Bei der Entwicklung einer Netzwerkarchitektur werden in der Regel entweder lokale Berechnungen oder cloudbasierte Lösungen in Betracht gezogen. Diese beiden Optionen und ihre Kombinationen sind jedoch oft nicht ausreichend. Was tun, wenn Cloud-Computing unverzichtbar ist, aber die Bandbreite nicht ausreicht oder der Datenverkehr zu kostspielig wird?
Fügen Sie ein Bindeglied hinzu, das einen Teil der Berechnungen am Rand des lokalen Netzwerks oder des Produktionsprozesses durchführt. Dieses Konzept der Peripherie wird als Edge Computing bezeichnet. Es ergänzt das bestehende cloudbasierte Datenmodell, und in diesem Artikel werden wir die notwendigen Geräte und Beispiele für deren Anwendungen betrachten.
Ebenen des Edge Computing
Stellen Sie sich vor, Sie haben eine Vielzahl von Sensoren zu Hause installiert: ein Thermometer, ein Hygrometer, einen Lichtsensor, Leckagesensoren und andere. Ein Logikcontroller verarbeitet die von diesen Sensoren gesammelten Informationen, setzt Automatisierungsszenarien um, übermittelt verarbeitete Telemetriedaten an einen Cloud-Service und erhält von diesem aktualisierte Automatisierungsszenarien und neue Firmware. So werden lokale Berechnungen direkt vor Ort durchgeführt, während die Geräte von einem Knotenpunkt aus überwacht werden, der mehrere solcher Geräte vereint.
Dies ist ein Beispiel für ein sehr einfaches System der Edge-Computing-Technologie, aber bereits hier sind alle drei Ebenen des Edge Computing sichtbar:
- IoT-Geräte: erzeugen „Rohdaten“ und übermitteln sie über verschiedene Protokolle.
- Edge-Knoten: verarbeiten Daten in unmittelbarer Nähe zu den Informationsquellen und fungieren als temporäre Datenspeicher.
- Cloud-Dienste: bieten Verwaltungsfunktionen für sowohl Edge-Geräte als auch IoT-Devices, ermöglichen eine langfristige Speicherung und Analyse der Daten. Darüber hinaus unterstützen sie die Integration mit anderen Unternehmenssystemen.
Das Konzept des Edge Computing ist Teil eines umfangreichen Ökosystems, das den technologischen Prozess optimiert. Es umfasst sowohl die Hardware (Rack- und Edge-Server) als auch die Netzwerk- und Softwarekomponenten (wie die Plattform zur Entwicklung von KI-Algorithmen). Da Engpässe bei der Erstellung, Übertragung und Verarbeitung von „Big Data“ auftreten können und die Leistung des gesamten Systems beeinträchtigen, müssen diese Komponenten miteinander kompatibel sein.
Eigenschaften von Edge-Servern
Auf der Ebene der Peripherie nutzen Edge-Computing-Anwendungen Edge-Server, die direkt dort eingesetzt werden, wo die Informationen erzeugt werden. Dies sind normalerweise Produktions- oder Technikräume, in denen es nicht möglich ist, einen Server-Rack zu installieren und Sauberkeit zu gewährleisten. Daher sind Edge-Server in kompakten, staub- und feuchtigkeitsgeschützten Gehäusen mit erweitertem Temperaturbereich ausgeführt und können nicht in einem Rack platziert werden. Ja, solch ein Server kann problemlos mit doppelseitigem Klebeband irgendwo unter einer Treppe oder in einem Abstellraum befestigt werden.
Da Edge-Server außerhalb von geschützten Rechenzentren installiert werden, gelten höhere Anforderungen an die physische Sicherheit. Für sie sind schützende Container vorgesehen:
Auf der Ebene der Datenverarbeitung in Edge-Servern ist die Verschlüsselung von Festplatten und ein geschützter Bootvorgang vorgesehen. Die Verschlüsselung kostet 2-3 % der Rechenleistung, jedoch kommen in Edge-Servern normalerweise Xeon D-Prozessoren mit integriertem AES-Beschleunigungsmodul zum Einsatz, was die Leistungseinbußen minimiert.
Wann Edge-Server verwendet werden
Bei Edge Computing gelangen nur die Daten ins Rechenzentrum, die nicht anders oder nicht effizient verarbeitet werden können. Damit kommen Edge-Server zum Einsatz, wenn es erforderlich ist:
- Flexibler Ansatz zur Sicherheit, da beim Edge Computing die Übertragung zuvor verarbeiteter Informationen zum zentralen Rechenzentrum konfiguriert werden kann;
- Schutz vor Datenverlust, da lokale Knoten Informationen speichern, wenn die Verbindung zum Zentrum verloren geht;
- Einsparungen beim Datenverkehr, die durch die lokale Verarbeitung der Hauptdatenmengen erzielt werden;
Edge Computing zur Einsparung von Datenverkehr
Das dänische Unternehmen Maersk, einer der führenden Anbieter im Bereich der Seefrachtlogistik, hat beschlossen, den Tre brandstoffverbrauch seiner Schiffe zu senken und die Emissionen von Schadstoffen in die Atmosphäre zu reduzieren.
