در اینجا نموداری وجود دارد که یک معماری اثبات مفهوم را برای سفارش خودکار درایو یا کیوسک با استفاده از تشخیص خودکار گفتار نشان میدهد.
انعطاف پذیری Kubernetes بستر ایده آل برای این رویکرد را ایجاد می کند. Kubernetes سختافزار محاسباتی واقعی را انتزاع میکند و به میکروسرویسها یا بارهای کاری در سطح برنامه اجازه میدهد تا به طور انعطافپذیر از منابع هر یک از سیستمهای موجود در توپولوژی شبکه استفاده کنند.
این مقاله کوتاه توضیح میدهد که چگونه یک رویکرد مهندسی نرمافزار مبتنی بر کانتینر برای ساخت زیرساختهای QSR میتواند فرصتهایی را برای برندها، یکپارچهکنندههای سیستم (SI) و فروشندگان نرمافزار مستقل (ISV) ایجاد کند تا این حجمهای کاری برنامههای کاربردی جدید را بیشتر یکپارچه کنند، مدیریت کنند و هماهنگ کنند. به سرعت و ارزان، منجر به تجربیات بهتر برای اپراتورهای رستوران، کارمندان و مشتریان می شود.
کیمبرلی دیویس
ما این رویکرد را با استفاده از یک توپولوژی شبکه از چندین سیستم مبتنی بر اینتل متصل به یک روتر شبکه بررسی کردهایم، اگرچه سایر زیرساختهای سختافزاری یا ترکیبی نیز میتوانند کار کنند. در هر صورت، این رویکرد زیرساختی به برندها و فروشندگان QSR اجازه میدهد تا محاسباتی را انتخاب کنند که بهترین کار را برای آنها دارد – از پردازندههای بسیار سبک وزن در تریبونهای درایو، از سرورهای ناهموار که عملیات آشپزخانه را مدیریت میکنند تا راهحلهای کاملاً مبتنی بر ابر. (لطفاً توجه داشته باشید که استفاده از یک توپولوژی و پیکربندی شبکه ساده سریعترین راه برای راه اندازی جعبه شنی برای کشف این رویکرد جدید خواهد بود.)
شکل 1 رویکرد سطح بالا به معماری میکروسرویس کانتینری را برای استفاده در QSR ها با این لایه های سرویس نشان می دهد:
زیر ساخت: خدمات کانتینری و زمان اجرا
هسته: عملکرد گفتار به متن، هماهنگی نمایش، و مدیریت ظرف کاربر پسند
اتوبوس پیام: اتوبوس پیام انتشار-اشتراک برای فرستندگان و گیرندگان
برنامه های کاربردی: برنامه های کاربردی کاربر QSR
معماری مبتنی بر Kubernetes یک راه عالی برای حل طیف وسیعی از چالشهای زیرساختی و نرمافزاری است که تکنولوژیستهای QSR امروزی با آن روبرو هستند. Kubernetes به سرعت در حال تبدیل شدن به یک استاندارد گسترده برای ارکستراسیون کانتینر است. این مجموعه ابزارهای زیادی را برای مشاهده و مدیریت ارائه می دهد که به متخصصان فناوری اطلاعات اجازه می دهد تا به سرعت شبکه و زیرساخت محاسباتی خود را درک کرده و حفظ کنند. یک امتیاز اضافی این است که اکوسیستم Kubernetes بیشتر خدمات لازم را به عنوان پیشنهادات منبع باز ارائه می دهد. این مثال از توزیع K3s استفاده می کند، اما هر توزیع مطابق با استانداردها باید به همان اندازه خوب کار کند. K3s این مزیت را دارد که برای سربار کمتر طراحی شده است و به راحتی در سایت های لبه قابل استقرار است.
بیایید نحوه تعامل این اجزا با یکدیگر را در یک پشته QSR فرضی بررسی کنیم. نمودار زیر و فهرست مرتبط، سفارش مشتری و مسیری را که پیامهای مرتبط از طریق مدل انتشار-اشتراک در معماری طی میکنند، نشان میدهد. توجه داشته باشید که این رویکرد انعطاف پذیری را برای گنجاندن انواع روش های پاسخ در اینجا فراهم می کند: می توانید یک ماژول تبدیل متن به گفتار را بگنجانید که به صورت شفاهی به مشتری سفارش دهنده پاسخ می دهد، پاسخ ها را روی کیوسک نمایش می دهد، یا در یک انسان واقعی حلقه می کند. پاسخ.
این مثال فرضی استفاده از سفارش صوتی مبتنی بر تشخیص خودکار گفتار در drive-thru یا یک کیوسک لابی را برای نشان دادن اصول کلیتر پشت این مدل انتشار-اشتراک نشان میدهد. در این مثال، مراحل مختلف در رسیدگی به سفارش مشتری قابل تشخیص است، پیامهای استانداردی که میتوانند به گرههای مختلف در گذرگاه MQTT منتقل شوند، و راهاندازی یک معماری QSR یکپارچه اما ماژولار را سادهتر میکنند و حل آن را آسانتر میکنند. مشکلات مشتری و کسب و کار با راه حل های هوش مصنوعی