我们如何将 Amazon Snowcone 送入轨道

0
0
{"value":"我从 4 或 5 岁起就一直是太空旅行和美国太空计划的粉丝。我记得读过关于[水星](https://www.nasa.gov/mission_pages/mercury/missions/program-toc.html)和[双子星座](https://www.nasa.gov/mission_pages/gemini/index.html)计划的文章,兴奋地看着[鹰号登月舱](https://en.wikipedia.org/wiki/Lunar_Module_Eagle)降落在月球上。\n\n如今,随着每次发射[到达近地轨道](https://www.futuretimeline.net/data-trends/6.htm) (LEO) 的成本似乎都在不断下降,因此有比以往任何时候都要更多的机会,来突破我们已知的界限,进行越来越大胆的实验并产生大量的原始数据。当今的实验可以使用更多类型的传感器,每种传感器都以更高的分辨率和更高的采样频率收集数据,使情况变得更加有趣。处理如此庞大的数据是一个巨大的挑战。NASA 的[跟踪和数据中继卫星](https://www.nasa.gov/directorates/heo/scan/services/networks/tdrs_main) (TDRS) 系列的带宽有限,必须在越来越多的任务中公平共享。虽然延迟对近地轨道而言几乎可以忽略不计,但在从月球、火星或太阳系以外的地方发送数据时,延迟却成为要考虑的因素。\n\n当我们开始考虑将硬件送入太空时,又出现了一系列挑战。硬件必须尽可能轻,以最大限度地降低发射的成本。但是,它还必须足够耐用,能够承受发射过程中的极端振动和重力,并能在进入轨道后,在微重力环境中发挥作用。进入轨道后,硬件必须能够安全地连接到主航天器的电力、冷却和网络系统。\n\n![image.png](https://dev-media.amazoncloud.cn/cdfa738f34fc4944aef5d21605086fd9_image.png)\n\n**国际空间站上的 Amazon Snowcone**\n正如您可能读到过的那样,我们最近向[国际空间站](https://www.nasa.gov/mission_pages/station/main/index.html)发送了一块 [Amazon Snowcone](https://aws.amazon.com/snowcone/) 固态硬盘。由于 [Amazon Prime](https://www.amazon.com/amazonprime) 目前不向国际空间站发货,因此作为首个 [Axiom 太空任务](https://www.axiomspace.com/ax1) (Ax-1) 的一部分,Snowcone 将搭载 [Falcon 9](https://www.spacex.com/vehicles/falcon-9/) 火箭运行。作为这项任务的一部分,由四名私人宇航员进行了为期 17 天的实验并进行了技术演示,环绕地球进行了 240 次旅行。\n\nSnowcone 专为运行边缘计算工作负载而设计,所有工作负载均受多层加密保护。在本地收集和处理数据后,通常会将设备运回 Amazon,以便处理后的数据可以存储在云中并进一步处理。或者,也可以使用 [Amazon DataSync](https://aws.amazon.com/datasync/) 将数据从 Snowcone 设备复制回 Amazon。\n\n在硬件方面,Snowcone 体积小、重量轻,而且非常坚固。凭借 2 个CPU、4 GB 内存和 14 TB 的 SSD 存储,它可以进行大量的本地处理和存储,使其成为 Ax-1 任务的理想选择。\n\n**为旅程做准备**\n为了准备太空之旅,来自 Amazon、NASA 和 Axiom Space 的团队合作了七个月,对 Snowcone 进行了为期七个月的测试和验证。验证过程包括严格的安全审查、详细的热分析和测试,以帮助确保该设备在发射和飞行到国际空间站时都能经受住振动。Snowcone 没有经过改装,但最终还是用 [Kapton](https://en.wikipedia.org/wiki/Kapton) 胶带包裹起来,以提供更好的电气和热保护。\n\n在软件方面,Amazon [机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)解决方案实验室与 Axiom 密切合作,开发了一个复杂的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型,该模型将检查在国际空间站上拍摄的照片,以帮助改善工作人员在未来 Axiom 任务中的体验。这些照片使用机载尼康摄像机拍摄,存储在国际空间站的网络附加存储 (NAS) 中,然后通过联合站局域网从 NAS 传输到 Snowcone。照片存放在 Snowcone 上后,模型就能在三秒钟内返回结果。\n\n**登上国际空间站**\nSnowcone 启动并运行后,集体团队进行了一些初步测试,但遇到了一些问题。例如,照片存储在 NAS 上,扩展名为大写,但 Snowcone 上的代码正在寻找小写字母。幸运的是,基于地球的团队能够通过 SSH 连接到设备,以便进行一些远程诊断和重新配置。\n\n任务期间提供了更新的[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型。