FRAGE 63
MJTelco Fallstudie
Überblick über das Unternehmen
MJTelco ist ein Start-up-Unternehmen, das den Aufbau von Netzen in schnell wachsenden, unterversorgten Märkten auf der ganzen Welt plant. Das Unternehmen besitzt Patente für innovative optische Kommunikationshardware. Auf der Grundlage dieser Patente können sie viele zuverlässige Hochgeschwindigkeits-Backbone-Verbindungen mit kostengünstiger Hardware schaffen.
Hintergrund des Unternehmens
MJTelco wurde von erfahrenen Führungskräften der Telekommunikationsbranche gegründet und nutzt Technologien, die ursprünglich zur Bewältigung von Kommunikationsproblemen im Weltraum entwickelt wurden. Grundlegend für ihren Betrieb ist die Schaffung einer verteilten Dateninfrastruktur, die Echtzeitanalysen ermöglicht und maschinelles Lernen zur kontinuierlichen Optimierung ihrer Topologien einschließt. Da ihre Hardware kostengünstig ist, planen sie eine Überdimensionierung des Netzes, um die Auswirkungen der dynamischen regionalen Politik auf die Verfügbarkeit von Standorten und die Kosten zu berücksichtigen.
Ihre Verwaltungs- und Betriebsteams sind rund um den Globus verteilt, wodurch viele Beziehungen zwischen Datenkonsumenten und -lieferanten in ihrem System entstehen. Nach reiflicher Überlegung entschied das Unternehmen, dass eine öffentliche Cloud die perfekte Umgebung für seine Bedürfnisse ist.
Lösungskonzept
MJTelco führt in seinen Labors ein erfolgreiches Proof-of-Concept-Projekt (PoC) durch. Sie haben zwei Hauptbedürfnisse:
* Skalierung und Härtung ihres PoC, um deutlich mehr Datenströme zu unterstützen, die erzeugt werden, wenn sie auf mehr als
50.000 Installationen.
* Sie verfeinern ihre maschinellen Lernzyklen, um die dynamischen Modelle zu überprüfen und zu verbessern, die sie zur Steuerung der Topologiedefinition verwenden.
MJTelco wird außerdem drei separate Betriebsumgebungen verwenden - Entwicklung/Test, Staging und Produktion -, um den Anforderungen bei der Durchführung von Experimenten, der Bereitstellung neuer Funktionen und der Betreuung von Produktionskunden gerecht zu werden.
Geschäftliche Anforderungen
* Skalieren Sie Ihre Produktionsumgebung mit minimalen Kosten, indem Sie Ressourcen bei Bedarf und in einer unvorhersehbaren, verteilten Telekommunikationsbenutzergemeinschaft einsetzen.
* Gewährleistung der Sicherheit ihrer geschützten Daten zum Schutz ihrer hochmodernen maschinellen Lern- und Analyseverfahren.
* Verlässlicher und rechtzeitiger Zugang zu Daten für die Analyse von verteilten Forschungsmitarbeitern
* Sie unterhalten isolierte Umgebungen, die eine schnelle Iteration ihrer maschinellen Lernmodelle unterstützen, ohne ihre Kunden zu beeinträchtigen.
Technische Anforderungen
* Gewährleistung einer sicheren und effizienten Übertragung und Speicherung von Telemetriedaten
* Schnelle Skalierung der Instanzen zur Unterstützung von 10.000 bis 100.000 Datenanbietern mit jeweils mehreren Datenströmen.
* Ermöglicht die Analyse und Präsentation anhand von Datentabellen, die bis zu 2 Jahre lang Daten speichern.
100m Rekorde/Tag
* Unterstützung der schnellen Iteration der Überwachungsinfrastruktur mit Schwerpunkt auf der Erkennung von Problemen in der Datenpipeline sowohl in Telemetrieflüssen als auch in Produktionslernzyklen.
CEO-Erklärung
Unser Geschäftsmodell beruht auf unseren Patenten, der Analytik und dem dynamischen maschinellen Lernen. Unsere kostengünstige Hardware ist so organisiert, dass sie sehr zuverlässig ist, was uns Kostenvorteile verschafft. Wir müssen unsere großen verteilten Datenpipelines schnell stabilisieren, um unsere Zuverlässigkeits- und Kapazitätsverpflichtungen zu erfüllen.
CTO-Erklärung
Unsere öffentlichen Cloud-Dienste müssen wie angekündigt funktionieren. Wir brauchen Ressourcen, die sich skalieren lassen und unsere Daten sicher halten.
Wir brauchen auch Umgebungen, in denen unsere Datenwissenschaftler unsere Modelle sorgfältig untersuchen und schnell anpassen können.
Da wir uns bei der Verarbeitung unserer Daten auf die Automatisierung verlassen, müssen auch unsere Entwicklungs- und Testumgebungen funktionieren, während wir iterieren.
CFO-Erklärung
Das Projekt ist zu groß, als dass wir die für die Daten und die Analyse erforderliche Hardware und Software aufrechterhalten könnten. Außerdem können wir es uns nicht leisten, ein Betriebsteam zu beschäftigen, das so viele Dateneinspeisungen überwacht, daher werden wir uns auf Automatisierung und Infrastruktur verlassen. Das maschinelle Lernen von Google Cloud wird es unseren quantitativen Forschern ermöglichen, an unseren hochwertigen Problemen zu arbeiten und nicht an Problemen mit unseren Datenpipelines.
MJTelco benötigt Sie, um ein Schema in Google Bigtable zu erstellen, das die historische Analyse der Datensätze der letzten 2 Jahre ermöglicht. Jeder eingehende Datensatz wird alle 15 Minuten gesendet und enthält eine eindeutige Kennung des Geräts und einen Datensatz. Die häufigste Abfrage ist die nach allen Daten für ein bestimmtes Gerät an einem bestimmten Tag. Welches Schema sollten Sie verwenden?
German 
English 
Japanese 
Korean 
Chinese