Når man udvikler en netværksinfrastruktur, overvejer man normalt enten lokal computing eller cloud computing. Men disse to muligheder og deres kombinationer er få. Hvad skal man for eksempel gøre, hvis man ikke kan nægte cloud computing, men der ikke er nok båndbredde, eller trafikken er for dyr?
Tilføj et mellemprodukt, der vil udføre en del af beregningerne på kanten af det lokale netværk eller produktionsproces. Dette kantkoncept kaldes Edge Computing. Konceptet supplerer den nuværende cloud-databrugsmodel, og i denne artikel vil vi se på den nødvendige hardware og eksempelopgaver til den.
Edge computing niveauer
Lad os sige, at du har en hel masse sensorer installeret derhjemme: et termometer, et hygrometer, en lyssensor, en læksensor og så videre. Den logiske controller behandler informationen modtaget fra dem, implementerer automatiseringsscenarier, udsteder behandlet telemetri til cloud-tjenesten og modtager opdaterede automatiseringsscenarier og frisk firmware fra den. Lokal databehandling udføres således direkte på stedet, men udstyret styres fra en node, der kombinerer mange sådanne enheder.
Dette er et eksempel på et meget simpelt edge computing system, men det viser allerede alle tre niveauer af edge computing:
- IoT-enheder: generer "rådata" og transmitter dem over forskellige protokoller.
- Edge noder: Behandle data tæt på informationskilder og fungere som midlertidige datalagre.
- Cloud-tjenester: tilbyder administrationsfunktioner til både perifere og IoT-enheder, udfører langsigtet datalagring og analyse. Derudover understøtter de integration med andre virksomhedssystemer.
Selve konceptet med Edge computing er en del af et stort økosystem, der optimerer den teknologiske proces. Det inkluderer både hardware (rack- og edge-servere) og netværks- og softwaredele (for eksempel platform til udvikling af AI-algoritmer). Da der kan opstå flaskehalse under oprettelse, transmission og behandling af big data og begrænser hele systemets ydeevne, skal disse dele være kompatible med hinanden.
Funktioner af edge-servere
På edge node-niveau bruger Edge Computing edge-servere, der placeres direkte der, hvor information produceres. Normalt er der tale om produktions- eller tekniske lokaler, hvor det er umuligt at installere et serverrack og sikre renlighed. Edge-servere er således anbragt i kompakte, støv- og fugttætte etuier med et udvidet temperaturområde; de kan ikke placeres i et rack. Ja, sådan en server kan sagtens hænge på dobbeltsidede tapeankre et sted under trappen eller i bryggerset.
Da edge-servere er installeret uden for sikre datacentre, har de højere fysiske sikkerhedskrav. Beskyttende beholdere leveres til dem:
På databehandlingsniveauet giver edge-servere diskkryptering og sikker opstart. Kryptering i sig selv bruger 2-3 % af computerkraften, men edge-servere bruger typisk Xeon D-processorer med indbygget AES-accelerationsmodul, som minimerer strømtab.
Hvornår skal man bruge Edge-servere
Med Edge Computing modtager datacentret til behandling kun de data, der er umulige eller irrationelle at behandle på anden måde. Således bruges edge-servere efter behov:
- Fleksibel tilgang til sikkerhed, da du i tilfælde af Edge Computing kan konfigurere overførslen af forbehandlet og forberedt information til det centrale datacenter;
- Beskyttelse mod tab af information, da hvis kommunikationen med centeret går tabt, vil lokale noder akkumulere information;
- Besparelser på trafikken opnås ved at behandle hovedparten af informationen på stedet.
Edge computing for at spare trafik
Det danske selskab Maersk, en af de førende inden for maritim godstransport i verden, har besluttet at reducere brændstofforbruget på sine skibe og reducere udledningen af forurenende stoffer til atmosfæren.
Teknologi blev brugt til at løse dette problem , sensorer på skibets motorer og hovedkomponenter, samt en lokal BullSequana Edge-server til on-site computing.
Takket være sensorer overvåger EcoMain Suite-systemet konstant tilstanden af kritiske komponenter på skibet og deres afvigelse fra en forudberegnet norm. Dette giver dig mulighed for hurtigt at diagnosticere en fejl og lokalisere den ned til problemknuden. Da telemetri konstant transmitteres "til centrum", kan en servicetekniker udføre analyser på afstand og komme med anbefalinger til besætningen om bord. Og hovedspørgsmålet her er, hvor meget data og i hvilken mængde der skal overføres til det centrale datacenter.
Da det er meget problematisk at forbinde billigt kablet internet til et søcontainerskib, er det for dyrt at overføre en stor mængde rådata til en central server. På den centrale BullSequana S200-server beregnes skibets overordnede logiske model, og databehandling og direkte kontrol overføres til den lokale server. Som følge heraf betalte implementeringen af dette system sig selv på tre måneder.
Edge computing for at spare ressourcer
Et andet eksempel på edge computing er videoanalyse. For producenten af udstyr til tekniske gasser Air Liquide er en af de lokale opgaver i produktionscyklussen således kvalitetskontrol af maling af gasflasker. Det blev udført manuelt og tog omkring 7 minutter pr. cylinder.
For at fremskynde denne proces blev personen erstattet med en blok med 7 high-definition videokameraer. Kameraerne filmer ballonen fra flere sider og genererer omkring 1 GB video i minuttet. Videoen sendes til BullSequana Edge-serveren med Nvidia T4 ombord, hvor et neuralt netværk trænet til at søge efter defekter analyserer streamen online. Som følge heraf blev den gennemsnitlige inspektionstid reduceret fra flere minutter til flere sekunder.
Edge computing i analytics
Forlystelserne i Disneyland er ikke kun sjove, men også komplekse tekniske genstande. Der er således installeret omkring 800 forskellige sensorer på "Ruller Coaster". De sender konstant data om driften af attraktionen til serveren, og den lokale server behandler disse data, beregner sandsynligheden for at tiltrækningen fejler og signalerer dette til det centrale datacenter.
Baseret på disse data bestemmes sandsynligheden for en teknisk fejl, og forebyggende reparationer igangsættes. Attraktionen fortsætter med at fungere indtil slutningen af arbejdsdagen, og i mellemtiden er der allerede udstedt en reparationsordre, og arbejderne reparerer hurtigt attraktionen om natten.
BullSequana Edge
BullSequana Edge-servere er en del af en stor infrastruktur til at arbejde med "big data"; de er allerede blevet testet med Microsoft Azure og Siemens MindSphere-platforme, VMware WSX og har NVidia NGC/EGX-certifikater. Disse servere er designet specifikt til edge computing og fås i U2 formfaktor-chassis i standardrack, DIN-skinne, væg- og tårnmonteringsmuligheder.
BullSequana Edge er bygget på et proprietært 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. De kan også installere 2 Nvidia T4 16 GB GPU'er til videobehandling; Wi-fi, LoRaWAN og 4G moduler; op til 2 10-Gigabit SFP-moduler. Selve serverne har allerede en lågåbningssensor installeret, som er tilsluttet den BMC, der styrer IPMI-modulet. Den kan konfigureres til automatisk at slukke for strømmen, når en sensor udløses.
Fuldstændige tekniske specifikationer for BullSequana Edge-servere kan findes på . Hvis du er interesseret i detaljer, vil vi med glæde besvare vores spørgsmål i kommentarerne.
Kilde: www.habr.com