Når man udvikler et netværksinfrastruktur, overvejer man typisk enten lokal computing eller cloud computing. Men der er kun få af disse muligheder og deres kombinationer. Hvad hvis man ikke kan undgå cloud computing, men båndbredden er utilstrækkelig, eller trafik omkostningerne er for høje?
Tilføj et mellemled, der udfører en del af beregningerne på grænsen af det lokale netværk eller produktionsprocessen. Dette perifere koncept kaldes Edge Computing. Konceptet supplerer den nuværende cloud-model for dataudnyttelse, og i denne artikel vil vi se på det nødvendige udstyr og eksempler på opgaver for det.
Niveauer af edge computing
Lad os sige, at du har installeret en hel række sensorer derhjemme: termometer, hygrometer, lysføler, lækagesensorer og mere. Den logiske controller behandler de indkommende data fra dem, implementerer automatiseringsscenarier, sender den behandlede telemetri til cloud-tjenesten og modtager opdaterede automatiseringsscenarier og nye firmware. Dermed udføres lokale beregninger direkte på stedet, men udstyret styres fra en enhed, der samler mange sådanne enheder.
Dette er et eksempel på et meget simpelt system til edge computing, men man kan allerede se alle tre niveauer af edge computing:
- IoT-enheder: genererer "rå data" og sender dem via forskellige protokoller.
- Perifere enheder: behandler data tæt på informationskilderne og fungerer som midlertidige datalagre.
- Cloud-tjenester: tilbyder administrationsfunktioner for både perifere enheder og IoT-enheder, udfører langvarig opbevaring og analyse af data. Derudover understøtter de integration med andre virksomhedssystemer.
Selve konceptet Edge computing er en del af et stort økosystem, der optimerer teknologiske processer. Det inkluderer både hardware (rack- og edge-servere) samt netværks- og softwarekomponenter (for eksempel platformen til udvikling af AI-algoritmer). Da "flaskehalsen" kan opstå under oprettelsen, overførsel og behandling af "big data" og begrænse systemets ydeevne, skal disse dele være kompatible med hinanden.
Egenskaber ved kantservere
På niveauet af periferieknuder i Edge Computing anvendes kantservere, som placeres direkte der, hvor informationen genereres. Disse findes typisk i produktions- eller tekniske rum, hvor det ikke er muligt at installere en serverrack og opretholde renhed. Derfor udføres kantservere i kompakte, støv- og fugtbeskyttede kabinetter med et udvidet temperaturområde; de kan ikke placeres i racks. Ja, en sådan server kan uden problemer hænge på dobbeltklæbende tape et eller andet sted under en trappe eller i et lager.
Da kantservere sættes op uden for beskyttede datacentre, er der højere krav til den fysiske sikkerhed. Der er planlagt beskyttende containere til dem:
På niveauet for databehandling i kantservere er der indført kryptering af diske og sikker opstart. Selve krypteringen tager 2-3% af compute-kraften, men i kantservere bruger man typisk Xeon D-processorer med en indbygget AES acceleration modul, hvilket minimerer krafttab.
Hvornår anvendes kantservere
Ved Edge Computing modtager datacenteret kun de data, der ikke kan eller ikke er rationelt at behandle på en anden måde. Kantservere anvendes derfor, når der er behov for:
- Fleksibel tilgang til sikkerhed, da man i tilfælde af Edge Computing kan indstille overførslen af centralt datacenter-behandlet og forberedt information på forhånd;
- Beskyttelse mod tab af information, da lokale knuder vil akkumulere information ved tab af forbindelse med centret;
- Besparelse på trafik, som opnås ved behandling af det primære informationssæt lokalt.
Edge computing til at spare trafik
Det danske firma Maersk — en af verdens førende inden for havgods transporter — har besluttet at reducere brændstofforbruget for sine skibe og mindske udledningen af forurenende stoffer i atmosfæren.
For at løse dette problem blev teknologien anvendt , sensorer på motorer og hovedknuder på skibet, samt en lokal server BullSequana Edge til beregninger 'på stedet'.
Takket være sensorer overvåger EcoMain Suite-systemet konstant tilstanden af kritiske komponenter på skibet og deres afvigelser fra den forudberegnede norm. Dette muliggør hurtig fejldiagnose og lokaliserer problemet helt ned til den specifikke enhed. Da telemetri konstant sendes 'til centret', kan service teknikeren udføre analyser eksternt og give anbefalinger til det ombordværende team. Og det centrale spørgsmål her er — hvor meget data og i hvilken mængde skal overføres til det centrale datacenter.
Da det er ret problematisk at tilslutte billig fast internet til et containerskib, bliver overførsel af store mængder rådata til den centrale server desværre for dyrt. Den centrale BullSequana S200-server beregner den samlede logiske model for skibet, mens databehandling og direkte kontrol overføres til den lokale server. Som resultat heraf har implementeringen af dette system betalt sig tilbage på tre måneder.
Edge computing for ressourcebesparelser
Endnu et eksempel på edge computing er videoanalyse. For eksempel er en af de lokale opgaver i produktionscyklussen hos udstyrproducenten Air Liquide kontrol af kvaliteten af malingen på gasflasker. Denne opgave blev udført manuelt og tog cirka 7 minutter per flaske.
For at fremskynde denne proces blev mennesket erstattet med en enhed bestående af 7 højopløsningskameraer. Kameraerne optager flasken fra flere vinkler og genererer omtrent 1 GB video i minuttet. Videoen sendes til BullSequana Edge edge-serveren med Nvidia T4, hvor et neuralt netværk, trænede til at finde defekter, analyserer streamen i realtid. Som resultat er den gennemsnitlige tid til inspektion reduceret fra flere minutter til flere sekunder.
Edge computing i analyse
Forlystelserne i Disneyland er ikke kun sjov, men også komplekse tekniske installationer. For eksempel er der installeret omkring 800 forskellige sensorer på 'American Rollercoaster'. De sender konstant data om forlystelsens drift til serveren, mens den lokale server behandler disse data, beregner sandsynligheden for, at forlystelsen fejler, og giver besked til det centrale datacenter.
Baseret på disse data vurderes sandsynligheden for teknisk svigt, og der iværksættes forebyggende reparation. Forlystelsen fortsætter med at fungere indtil dagens slutning, mens der i mellemtiden allerede er oprettet en reparation, og arbejderne reparerer forlystelsen hurtigt om natten.
BullSequana Edge
BullSequana Edge-serverne er en del af en stor infrastruktur til håndtering af "big data". De er allerede testet med platforme som Microsoft Azure og Siemens MindSphere, VMware WSX og har NVidia NGC/EGX-certifikater. Disse servere er specielt designet til edge computing og leveres i U2-formfaktorer, der kan installeres i standard racks, på DIN-skinner, på væggen og i gulvversioner.
BullSequana Edge er bygget på et egenudviklet bundkort og en Intel Xeon D-2187NT-processor. De understøtter installation af op til 512 GB RAM, 2 SSD'er på 960 GB eller 2 HDD'er på 8 eller 14 TB. Desuden kan de installeres med 2 Nvidia T4 16 GB GPU'er til videobehandling; Wi-Fi, LoRaWAN og 4G-moduler; op til 2 10-gigabit SFP-moduler. I serverne er der allerede installeret en åbning sensor, som er tilsluttet BMC, der styrer IPMI-modulet. Det kan konfigureres til automatisk at slukke strømmen, når sensoren aktiveres.
De fulde tekniske specifikationer for BullSequana Edge-serverne kan findes på . Hvis du er interesseret i detaljer, vil vi med glæde besvare vores spørgsmål i kommentarerne.
Kilde: habr.com
