Validierungsvorgänge für autonome Fahrzeugvorgänge

Validierungstests (ValOps) für fortgeschrittene Fahrerassistenzsysteme (ADAS) und autonomes Fahren (AD) sind ein wichtiges Element der Autonomen Fahrzeugbetrieb (AVOps) Design. Dieser Artikel enthält Anleitungen für die Entwicklung einer ValOps-Testlösung, die die Zuverlässigkeit und Sicherheit von AD-Systemen gewährleistet.

Anhand dieser Anleitung können Sie Azure verwenden, um umfangreiche, skalierbare Test- und Validierungsprozesse zu vereinfachen. Sie können potenzielle Probleme frühzeitig im Entwicklungszyklus identifizieren und beheben, indem Sie die Softwareleistung systematisch in verschiedenen Szenarien und Bedingungen auswerten. Sie können diese Szenarien ausführen, indem Sie aufgezeichnete Sensordaten wiedergeben oder Software in einer dynamischen Umgebung testen, entweder über Simulatoren oder spezielle lokale Hardwaregeräte, die Echtzeitsignale injizieren.

Architektur

Laden Sie eine Visio-Datei herunter, die die Architekturdiagramme in diesem Artikel enthält.

Arbeitsablauf

• Eine GitHub-Aktion löst die Metadaten- und Orchestrierungsdienste aus, die die Bereitstellungskampagne in Azure-Bereitstellungsumgebungen ausführen.
• Die Metadaten- und Orchestrierungsdienste verwenden die Azure-Bereitstellungsumgebung, um die Berechnung einzurichten, die Sie für Open-Loop- oder Closed-Loop-Tests benötigen.
• Die Metadaten- und Orchestrierungsdienste verwenden den Azure-Containerregistrierungsartefaktespeicher zum Bereitstellen und Konfigurieren der erforderlichen HPC-Images (High-Performance Computing).
• ValOps erhält einen trainierten Wahrnehmungsstapel für AD- und ADAS-Funktionen, die in Fahrzeugsoftware konvertiert und integriert und als Softwareartefakte gespeichert wurden.
• Ein Validierungstechniker oder ein GitOps-Techniker kann manuell einen Testtrigger auslösen. Die Toolkette ruft den Softwarestapelcontainer und eine Definition des Builds ab.
• Die Toolkette- und Orchestrierungsdienste lösen dann den Testprozess aus, indem die erforderliche Infrastruktur zum Erstellen, Überprüfen und Freigeben von Softwarecontainern bereitgestellt wird.
• Orchestrierungsdienste verwenden Metadaten, um die Auftragsübermittlung im HPC-Cluster aufzurufen.
• Azure Batch führt die Auftragsübermittlung aus und speichert KPI-Metriken (Key Performance Indicator) im dedizierten Speicherkonto. Die Ergebnisse werden in einem Speichersystem gespeichert und für die Visualisierung in Azure Data Explorer ausgelagert. Validierungstechniker können auch Microsoft Fabric Copilot verwenden, um Daten zu transformieren und zu analysieren, Einblicke zu generieren und Visualisierungen und Berichte in Fabric und Power BI zu erstellen.