该团队能够将大型 (30 GB) 的 AMI 上传到 Snowcone,并轻松地将该模型投入生产。\n\nSnowcone 仍在国际空间站上,并能在 2022 年底之前进行其他实验。如果您是研究人员、学生或组织的一员,有兴趣进行涉及在国际空间站远程处理数据的实验,则可以通过 [Snowcone-Inquiry@axiomspace.com](Snowcone-Inquiry@axiomspace.com) 表达您的兴趣。医学研究人员会对有趣的用例感兴趣。在国际空间站上进行的许多医学测量和实验产生的数据目前必须下载到地球进行处理和分析。在轨道上处理这些步骤可以将端到端的下载和分析时间从 20 小时缩短到仅需 20 分钟,从而有可能将允许进行的实验数量增加 60 倍。\n\n**成功**\n无修改空间,实验表明,将云计算扩展到[最终前沿](https://www.youtube.com/watch?v=S6R3MiAv9ac)是可能的。\n\n基于地球的团队能够与轨道上的 Snowcone 进行远程通信,以便发射、测试和更新模型。然后,他们将证明他们能够根据需要重复这个过程,处理来自机载研究实验的照片,并最大限度地利用空间站和地球之间可用的有限带宽。\n\n总而言之,该实验被认为是成功的,在我们发现并解决了将 Amazon 硬件送入太空以满足客户需求时出现的挑战时,学到了很多东西。\n\n查看[适用于航空航天和卫星的 Amazon](https://aws.amazon.com/government-education/aerospace-and-satellite/),详细了解我们如何在客户和合作伙伴探索最终前沿时为他们提供支持。如果您准备好在太空或自己的地球任务上部署 Snowcone,我们已做好准备、愿意并且能够与您合作!\n\n— [Jeff](https://twitter.com/jeffbarr);\n","render":"<p>我从 4 或 5 岁起就一直是太空旅行和美国太空计划的粉丝。我记得读过关于<a href=\\"https://www.nasa.gov/mission_pages/mercury/missions/program-toc.html\\" target=\\"_blank\\">水星</a>和<a href=\\"https://www.nasa.gov/mission_pages/gemini/index.html\\" target=\\"_blank\\">双子星座</a>计划的文章,兴奋地看着<a href=\\"https://en.wikipedia.org/wiki/Lunar_Module_Eagle\\" target=\\"_blank\\">鹰号登月舱</a>降落在月球上。</p>\\n<p>如今,随着每次发射<a href=\\"https://www.futuretimeline.net/data-trends/6.htm\\" target=\\"_blank\\">到达近地轨道</a> (LEO) 的成本似乎都在不断下降,因此有比以往任何时候都要更多的机会,来突破我们已知的界限,进行越来越大胆的实验并产生大量的原始数据。当今的实验可以使用更多类型的传感器,每种传感器都以更高的分辨率和更高的采样频率收集数据,使情况变得更加有趣。处理如此庞大的数据是一个巨大的挑战。NASA 的<a href=\\"https://www.nasa.gov/directorates/heo/scan/services/networks/tdrs_main\\" target=\\"_blank\\">跟踪和数据中继卫星</a> (TDRS) 系列的带宽有限,必须在越来越多的任务中公平共享。虽然延迟对近地轨道而言几乎可以忽略不计,但在从月球、火星或太阳系以外的地方发送数据时,延迟却成为要考虑的因素。</p>\\n<p>当我们开始考虑将硬件送入太空时,又出现了一系列挑战。硬件必须尽可能轻,以最大限度地降低发射的成本。但是,它还必须足够耐用,能够承受发射过程中的极端振动和重力,并能在进入轨道后,在微重力环境中发挥作用。进入轨道后,硬件必须能够安全地连接到主航天器的电力、冷却和网络系统。</p>\n<p><img src=\\"https://dev-media.amazoncloud.cn/cdfa738f34fc4944aef5d21605086fd9_image.png\\" alt=\\"image.png\\" /></p>\n<p><strong>国际空间站上的 Amazon Snowcone</strong><br />\\n正如您可能读到过的那样,我们最近向<a href=\\"https://www.nasa.gov/mission_pages/station/main/index.html\\" target=\\"_blank\\">国际空间站</a>发送了一块 <a href=\\"https://aws.amazon.com/snowcone/\\" target=\\"_blank\\">Amazon Snowcone</a> 固态硬盘。由于 <a href=\\"https://www.amazon.com/amazonprime\\" target=\\"_blank\\">Amazon Prime</a> 目前不向国际空间站发货,因此作为首个 <a href=\\"https://www.axiomspace.com/ax1\\" target=\\"_blank\\">Axiom 太空任务</a> (Ax-1) 的一部分,Snowcone 将搭载 <a href=\\"https://www.spacex.com/vehicles/falcon-9/\\" target=\\"_blank\\">Falcon 9</a> 火箭运行。作为这项任务的一部分,由四名私人宇航员进行了为期 17 天的实验并进行了技术演示,环绕地球进行了 240 次旅行。</p>\\n<p>Snowcone 专为运行边缘计算工作负载而设计,所有工作负载均受多层加密保护。在本地收集和处理数据后,通常会将设备运回 Amazon,以便处理后的数据可以存储在云中并进一步处理。或者,也可以使用 <a href=\\"https://aws.amazon.com/datasync/\\" target=\\"_blank\\">Amazon DataSync</a> 将数据从 Snowcone 设备复制回 Amazon。</p>\\n<p>在硬件方面,Snowcone 体积小、重量轻,而且非常坚固。凭借 2 个CPU、4 GB 内存和 14 TB 的 SSD 存储,它可以进行大量的本地处理和存储,使其成为 Ax-1 任务的理想选择。</p>\n<p><strong>为旅程做准备</strong><br />\\n为了准备太空之旅,来自 Amazon、NASA 和 Axiom Space 的团队合作了七个月,对 Snowcone 进行了为期七个月的测试和验证。验证过程包括严格的安全审查、详细的热分析和测试,以帮助确保该设备在发射和飞行到国际空间站时都能经受住振动。Snowcone 没有经过改装,但最终还是用 <a href=\\"https://en.wikipedia.org/wiki/Kapton\\" target=\\"_blank\\">Kapton</a> 胶带包裹起来,以提供更好的电气和热保护。</p>\\n<p>在软件方面,Amazon 机器学习解决方案实验室与 Axiom 密切合作,开发了一个复杂的机器学习模型,该模型将检查在国际空间站上拍摄的照片,以帮助改善工作人员在未来 Axiom 任务中的体验。这些照片使用机载尼康摄像机拍摄,存储在国际空间站的网络附加存储 (NAS) 中,然后通过联合站局域网从 NAS 传输到 Snowcone。照片存放在 Snowcone 上后,模型就能在三秒钟内返回结果。</p>\n<p><strong>登上国际空间站</strong><br />\\nSnowcone 启动并运行后,集体团队进行了一些初步测试,但遇到了一些问题。例如,照片存储在 NAS 上,扩展名为大写,但 Snowcone 上的代码正在寻找小写字母。幸运的是,基于地球的团队能够通过 SSH 连接到设备,以便进行一些远程诊断和重新配置。</p>\n<p>任务期间提供了更新的机器学习模型。该团队能够将大型 (30 GB) 的 AMI 上传到 Snowcone,并轻松地将该模型投入生产。</p>\n<p>Snowcone 仍在国际空间站上,并能在 2022 年底之前进行其他实验。如果您是研究人员、学生或组织的一员,有兴趣进行涉及在国际空间站远程处理数据的实验,则可以通过 <a href=\\"Snowcone-Inquiry@axiomspace.com\\" target=\\"_blank\\">Snowcone-Inquiry@axiomspace.com</a> 表达您的兴趣。医学研究人员会对有趣的用例感兴趣。在国际空间站上进行的许多医学测量和实验产生的数据目前必须下载到地球进行处理和分析。在轨道上处理这些步骤可以将端到端的下载和分析时间从 20 小时缩短到仅需 20 分钟,从而有可能将允许进行的实验数量增加 60 倍。</p>\\n<p><strong>成功</strong><br />\\n无修改空间,实验表明,将云计算扩展到<a href=\\"https://www.youtube.com/watch?v=S6R3MiAv9ac\\" target=\\"_blank\\">最终前沿</a>是可能的。</p>\\n<p>基于地球的团队能够与轨道上的 Snowcone 进行远程通信,以便发射、测试和更新模型。然后,他们将证明他们能够根据需要重复这个过程,处理来自机载研究实验的照片,并最大限度地利用空间站和地球之间可用的有限带宽。</p>\n<p>总而言之,该实验被认为是成功的,在我们发现并解决了将 Amazon 硬件送入太空以满足客户需求时出现的挑战时,学到了很多东西。</p>\n<p>查看<a href=\\"https://aws.amazon.com/government-education/aerospace-and-satellite/\\" target=\\"_blank\\">适用于航空航天和卫星的 Amazon</a>,详细了解我们如何在客户和合作伙伴探索最终前沿时为他们提供支持。如果您准备好在太空或自己的地球任务上部署 Snowcone,我们已做好准备、愿意并且能够与您合作!</p>\\n<p>— <a href=\\"https://twitter.com/jeffbarr\\" target=\\"_blank\\">Jeff</a>;</p>\n"}
目录
亚马逊云科技解决方案 基于行业客户应用场景及技术领域的解决方案
联系亚马逊云科技专家
亚马逊云科技解决方案
基于行业客户应用场景及技术领域的解决方案
联系专家
0
目录
关闭