Zur Lösung dieses Problems kam die Technologie zum Einsatz, , Sensoren an den Motoren und Hauptkomponenten des Schiffs sowie ein lokaler BullSequana Edge-Server für Berechnungen "vor Ort".
Dank der Sensoren überwacht das EcoMain Suite-System kontinuierlich den Zustand der kritischen Komponenten des Schiffs und deren Abweichungen von den zuvor berechneten Normwerten. Dies ermöglicht eine schnelle Fehlerdiagnose und die Lokalisierung bis hin zu dem betroffenen Bauteil. Da die Telemetriedaten ständig "ins Zentrale" übertragen werden, kann der Servicetechniker eine Analyse aus der Ferne durchführen und Empfehlungen an die Crew an Bord geben. Die zentrale Frage dabei ist, wie viele Daten und in welchem Umfang an das zentrale Rechenzentrum übertragen werden sollen.
Da es äußerst schwierig ist, kostengünstiges kabelgebundenes Internet zu einem Containerschiff herzustellen, ist die Übertragung großer Mengen unstrukturierter Daten auf einen zentralen Server zu teuer. Auf dem zentralen BullSequana S200 Server wird ein Gesamtmodell des Schiffes berechnet, während die Datenverarbeitung und die direkte Steuerung an einen lokalen Server übertragen werden. Dadurch hat sich die Implementierung dieses Systems innerhalb von drei Monaten amortisiert.
Edge Computing zur Ressourcenschonung
Ein weiteres Beispiel für Edge Computing ist die Videoanalytik. Ein Hersteller von technischen Gasen, Air Liquide, hat in einem seiner lokalen Produktionsschritte die Qualitätskontrolle der Lackierung von Gasflaschen, die manuell durchgeführt wurde und etwa 7 Minuten pro Flasche in Anspruch nahm.
Um diesen Prozess zu beschleunigen, wurde der Mensch durch einen Block aus sieben hochauflösenden Kameras ersetzt. Die Kameras erfassen den Zylinder aus verschiedenen Perspektiven und generieren etwa 1 GB Video pro Minute. Die Videos werden an den Edge-Server BullSequana Edge mit Nvidia T4 an Bord gesendet, wo ein neuronales Netzwerk, das darauf trainiert ist, Defekte zu erkennen, den Stream in Echtzeit analysiert. Dadurch reduziert sich die durchschnittliche Inspektionszeit von mehreren Minuten auf wenige Sekunden.
Edge Computing in der Analytik
Die Fahrgeschäfte in Disneyland sind nicht nur Unterhaltung, sondern auch komplexe technische Einrichtungen. So sind an der 'Achterbahn' etwa 800 verschiedene Sensoren installiert. Diese senden kontinuierlich Daten über den Betrieb des Fahrgeschäfts an den Server, während der lokale Server diese Daten verarbeitet, die Wahrscheinlichkeit eines Ausfalls berechnet und das zentrale Rechenzentrum darüber informiert.
Basierend auf diesen Daten wird die Wahrscheinlichkeit eines technischen Ausfalls ermittelt und eine präventive Wartung initiiert. Das Fahrgeschäft bleibt bis zum Ende des Arbeitstags in Betrieb, während bereits ein Wartungsauftrag erstellt wurde und die Mitarbeiter in der Nacht umgehend Reparaturen durchführen.
BullSequana Edge
Die BullSequana Edge-Server sind Teil einer umfassenden Infrastruktur für Big Data-Anwendungen. Sie wurden bereits mit Plattformen wie Microsoft Azure und Siemens MindSphere sowie VMware WSX getestet und verfügen über NGC/EGX-Zertifizierungen von NVidia. Diese Server sind speziell für Edge Computing entwickelt und werden in U2-Formfaktorgehäusen angeboten, die sich für die Montage in Standard-Racks, auf DIN-Schienen, an Wänden oder als Standmodelle eignen.
Die BullSequana Edge-Server basieren auf einem eigens entwickelten Motherboard und einem Intel Xeon D-2187NT-Prozessor. Sie unterstützen bis zu 512 GB RAM und können mit zwei SSDs von je 960 GB oder zwei HDDs von 8 oder 14 TB ausgestattet werden. Zudem ist es möglich, zwei Nvidia T4 GPUs mit 16 GB für Videoanwendungen zu integrieren; auch Wi-Fi-, LoRaWAN- und 4G-Module sowie bis zu zwei 10-Gigabit SFP-Module können installiert werden. In den Servern ist bereits ein Gehäusedeckelsensor integriert, der mit dem BMC, dem IPMI-Verwaltungssystem, verbunden ist. Dieser kann so konfiguriert werden, dass die Stromversorgung automatisch unterbrochen wird, wenn der Sensor ausgelöst wird.
Die vollständigen technischen Spezifikationen der BullSequana Edge-Server finden Sie unter . Bei Fragen zu den Details freuen wir uns über Ihre Kommentare.
Quelle: habr.com