Komponenten

• Batch- führt effiziente parallele und HPC-Batchaufträge in Azure aus. Diese Lösung verwendet Batch, um groß angelegte Anwendungen für Aufgaben wie Resimulationsaufträge oder Closed-Loop-Tests auszuführen.
• Eclipse Symphony ist ein Service-Orchestrierungsmodul, das die Verwaltung und Integration mehrerer intelligenter Edgedienste in eine nahtlose End-to-End-Erfahrung vereinfacht. Eclipse Symphony ermöglicht eine End-to-End-Orchestrierung und erstellt einen konsistenten Workflow über verschiedene Systeme und Toolkette hinweg. Die softwaredefinierte Fahrzeug-Toolkette (SDV) verwendet Eclipse Symphony als Haupt-Orchestrator-Workflow.
• Bereitstellungsumgebungen ist ein Dienst für Entwicklungsteams, um mithilfe von projektbasierten Vorlagen schnell konsistente und sichere Infrastruktur zu erstellen und zu verwalten. Mithilfe von Bereitstellungsumgebungen können Organisationen ValOps implementieren, um schnell und einfach eine vorlagenbasierte Infrastruktur zu erstellen. Die SDV-Toolkette verwendet Bereitstellungsumgebungen, um eine Testinfrastruktur konsistent und sicher zu erstellen.
• Azure Data Lake Storage- enthält eine große Menge an Daten im nativen, unformatierten Format. In dieser Lösung speichert Data Lake Storage Daten basierend auf Phasen, z. B. Rohdaten oder extrahierten Daten.
• Fabric ist eine All-in-One-Analyselösung, die Echtzeitanalysen und Business Intelligence umfasst. In dieser Lösung verwenden Validierungstechniker Fabric, um schnell verschiedene Berichte zu generieren. Zu diesen Berichten gehören Analyse- und Geschäftsberichte zu ValOps für mehrere Projekte, Varianten und Produkte.
• Containerregistrierung ist ein Dienst, der eine verwaltete Registrierung von Containerimages erstellt. Diese Lösung verwendet containerregistrierung zum Speichern von Containern für Modelle und andere Softwaremodule für den automatisierten Fahrstapel.
• Azure Virtual Network ist der grundlegende Baustein zum Erstellen eines isolierten, sicheren und skalierbaren privaten Netzwerks für Ihre Azure-Komponenten für die Kommunikation miteinander.
• Azure Firewall ist ein cloudeigener Netzwerksicherheitsdienst, der virtuelle Netzwerkressourcen mit integrierter hoher Verfügbarkeit und uneingeschränkter Cloud-Skalierbarkeit schützt. Verwenden Sie Azure Firewall, um das Netzwerk vor Datenverkehrsspitzen und Angriffen zu schützen.
• Azure Private Link ist eine Netzwerkschnittstelle, die eine private IP-Adresse innerhalb des privaten virtuellen Netzwerks verwendet. Private Link erstellt eine private Verbindung zwischen Ressourcen und sichert einen Dienst innerhalb des privaten virtuellen Netzwerks.
• Azure ExpressRoute ist ein Dienst, der Ihre lokalen Netzwerke über eine private Verbindung in die Microsoft Cloud erweitert. Dieser Ansatz bietet mehr Zuverlässigkeit, schnellere Geschwindigkeiten und höhere Sicherheit als typische Internetverbindungen. Verwenden Sie ExpressRoute in ValOps, um Ihr lokales Netzwerk auf die Hardware-in-the-Loop-Rigs (HIL) Ihrer Organisation zu erweitern.
• Azure Arc ist ein Dienst, der Azure-Verwaltung und -Dienste auf jede Infrastruktur erweitert, sodass Sie Ihre Ressourcen lokal, multicloud und Edgeumgebungen verwalten und schützen können. In ValOps bietet Azure Arc eine Möglichkeit für Operatoren, Nicht-Azure- und lokale Ressourcen zu verwalten, z. B. HIL-Rigs aus Azure Resource Manager.

Szenariodetails

Das ValOps-Framework umfasst verschiedene Szenarien, die die Leistung von ADAS und AD-Software streng testen und validieren. Zu diesen Szenarien gehören synthetische und reale Bedingungen, die von einfachen Manövern wie Spurhaltung und adaptiver Kreuzfahrtsteuerung bis hin zu komplexen städtischen Fahrsituationen reichen, die Fußgänger, Radfahrer und unvorhersehbare Verkehrsmuster umfassen. Durch die Wiedergabe aufgezeichneter Sensordaten können Sie bewerten, wie die Software auf bestimmte Ereignisse und Bedingungen reagiert.

Dynamische Testumgebungen, die durch Simulatoren oder spezielle lokale Hardware erleichtert werden, ermöglichen Echtzeitinteraktionen und Feedback, indem sie das Verhalten eines Fahrzeugs als Reaktion auf seine Umgebung simulieren. Mit diesem umfassenden Ansatz können Sie sicherstellen, dass die Software robust, zuverlässig und in der Lage ist, die vielfältigen Herausforderungen zu bewältigen, die Ihnen im realen Fahren begegnen können.

Testmethoden

Im ValOps-Framework verwenden Sie zwei primäre Testmethoden, um die Stabilität und Zuverlässigkeit von ADAS und AD-Software sicherzustellen: Open-Loop-Tests und Closed-Loop-Tests.

Open-Loop-Tests die Antworten des Systems auf vordefinierte Eingaben ohne Feedback auswerten, die die laufende Simulation beeinflussen. Mit dieser Methode können Sie aufgezeichnete Sensordaten wiedergeben und bewerten, wie diese Daten unter kontrollierten Bedingungen verarbeitet werden. Open-Loop-Tests sind nützlich für die anfängliche Überprüfung und das Debuggen, da sie den Entscheidungsprozess der Software von externen Variablen isoliert.

In der folgenden Liste werden einige Beispiele für Open-Loop-Tests beschrieben.

• Resimulation oder Neukompilierung ist ein Prozess, der die Wiedergabe aufgezeichneter Sensordaten über ein cloudbasiertes Diagramm zur Überprüfung von AD-Funktionen umfasst. Dieser komplexe Prozess erfordert eine umfassende Entwicklung und strenge Einhaltung behördlicher Vorschriften, die sich auf Sicherheit, Datenschutz, Datenversionsverwaltung und Überwachung konzentrieren.

  Resimulation ist ein groß angelegter paralleler Berechnungsauftrag, der große Datenmengen verarbeitet, z. B. Hunderte von Petabytes, mithilfe von Zehntausenden von Kernen und durch erfordern hohen Eingabe-/Ausgabedurchsatz, größer als 30 GBps. Verwenden Sie die Ausgabe, um Datenverarbeitungsalgorithmen anhand von Replay und Bewertung zu überprüfen, um Regressionen zu identifizieren.

• Sensorverarbeitung rohe Sensordaten wie Kamerabilder, LiDAR und Radardaten analysiert und verarbeitet, um die Wahrnehmungsalgorithmen des autonomen Systems zu testen.

• Algorithmusüberprüfung testet einzelne Algorithmen auf Features wie Objekterkennung und Spurhaltung, indem sie vorab aufgezeichnete Daten verwenden, um sicherzustellen, dass sie unter verschiedenen Bedingungen ordnungsgemäß ausgeführt werden.

• szenariobasierte Tests führt das System durch verschiedene vordefinierte Szenarien aus, um seine Leistung in verschiedenen Situationen zu bewerten, z. B. Fußgängerübergänge, Zusammenführung von Verkehr oder ungünstigen Wetterbedingungen.

Closed-Loop-Tests erstellt eine dynamische Umgebung, in der die Aktionen des Systems die laufende Simulation beeinflussen. Diese Feedbackschleife ermöglicht die Echtzeitinteraktion zwischen dem Fahrzeug und seiner Umgebung. Die Echtzeitinteraktion bietet eine realistischere Bewertung der Leistung der Software. Closed-Loop-Tests sind unerlässlich für die Bewertung der Fähigkeit des Systems, sich an sich ändernde Bedingungen anzupassen und Entscheidungen in realen Szenarien zu treffen.

In der folgenden Liste werden einige Beispiele für Closed-Loop-Tests beschrieben.

• Software-in-the-Loop(SIL)-Tests ist eine Testmethodik, in der Sie die Softwarekomponenten eines AD-Systems in einer simulierten Umgebung testen. Für diesen Test führen Sie die Software auf einer virtuellen Plattform aus, die die tatsächliche Hardware nachahmt. Sil-Tests ermöglichen es Ihnen, Funktionen und Leistung zu überprüfen, ohne physische Hardware zu verwenden. Dieser kosteneffiziente Ansatz hilft Ihnen, Probleme frühzeitig zu erkennen. Es ist nützlich, Algorithmen, Steuerungslogik und Sensordatenverarbeitung in einer kontrollierten und wiederholbaren Umgebung zu testen.

• Simulation in ADAS und AD verwendet Computermodelle, um das Fahrzeugverhalten in einer virtuellen Umgebung zu replizieren. Mit dieser Replikation können Ingenieure Die Leistung und Sicherheit ohne reale Risiken und Kosten bewerten. Es testet verschiedene Aspekte wie Hinderniserkennung, Witterungsbedingungen und komplexe Verkehrsszenarien. Sie können Simulationen im Maßstab ausführen, indem Sie synthetische und Testflottendaten verwenden, die Sequenzen für Schulungen und Open-Loop-Validierungen generieren.

• Hardware-in-the-Loop(HIL)-Tests integrieren reale Hardwarekomponenten in die Testschleife. Sie testen Software auf tatsächlichen Hardwaregeräten, z. B. Sensoren, Steuereinheiten und Aktoren, die Teil des AD-Systems sind. HIL-Tests bieten eine realistischere Bewertung der Leistung des Systems, indem die Interaktionen zwischen der Software und der physischen Hardware berücksichtigt werden. Es ist unerlässlich, das Verhalten des Systems unter realen Bedingungen zu validieren und sicherzustellen, dass die Hardware- und Softwarekomponenten nahtlos zusammenarbeiten.

  HIL-Tests sind entscheidend für die Identifizierung hardwarebezogener Probleme und die Überprüfung der Zuverlässigkeit und Sicherheit des gesamten Systems. HIL-Tests erfordern benutzerdefinierte Hardwaregeräte, die sich in einer lokalen Umgebung befinden müssen. Azure bietet verschiedene Ansätze für die Interaktion mit Hardwaregeräten und anderen Appliances in einer lokalen Umgebung. Ein Teil der ValOps-Architektur umfasst einen Hybridansatz, der Azure Arcverwendet. Azure Arc bietet eine Möglichkeit für Operatoren zum Verwalten von ressourcenfremden und lokalen Ressourcen, z. B. HIL-Rigs aus Dem Ressourcen-Manager. Organisationen können mit Nicht-Microsoft-Cloudanbietern oder ihrem eigenen lokalen Rechenzentrum zusammenarbeiten, um HIL-Rigs zu hosten und Cloud- und HIL-Systeme über ihre ValOps-Bereitstellung zu verwalten.

• Driver-in-the-Loop(DIL)-Tests einen menschlichen Treiber enthalten, der mit der Simulation interagiert, um die Leistung des Systems und die Reaktion des Treibers auf die Aktionen des Systems zu bewerten.

• Fahrzeug-in-the-Loop (VIL)-Tests platziert das gesamte Fahrzeug in einer kontrollierten Umgebung, in der das Fahrzeug und seine Umgebung simuliert werden, um die Leistung des Systems in realen Szenarien zu bewerten.

• szenariobasierten Tests ähnelt open-loop-Tests, befindet sich jedoch in einer Einstellung für geschlossene Schleife. Sie testen das System in verschiedenen vordefinierten Szenarien, um seine Echtzeit-Entscheidungs- und Steuerungsfunktionen zu bewerten.

Gemeinsam bieten Open-Loop- und Closed-Loop-Tests einen umfassenden Ansatz zur Überprüfung der Sicherheit und Effektivität von AD-Systemen.

Szenarioverwaltung

Eine wichtige Komponente bei AD-Systementests überprüft das System über eine vielzahl und umfangreiche Szenarien hinweg. Um die AD-Funktionen über Open-Loop- und Closed-Loop-Tests zu überprüfen, verwenden Sie einen Katalog realer Szenarien, um die Fähigkeit der AD-Lösung zu testen, das Verhalten autonomer Fahrzeuge zu simulieren.

Verwenden Sie innerhalb von ValOps Szenarioverwaltung, um die Erstellung von Szenariokatalogen zu beschleunigen. Die Szenarioverwaltung liest automatisch das Routennetzwerk, das Teil eines Szenarios ist, aus öffentlich zugänglichen und frei verfügbaren digitalen Karten. Szenarien können auf realen Daten basieren, die Sie von Sensoren sammeln, oder sie können synthetische generiert werden, um bestimmte Aspekte der Software zu testen.

Szenarien können z. B. Folgendes umfassen:

• Gerade Straße fahren: Testet, wie das System die Fahrspurhaltung und Geschwindigkeitskontrolle auf einer geraden Autobahn übernimmt.
• Schnittpunktbehandlung: Wertet die Reaktion des Systems auf Verkehrssignale, Stoppschilder und Fußgänger aus, die an Kreuzungen vorbeifahren.
• Hinderniserkennung: bewertet die Fähigkeit der Software, statische und dynamische Hindernisse wie geparkte Autos oder bewegte Fahrzeuge zu erkennen und darauf zu reagieren.
• Nachteilige Witterungsbedingungen: Simuliert Szenarien mit Regen, Nebel oder Schnee, um die Robustheit der Sensordatenverarbeitung und Entscheidungsfindung zu testen.

Indem Sie diese Szenarien systematisch ausführen, können Sie potenzielle Probleme in der Logik und Leistung der Software identifizieren und beheben, bevor Sie zu komplexeren Closed-Loop-Tests wechseln.

Um die Szenarioverwaltung zu erreichen, sollten Sie:

• Unterstützen Sie offene Formate, z. B. Xodr aus OpenDRIVE-.
• Erwägen Sie Nicht-Microsoft-Tools von Cognata, Ansys, dSPACEoder anderen Anbietern.
• Betrachten Sie CARLA als Open-Source-Software, einfache Alternative, die auch das OpenDRIVE-Format unterstützt. Weitere Informationen finden Sie unter ScenarioRunner für CARLA.

Visualisierung von Messungen und KPIs

Die Ausgaben von Open-Loop- und Closed-Loop-Simulationen generieren Messungen und KPIs. Verwenden Sie diese Ausgaben, um die Leistung des ADAS- und AD-Softwarestapels zu überprüfen und Bereiche zur Verbesserung zu identifizieren. Fabric und Power BI unterstützen die Visualisierung dieser Messungen und KPIs. Fabric Copilot kann Validierungstechnikern helfen, Daten zu transformieren und zu analysieren, Erkenntnisse zu generieren und Visualisierungen zu erstellen. Das folgende Diagramm veranschaulicht eine Architektur, die Mess- und KPI-Ergebnisse in Fabric sammelt und speichert.

Verwenden Sie einen DirectQuery-Connector im Azure Data Explorer, um Ergebnisse wie Entfernungs-zu-Objekte-Metriken in einem Power BI-Bericht oder -Dashboard direkt zu visualisieren und zu analysieren. Hier sehen Sie ein Beispiel dafür, wie ein Bericht die Ergebnisse einer Resimulation oder neu komputieren kann:

Potenzielle Anwendungsfälle

ValOps wurde speziell für die Validierung von AD-Software entwickelt. Automotive starke Anforderungen an die Zertifizierung erfordern strenge Einhaltung von Industriestandards und Sicherheit. Sie erfordern auch eine Fülle von HPC-Clustern, um eine Validierung im großen Maßstab durchzuführen. Andere Branchen wie Fertigung, Gesundheitswesen und Finanzsegmente, die diesen Anforderungen entsprechen, können auch diese Anleitungen verwenden.

Alternativen

Sie können auch den folgenden Azure-Dienst für diese Lösung berücksichtigen.

Azure Kubernetes Service (AKS)

Batch bietet eine azure-native Option, die planung und dynamische Orchestrierung als verwalteter Dienst für Partner bereitstellt. Eine Alternative zum Batch für die Orchestrierung von Simulationsworkloads für Ihren HPC-Cluster ist Azure Kubernetes Service (AKS). Mit AKS können Partner einen vertrauten und beliebten Open-Source-Dienst wie Kubernetes nutzen und von der Zuverlässigkeit und Skalierbarkeit eines verwalteten Diensts profitieren. Für Partner, die bereits AKS oder Kubernetes verwenden, empfehlen wir, weiterhin AKS zu verwenden oder AKS für ihren HPC-Cluster zu verwenden.

AKS-basierte Architektur

Architekturübersicht

Wenn Sie AKS für ValOps verwenden, können Sie containerisierte Simulationssoftware auf einem Cluster virtueller Azure-Computer (VMs) bereitstellen und verwalten. Ähnlich wie bei einer ValOps-Implementierung mit Batch können Sie Simulationsdaten in Data Lake Storagespeichern. Dieser Ansatz bietet Skalierbarkeit und Sicherheit für die Verarbeitung großer Datenmengen. Sie können Azure Machine Learning verwenden, um Machine Learning-Modelle für die Simulationsdaten zu trainieren, wodurch die Leistung von ADAS- und AD-Systemen verbessert wird.

Da Batch Planung und Orchestrierung für HPC-Workloads bereitstellt, müssen Sie Workloads planen können. Eine Option für die Planung von Workloads ist die Verwendung dauerhafter Funktionen als externer Orchestrator und Scheduler. dauerhafte Funktionen aus einer Metadatendatenbank lesen können, um zu bestimmen, welche Sequenzen eine Überprüfung benötigen und in Batches für die parallele Verarbeitung unterteilt werden müssen. Sie sendet diese Batches als Ereignisse an eine Arbeitswarteschlange, z. B. Kafka, wobei jedes Ereignis eine Aktivität in der dauerhaften Funktion darstellt. Dauerhafte Funktionen bieten zustandsverwaltung und können nahtlos in eine Azure Data Factory oder Fabric Pipeline integriert werden. Sie können auch von einem Orchestrator wie Eclipse Symphonyaufgerufen werden.

Dieser Ansatz richtet sich an das Arbeitswarteschlangenauftragsplanungsmuster, das in der Kubernetes-Dokumentationbeschrieben wird. Um eine horizontale Skalierbarkeit zu erreichen, können Sie mehrere Pods konfigurieren, um die Arbeitswarteschlange oder das Kafka-Thema zu hören. Das System empfängt ein Ereignis über eine dauerhafte Funktion. Einer der Pods verbraucht das Ereignis und führt die Reprocessing- oder Resimulation des Blöckes oder Batches aus.

Das folgende Diagramm zeigt ein Beispiel für einen Data Factory- Fluss, der dauerhafte Funktionen als Teil einer Aufgabenkette aufruft.

Komponenten

• AKS ist ein verwalteter Kubernetes-Dienst, der die Bereitstellung, Verwaltung und Skalierung von containerisierten Anwendungen mit integrierter Sicherheit und Überwachung vereinfacht. Verwenden Sie AKS, um einen Kubernetes-Cluster für Validierungsfälle wie Open-Loop- oder Closed-Loop-Tests bereitzustellen.
• dauerhaften Funktionen ist ein Feature von Azure Functions, mit dem Sie zustandsbehaftete Workflows schreiben und komplexe, lange ausgeführte Prozesse in einer serverlosen Umgebung koordinieren können. Sie können dauerhafte Funktionen als externer Orchestrator und Scheduler für den AKS-Cluster verwenden.
• Kafka ist eine Open-Source-Plattform für verteiltes Ereignisstreaming, die Sie für leistungsfähige Datenpipelinen, Streaminganalysen, Datenintegration und unternehmenskritische Anwendungen verwenden können. Verwenden Sie Kafka, um die Ereignisbeschaffung zu behandeln, die in der Workflowpipeline ausgelöst wird.
• Ein Azure Storage-Konto bietet einen eindeutigen Namespace zum Speichern und Verwalten Von Azure Storage-Datenobjekten wie Blobs, Dateien, Warteschlangen und Tabellen. Der einzigartige Namespace sorgt für Haltbarkeit, hohe Verfügbarkeit und Skalierbarkeit Ihres Speicherkontos. Verwenden Sie ein Speicherkonto, um Simulationsdaten und Ergebnisse zu speichern.

Die folgenden Nicht-Microsoft-Tools sind alternative Optionen für die Auftragsplanung und -orchestrierung auf AKS.

• Apache Airflow ist eine Open-Source-Plattform, mit der Organisationen Workflows planen und überwachen können. Sie ist in der Vorschau als verwalteter Dienst in Data Factory verfügbar.
• Kubeflow ist ein Open-Source-Projekt, das die Bereitstellung von Workflows vereinfacht, die auf Kubernetes ausgeführt werden.

Betrachtungen

Diese Überlegungen implementieren die Säulen des Azure Well-Architected-Frameworks, das eine Reihe von leitden Tenets ist, die verwendet werden können, um die Qualität einer Workload zu verbessern. Weitere Informationen finden Sie unter Microsoft Azure Well-Architected Framework.

Kostenoptimierung

Bei der Kostenoptimierung geht es um Möglichkeiten, unnötige Ausgaben zu reduzieren und die betriebliche Effizienz zu verbessern. Weitere Informationen finden Sie unter Prüfliste für die Überprüfung der Kostenoptimierung.

Die Einhaltung von Standards wie ISO 26262 erfordert häufig mehr Teststunden, Simulationen mit höherer Genauigkeit und umfangreiche Datenverarbeitung, um die Sicherheit und Zuverlässigkeit von Automobilsystemen sicherzustellen. Diese Anforderungen erhöhen die Berechnungskosten, da mehr Ressourcen erforderlich sind, um diese umfassenden Tests auszuführen. Die richtige Größenanpassung von Ressourcen ist entscheidend, um die Kosten für die ValOps-Implementierung Ihrer Organisation zu optimieren. Sie können die automatische Skalierung, Microsoft Cost Management, Optimierung der Ressourcenzuweisung und Skalierungsstrategien verwenden. Weitere Informationen finden Sie unter Optimieren der Skalierungskosten.

Hier finden Sie weitere Empfehlungen, die Ihrer Organisation helfen sollen, die Kosten mit verschiedenen Arten von Berechnungskostenmodellen und Profilen zu senken.

• Wählen Sie den richtigen virtuellen Computer für Ihren Auftrag aus, indem Sie die VM-Selektorhandbuchverwenden.
• Stellen Sie Azure-Ressourcen basierend auf Ihren Anforderungen bereit. Vermeiden Sie die Bereitstellung von Komponenten, die keinen Mehrwert hinzufügen oder Ihre Anforderungen erfüllen.
• Stellen Sie sicher, dass die Organisation den bewährten Methoden folgt, die im Leitfaden zur Batch- und Leistungseffizienzbeschrieben sind.
• Stellen Sie sicher, dass Ihre Organisation bewährten Methoden für die AKS-Skalierungbefolgt.
• Nutzen Sie Azure-Angebote zum Hosten von Anwendungscode. Anleitungen zum Auswählen des richtigen Diensts für Ihre Bereitstellung finden Sie unter Auswählen eines Azure-Computediensts.
• Verwenden Sie Speicherebenen, um kalte Daten effizienter zu speichern. Weitere Informationen finden Sie unter Übersicht über Access-Ebenen und weitere Kostenleitfaden für den Speicher im Azure Blob Storage-Kostenoptimierungshandbuch.

Wählen Sie die beste Vm-Kostenoption für den Anwendungsfall Ihrer Organisation aus:

• Pay-as-you-go ist ein verbrauchsbasiertes Preismodell, bei dem Sie für das, was Sie verbrauchen, bezahlen. Pay-as-you-go-Modelle gelten für interaktive, ungeplante Aufträge.
• Reservierte Instanzen können für langfristige Workloads kosteneffizient sein, z. B. für Batch- und Langzeitaufträge wie Simulation und Open-Loop- und Closed-Loop-Tests.
• Spotinstanzen können für Aufträge nützlich sein, die keine strenge Zeitachse für den Abschluss haben, z. B. für Entwicklungs-/Testaufträge. Beispielsweise müssen Forscher möglicherweise ein experimentelles Modell anhand von Szenarien überprüfen, ohne dass die Arbeitsauslastung empfindlich ist.

Operative Exzellenz

Operational Excellence deckt die Betriebsprozesse ab, mit denen eine Anwendung bereitgestellt und in der Produktion ausgeführt wird. Weitere Informationen finden Sie unter Prüfliste für die Überprüfung von Operational Excellence.

ValOps umfasst die folgenden wichtigen Software engineering-Strategien.

• Automatisieren Sie Ihre Bereitstellung und verwalten Sie Konsistenz mit Infrastruktur als Code (IaC). Sie können Bicep, Azure Resource Manager-Vorlagen (ARM-Vorlagen), Terraform oder einen anderen Ansatz verwenden.

• Automatisierte Tests mandatieren, um operative Exzellenz bei der Validierung autonomer Fahrzeugsoftware zu erreichen. Automatisierte Tests gewährleisten eine konsistente Leistung mit minimalem menschlichem Eingriff. Dieser Ansatz führt zu zuverlässigen und wiederholbaren Ergebnissen, indem menschliche Fehler reduziert und die Effizienz erhöht wird. Automatisierte Tests simulieren eine vielzahl von Fahrszenarien, darunter Edgefälle und seltene Ereignisse. Dieser Prozess ist entscheidend für die Gewährleistung von Sicherheit und Zuverlässigkeit. Kontinuierliche Integration und kontinuierliche Lieferung liefern sofortiges Feedback zu Codeänderungen, wodurch die Problemlösung beschleunigt und hohe Qualitätsstandards erhalten bleiben. Automatisierte Tests können große Mengen von Testfällen und komplexen Szenarien verarbeiten, die für manuelle Tests unpraktisch sind. Sie gewährleistet eine umfassende Abdeckung und robuste Validierung von Sensordatenverarbeitung, Entscheidungsalgorithmen und Steuerungslogik unter verschiedenen Bedingungen.

  Durch die Mandatierung automatisierter Tests kann Ihre Organisation Validierungsprozesse optimieren, Kosten reduzieren und die Gesamtsicherheit und Sicherheit ihrer autonomen Fahrzeugvorgänge verbessern. Ihre Organisation kann sicherstellen, dass ihre Software strenge Sicherheitsstandards erfüllt und zuverlässig unter realen Bedingungen ausgeführt wird.

• regelmäßig die Leistung und Nutzung Ihrer Azure-Ressourcen überwachen, um Kosten zu optimieren und die Leistung zu verbessern. Verwenden Sie Tools wie Azure Monitor und Microsoft Cost Management.

• Verwenden Sie für HPC-Cluster Azure HPC-Integritätsprüfungen auf jedem Computeknoten, um zu überprüfen, ob der Knoten ordnungsgemäß funktioniert. Um das Planen oder Ausführen von Aufträgen auf fehlerhaften Knoten zu verhindern, markieren Sie sie als abwärts oder offline. Die Integritätsprüfung trägt dazu bei, die Zuverlässigkeit und den Durchsatz eines Clusters zu erhöhen, indem verhinderbare Auftragsfehler aufgrund von Fehlkonfiguration, Hardwarefehlern und anderen Faktoren reduziert werden.

Leistungseffizienz

Die Leistungseffizienz ist die Fähigkeit Ihrer Arbeitsauslastung, um die Anforderungen zu erfüllen, die die Benutzer auf effiziente Weise an sie stellen. Weitere Informationen finden Sie unter Prüfliste zur Entwurfsüberprüfung für die Leistungseffizienz.

• Um regionsübergreifende Latenz zu vermeiden, stellen Sie sicher, dass sich der Speicherort, den Sie für ValOps-Daten verwenden, in derselben Region wie der Berechnungsspeicherort befindet.

• Es wird nicht empfohlen, Azure Files für große Datasets wie Bilder oder Videodateien zu verwenden. Bei kleineren Objekten, die eine hohe E/A-Leistung erfordern, sollten Sie andere Speicherlösungen in Betracht ziehen. Azure Files kann maschinelles Lernen oder andere Workloads verlangsamen, die eine konsistente niedrige Speicherlatenz erfordern. Es wird empfohlen, den Objektspeicher mit Blob Storage oder Data Lake Storage für die höchste Leistungsstufe zu verwenden und gleichzeitig die Kosteneffizienz zu gewährleisten.

• Die Leistung für die Speicherung ist in einer HPC-Anwendung wie ValOps von wesentlicher Bedeutung. Blob Storage-Konten mit Standard-Azure Blob- können mehrere Terabits pro Sekunde Leistung bieten. Sie sollten Premium Block Blob Storage-Konten verwenden, wenn Sie schnelle Antworten und konsistente Szenarien mit geringer Latenz benötigen, z. B. wiederholte Lesevorgänge von kleinen Objekten. Weitere Informationen finden Sie unter Blob Storage Performance and Skalierbarkeit Checkliste.

• Wenn Sie Ihr Speicherkonto bereitstellen, verwenden Sie BlobFuse2 anstelle älterer Protokolle wie Network File System (NFS). BlobFuse2 wurde für den Speicher entwickelt und bietet eine validierte End-to-End-Zwischenspeicherungs- und Streamingleistung. Dieses Feature verbessert die Effizienz des Datenzugriffs und verringert die Latenz für Wiederholungszugriffsszenarien. Es unterstützt erweiterte Cachemechanismen wie Blockcache mit Vorabstart, die Lese- und Schreibgeschwindigkeiten erheblich verbessern. Diese Verbesserungen machen es ideal für hochleistungsreiche Computeraufgaben in Batch.

  Im Gegensatz zu herkömmlichen virtuellen System-Mounts oder NFS, die höhere Latenz und einen niedrigeren Durchsatz aufweisen können, verwendet BlobFuse2 die Azure-Infrastruktur, um schnellere Datenübertragungsraten und bessere Skalierbarkeit zu erzielen. Diese Ergebnisse führen zu einer effizienteren Verarbeitung großer Datasets und einer verbesserten Gesamtleistung für autonomes Fahrzeug ValOps. Weitere Informationen finden Sie unter Was ist BlobFuse2?

  Sie können Blobfuse2 über Skripts bereitstellen, die eine nahtlose Integration für Ihre vorhandenen Workflows ermöglichen.

• Sehen Sie sich Skalierbarkeits- und Leistungsziele für Storagean.

• Basierend auf den Simulationsanforderungen können Sie Batch- verwenden, um die erforderlichen Container oder VMs einzurichten und aufrechtzuerhalten, um die Zielanforderungen auf Serviceebene zu erfüllen. Diese Aufgabe umfasst:

  • Bereitstellen der erforderlichen Container oder VMs.
  • Sicherstellen, dass diese Ressourcen kontinuierlich verfügbar sind.
  • Ausrichten der Verfügbarkeit und Leistung dieser Ressourcen an den vereinbarten Servicelevels.

Sicherheit

Die Sicherheit bietet Sicherheitsmaßnahmen gegen bewusste Angriffe und den Missbrauch Ihrer wertvollen Daten und Systeme. Weitere Informationen finden Sie unter Prüfliste zur Entwurfsüberprüfung für sicherheitsrelevante.

Es ist wichtig, die Verantwortungsteilung zwischen einem Automobilhersteller und Microsoft zu verstehen. In einem Fahrzeug besitzt der Hersteller den gesamten Stapel, aber da die Daten in die Cloud verschoben werden, übertragen einige Verantwortlichkeiten an Microsoft. Azure-Plattform als Dienstebene (PaaS) bieten integrierte Sicherheit im physischen Stapel, einschließlich des Betriebssystems. Sie können den vorhandenen Infrastruktursicherheitskomponenten die folgenden Funktionen hinzufügen.

• Verwenden Sie Azure Key Vault-, um die End-to-End-Sicherheit aufrechtzuerhalten, wenn Sie vertrauliche und unternehmenskritische Elemente wie Verschlüsselungsschlüssel, Zertifikate, Verbindungszeichenfolgen und Kennwörter verarbeiten. Key Vault bietet eine robuste Lösung, die den gesamten Softwareentwicklungs- und Lieferkettenprozess verhindert. Key Vault hilft Ihnen beim sicheren Speichern und Verwalten vertraulicher Ressourcen, die Automobilanwendungen verwenden. Dadurch können Sie sicherstellen, dass diese Ressourcen vor potenziellen Cybersicherheitsbedrohungen geschützt bleiben. Sie können die Sicherheit weiter verbessern, indem Sie den Zugriff und die Berechtigungen für kritische Ressourcen mit rollenbasierter Zugriffssteuerung (RBAC) regeln.

  Wenn behördliche Anforderungen eine erweiterte Sicherheitslösung mit dedizierter Hardware erfordern, sollten Sie azure Key Vault Managed HSMverwenden. Berücksichtigen Sie für noch strengere Anforderungen Azure Cloud HSM, früher Azure Dedicated HSM genannt.

• Verwenden Sie Microsoft Purview-, um Ihrer Organisation dabei zu helfen, die AD-Datenanforderungen für strenge Datengovernance zu erfüllen. Diese Anforderungen helfen bei der Datenklassifizierung, -lineage, -tracking und -compliance. Durch die Erfüllung dieser Anforderungen kann Ihre Organisation sicherstellen, dass ihre Daten ordnungsgemäß geregelt, sicher und konform sind. Die Durchsetzung der Datencompliance unterstützt die Entwicklung und Bereitstellung sicherer und zuverlässiger autonomer Fahrzeuge.

• Verwenden Sie Azure Policy, um Compliance- und Governanceregeln in den Azure-Ressourcen Ihrer Organisation zu erzwingen.

• Implementieren Sie RBAC, um Benutzern und Diensten Berechtigungen auf geringster Berechtigungsbasis zu erteilen.

• Verwenden Sie Microsoft Defender für Cloud, um Sicherheitsbedrohungen proaktiv zu überwachen und zu mindern.

• Stellen Sie die Verschlüsselung ruhender Daten mithilfe nativer Azure Storage- und Datenbankdienste sicher. Weitere Informationen finden Sie unter Überlegungen zum Datenschutz.

• Verwenden Sie Microsoft Defender für Cloud, um Sicherheitsbedrohungen proaktiv zu überwachen und zu mindern.

Bereitstellen dieses Szenarios

Es gibt mehrere Optionen für die Bereitstellung dieses Szenarios:

• dSPACEentwickelt in Zusammenarbeit mit Microsoft SIMPHERA, einer Softwarelösung zum Simulieren und Überprüfen von Funktionen für AD. Informationen zum Bereitstellen von SIMPHERA finden Sie in den Anweisungen in diesem Repository.
• Ansys mit Microsoft gearbeitet, um eine bereitstellungsfähige Lösung zu entwickeln, die sich an dieser Referenzarchitektur richtet. Sie können die Lösung in Azure Marketplacebereitstellen.
• Cognata SimCloud ist eine bereitstellungsfähige, simulierte Testlaufwerkumgebung, die den Validierungsprozess verbessert. SimCloud generiert schnelle, hochgenaue Ergebnisse und reduziert Sicherheitsbedenken. Darüber hinaus behandelt SimCloud die hohen Kosten und die begrenzte Skalierbarkeit von Straßentests in der physischen Welt.

Beitragende

Dieser Artikel wird von Microsoft verwaltet. Sie wurde ursprünglich von den folgenden Mitwirkenden verfasst.

Hauptautoren:

• Ryan Matsumura | Senior Program Manager, MCI SDV & Mobility
• Jochen Schroeer | Principal Architect (Service Line Mobility)
• Gabriel Sallah | Senior Specialist GBB
• Wolfgang De Salvador | Senior Specialist GBB
• Lukasz Miroslaw | Senior Specialist GBB
• Benedikt Berger | Senior Product Manager

Andere Mitwirkende:

• Filipe Prezado | Principal Program Manager, MCI SDV & Mobility

Um nichtublic LinkedIn-Profile anzuzeigen, melden Sie sich bei LinkedIn an.

Nächste Schritte

• Was ist Batch?
• Einführung in azure Data Lake Storage Gen2
• Was ist ExpressRoute?
• Was ist Maschinelles Lernen?

Verwandte Ressourcen

Weitere Informationen zum Entwickeln von DataOps für ein AD-System finden Sie unter:

Möglicherweise sind Sie auch an diesen verwandten Artikeln interessiert:

• Microsoft Mobility-Dokumentation
• AVOps-Entwurfshandbuch
• SDV-Referenzarchitektur
• Automotive Messaging, Daten & Analysereferenzarchitektur
• Verbesserung der Effizienz in AVOps mit generativem KI-