Clockwork برای همگام نگه داشتن ساعت های سرور 21 میلیون دلار جمع آوری می کند – TechCrunch

شما فکر می کنید که همگام سازی ساعت ها در ناوگانی از سرورهای مدرن یک مشکل حل شده است، اما در واقع حل آن یک چالش بسیار سخت است، به خصوص اگر می خواهید به دقت نانوثانیه برسید. این همچنین به این معنی است که این یک اصل در علم کامپیوتر است که شما هرگز نباید یک سیستم بر اساس زمان ساعت بسازید. Clockwork.ioکه امروز یک دور سرمایه گذاری 21 میلیون دلاری سری A را اعلام می کند، قول می دهد که این را با دقت همگام سازی تا 5 نانوثانیه با مهر زمانی سخت افزاری و صدها نانوثانیه با مهر زمانی نرم افزاری تغییر دهد.

بر اساس این کار، این شرکت همچنین امروز اولین محصول خود را به نام Latency Sensei عرضه می‌کند که می‌تواند داده‌های تأخیر بسیار دقیقی را در محیط‌های ابری، داخلی و هیبریدی به کاربران خود ارائه دهد، که سپس می‌توانند از آن برای یافتن گلوگاه‌ها و تنظیم استفاده کنند. شبکه های آنها مشتریان این شرکت در حال حاضر شامل شرکت هایی مانند نزدک، ولز فارگو و RBC هستند.

این استارت آپ توسط ییلونگ گنگ، دیپاک مروگو و “بالاجی پرابهاکار” بنیانگذاران VMware پروفسور علوم کامپیوتر استنفورد تاسیس شد و مندل روزنبلوم، یکی از بنیانگذاران VMware و استاد علوم کامپیوتر استانفورد، به عنوان عضو هیئت مدیره و دانشمند ارشد خدمت می کرد. با توجه به شجره نامه این گروه، جای تعجب نیست که تحقیقات اصلی پشت سیستم Clockwork مبتنی بر تحقیقات بنیادی دانشگاهی است که تیم در استنفورد انجام داد.

پروتکل همگام‌سازی زمان شبکه (NTP)، که قالب استانداردی است که امروزه اکثر رایانه‌ها برای همگام‌سازی ساعت‌ها از آن استفاده می‌کنند، در همه جا وجود دارد اما چندان دقیق نیست. کارهایی روی بهبود آن انجام شده است، به عنوان مثال، فیس بوک در سال گذشته یک راه حل سخت افزاری را در پروژه محاسبات باز مشارکت داد، اما تیم Clockwork قول دقت بسیار بیشتری را می دهد.

“گاهی اوقات، در داخل مراکز داده، نمی توانستم آنها را برای لحظه ای به توافق برسانم. تلفن من و ایستگاه پایه اینجا احتمالاً در مورد دوم توافق دارند. سپس شما ریزتر و ظریف تر و ظریف تر می شوید – تا میکروثانیه و نانوثانیه. که خیلی سخت است. پرابهاکار توضیح داد که برای دو ساعت بسیار سخت است که بدانند دقیقاً در چه نانو ثانیه هستند. او خاطرنشان کرد که همگام‌سازی یک بار این ساعت‌ها به اندازه کافی خوب نیست. شما همچنین باید آنها را هماهنگ نگه دارید. می‌توانید ساعت‌هایی با دقت بالا که در برابر تغییرات دما و لرزش مصون هستند را در سرور قرار دهید، اما آن ساعت به سرعت از خود سرور گران‌تر می‌شود.

اعتبار تصویر: ساعت کاری

برای حل این مشکل، تیم یک سیستم و مدل یادگیری ماشینی ساخت که به آن اجازه می‌دهد تا زمانی را که طول می‌کشد تا یک مهر زمانی به یک سرور معین برسد، به دقت اندازه‌گیری کند. این تفاوت چندانی با نحوه عملکرد NTP ندارد، اما تیم سپس با مشاهده انواع مُهرهای زمانی و سپس دریافت هم افست ساعت و هم تفاوت فرکانس نسبی، این کار را چند قدم جلوتر می‌برد. همه اینها سپس وارد مدل یادگیری ماشین می شود. علاوه بر این، تیم همچنین این سیستم را ساخت تا ساعت‌های مختلف بتوانند با یکدیگر صحبت کنند و زمانی که هماهنگ نیستند، تشخیص دهند (و تصحیح کنند).

در غیاب مُهر زمانی قابل اعتماد، سیستم‌های توزیع‌شده مدت‌هاست که باید به طرح‌های بدون ساعت تکیه می‌کردند، که سطح پیچیدگی بیشتری را به ساخت سیستم‌های پیچیده اضافه می‌کرد. تیم Clockwork امیدوار است که کارش به محققان اجازه دهد تا با الگوریتم های مبتنی بر زمان جدید در تعدادی از حوزه های مشکل مانند ثبات پایگاه داده، ترتیب رویدادها، پروتکل های اجماع و دفتر کل آزمایش کنند.

تحقیقات اولیه توسط تیم روزنبلوم و پرابهاکار در مورد این بود که اگر بتوانید به ساعت‌ها در یک سیستم توزیع‌شده اعتماد کنید، چه کاری می‌توانید انجام دهید.

روزنبلوم می‌گوید: «در حال حاضر، هیچ‌کس از زمان استفاده نمی‌کند، به جز شاید Spanner در Google، CockroachDB یا کسی که کارهای پایگاه داده را انجام می‌دهد. «ما معتقدیم که مکان‌های بسیار بیشتری وجود دارد، به‌ویژه زمانی که چیزهای مهم‌تر و حساس‌تری مطرح می‌شوند. ما می‌توانیم همگام‌سازی زمان را انجام دهیم، زیرا فهمیدیم که چگونه این کار را به خوبی انجام دهیم. و بنابراین ما پرسیدیم: آیا این بخشی از روندی است که در آن برنامه‌نویسی این سیستم‌ها را متفاوت شروع می‌کنیم؟ و [researchers] از این احتمال که بتوانیم این کار را انجام دهیم، به نوعی هیجان زده شدم.

بنابراین با حل مشکلات همگام‌سازی، تیم Clockwork اکنون به دنبال ساخت محصولاتی است که با Latency Sensei شروع می‌شود. اما پرابهاکار همچنین خاطرنشان کرد که تیم در حال حاضر روی پروژه دیگری کار می کند که تشخیص تراکم در مراکز داده را آسان تر می کند. او خاطرنشان کرد، TCP برای شبکه‌های گسترده عالی است، اما در داخل مرکز داده، کاملاً بیهوده است. اما وقتی اطلاعات بیشتری در مورد شبکه – و تأخیرهای آن – داشته باشید، به نوبه خود می‌توانید از آن برای ارائه نکات بهتر در مورد نحوه بهترین مسیریابی بسته‌ها در داخل مرکز داده، به پروتکل TCP استفاده کنید.

دور سری A این شرکت توسط NEA با مشارکت سرمایه گذاران معروف فرشته، از جمله جان هنسی، بنیانگذار MIPS، رام شریرام سرمایه گذار اولیه گوگل و جری یانگ، بنیانگذار یاهو، رهبری شد.