken bazı sorumluluklar Microsoft'a aktarılır. Hizmet olarak Azure platformu (PaaS) katmanları, işletim sistemi de dahil olmak üzere fiziksel yığında yerleşik güvenlik sağlar. Mevcut altyapı güvenlik bileşenlerine aşağıdaki özellikleri ekleyebilirsiniz.
Şifreleme anahtarları, sertifikalar, bağlantı dizesi ve parolalar gibi hassas ve iş açısından kritik öğeleri işlerken uçtan uca güvenliği korumak için Azure Key Vault'ı kullanın. Key Vault, tüm yazılım geliştirme ve tedarik zinciri sürecini destekleyen sağlam bir çözüm sağlar. Key Vault, otomotiv uygulamalarını kullanan hassas varlıkları güvenli bir şekilde depolamanıza ve yönetmenize yardımcı olur. Bu varlıkların olası siber güvenlik tehditlerine karşı korunmasını sağlamanıza yardımcı olur. Rol tabanlı erişim denetimi (RBAC) ile kritik kaynaklara erişimi ve izinleri düzenleyerek güvenliği daha da geliştirebilirsiniz.
Mevzuat gereksinimleri ayrılmış donanıma sahip gelişmiş bir güvenlik çözümü gerektiriyorsa Azure Key Vault Yönetilen HSM'yi kullanmayı göz önünde bulundurun. Daha katı gereksinimler için daha önce Azure Ayrılmış HSM olarak adlandırılan Azure Cloud HSM'yi göz önünde bulundurun.
Kuruluşunuzun katı veri idaresi için AD veri gereksinimlerini karşılamasına yardımcı olması için Microsoft Purview'u kullanın. Bu gereksinimler veri sınıflandırma, köken, izleme ve uyumluluk konusunda yardımcı olur. Kuruluşunuz bu gereksinimleri karşılayarak verilerinin iyi yönetildiğinden, güvenli ve uyumlu olduğundan emin olabilir. Veri uyumluluğu uygulaması, güvenli ve güvenilir otonom araçların geliştirilmesini ve dağıtımını destekler.
Kuruluşunuzun Azure kaynakları genelinde uyumluluk ve idare kurallarını zorunlu kılmak için Azure İlkesi kullanın.
Kullanıcılara ve hizmetlere en az ayrıcalık temelinde izin vermek için RBAC uygulayın.
Güvenlik tehditlerini proaktif olarak izlemek ve azaltmak için Bulut için Microsoft Defender kullanın.
Yerel Azure Depolama ve veritabanı hizmetlerini kullanarak bekleyen verilerin şifrelenmesini sağlayın. Daha fazla bilgi için bkz . Veri koruma konuları.
Güvenlik tehditlerini proaktif olarak izlemek ve azaltmak için Bulut için Microsoft Defender kullanın.
Bu senaryoyu dağıtın
Bu senaryoya dağıtmak için birkaç seçenek vardır:
- dSPACE, Microsoft ile işbirliği içinde, AD işlevlerini simüle etmek ve doğrulamak için tasarlanmış bir yazılım çözümü olan SIMPHERA'yı geliştirdi. SIMPHERA'yı dağıtmak için bu depodaki yönergelere bakın.
- Ansys , microsoft ile birlikte çalışarak bu başvuru mimarisiyle uyumlu dağıtılabilir bir çözüm geliştirdi. Çözümü Azure Market'de dağıtabilirsiniz.
- Cognata SimCloud, doğrulama sürecini geliştiren dağıtılabilir, simülasyon test sürüşü ortamıdır. SimCloud hızlı ve yüksek oranda doğru sonuçlar üretir ve güvenlik endişelerini azaltır. Buna ek olarak, SimCloud fiziksel dünyada yol testinin yüksek maliyetlerini ve sınırlı ölçeklenebilirliğini ele alır.
Katkıda Bulunanlar
Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.
Asıl yazarlar:
- Ryan Matsumura | Kıdemli Program Yöneticisi, MCI SDV & Mobility
- Jochen Schroeer | Baş Mimar (Service Line Mobility)
- Gabriel Sallah | Kıdemli Uzman GBB
- Wolfgang De Salvador | Kıdemli Uzman GBB
- Lukasz Miroslaw | Kıdemli Uzman GBB
- Benedict Berger | Kıdemli Ürün Yöneticisi
Diğer katkıda bulunanlar:
- Filipe Prezado | Baş Program Yöneticisi, MCI SDV & Mobility
Nonpublic LinkedIn profillerini görmek için LinkedIn'de oturum açın.
Sonraki adımlar
İlgili kaynaklar
Bir AD sistemi için DataOps geliştirme hakkında daha fazla bilgi için bkz:
Bu ilgili makaleler de ilginizi çekebilir: