Bei der Entwicklung von Netzwerkarchitekturen werden in der Regel entweder lokale Berechnungen oder Cloud-Lösungen betrachtet. Doch diese beiden Optionen und ihre Kombinationen sind begrenzt. Was aber, wenn auf Cloud-Berechnungen nicht verzichtet werden kann, während die Bandbreite nicht ausreicht oder der Traffic zu teuer ist?
Fügen Sie ein Zwischenglied hinzu, das einen Teil der Berechnungen an der Grenze des lokalen Netzwerks oder des Produktionsprozesses durchführt. Dieses dezentrale Konzept wird Edge Computing – "Grenzbetrieb" – genannt. Das Konzept ergänzt das derzeitige Cloud-Modell zur Datennutzung, und in diesem Artikel werden wir die erforderliche Hardware und Beispiele für Anwendungen dafür betrachten.
Ebenen des Edge Computing
Angenommen, Sie haben zu Hause eine ganze Reihe von Sensoren installiert: ein Thermometer, einen Hygrometer, einen Lichtsensor, Leckage-Detektoren und mehr. Der Logikcontroller verarbeitet die Informationen, die von ihnen eingehen, implementiert Automatisierungsszenarien, liefert der Cloud-Dienste verarbeitete Telemetriedaten und erhält aktualisierte Automatisierungsszenarien sowie neue Firmware von dort. So finden lokale Berechnungen direkt am Objekt statt, jedoch wird die Hardware von einem Knoten kontrolliert, der viele solcher Geräte zusammenführt.
Dies ist ein Beispiel für ein sehr einfaches System des Edge Computings, aber es zeigt bereits alle drei Ebenen des Edge Computings:
- IoT-Geräte: erzeugen "rohe Daten" und übertragen sie über verschiedene Protokolle.
- Edge-Knoten: verarbeiten Daten in unmittelbarer Nähe zu den Informationsquellen und fungieren als temporäre Datenspeicher.
- Cloud-Dienste: bieten Verwaltungsfunktionen sowohl für Edge-Geräte als auch für IoT-Geräte, führen Langzeitspeicherung und Datenanalyse durch. Darüber hinaus unterstützen sie die Integration mit anderen Unternehmenssystemen.
Das Konzept des Edge Computings ist Teil eines großen Ökosystems, das den technologischen Prozess optimiert. Es umfasst sowohl Hardware (Rack- und Edge-Server) als auch Netzwerk- und Softwarekomponenten (zum Beispiel die Plattform zur Entwicklung von KI-Algorithmen). Da ein "Flaschenhals" bei der Erstellung, Übertragung und Verarbeitung von "Big Data" entstehen kann und die Gesamtleistung des Systems einschränkt, müssen diese Teile miteinander kompatibel sein.
Merkmale von Edge-Servern
Auf der Ebene der Peripheriegeräte im Edge Computing werden Edge-Server eingesetzt, die direkt dort platziert werden, wo Informationen erzeugt werden. Normalerweise handelt es sich um Produktions- oder technische Räumlichkeiten, in denen keine Server-Racks installiert und keine Sauberkeit gewährleistet werden kann. Daher werden Edge-Server in kompakten, staub- und feuchtigkeitsgeschützten Gehäusen mit erweitertem Temperaturbereich ausgeführt, und man kann sie nicht in Racks unterbringen. Ja, ein solcher Server kann problemlos mit doppelseitigem Klebeband an Ankern irgendwo unter der Treppe oder in einem Abstellraum befestigt werden.
Da Edge-Server außerhalb geschützter Rechenzentren installiert werden, gelten höhere Anforderungen an die physische Sicherheit für sie. Sie sind in Schutzcontainern untergebracht:
Auf der Datenspeicher-Ebene in Edge-Servern sind Festplattenverschlüsselung und sichere Bootvorgänge vorgesehen. Die Verschlüsselung selbst verbraucht 2-3% der Rechenleistung, doch in Edge-Servern werden typischerweise Xeon D-Prozessoren mit integriertem AES-Beschleunigungsmodul verwendet, das die Leistungsverluste minimiert.
Wann Edge-Server eingesetzt werden
Beim Edge Computing gelangen nur die Daten in das Rechenzentrum zur Verarbeitung, die nicht anders oder unwirtschaftlich verarbeitet werden können. So werden Edge-Server eingesetzt, wenn benötigt wird:
- Ein flexibler Ansatz für Sicherheit, da beim Edge Computing die Übertragung bereits verarbeiteter und vorbereiteter Informationen an das zentrale Rechenzentrum im Voraus eingestellt werden kann;
- Schutz vor Datenverlust, da die lokalen Knoten bei einem Verbindungsabbruch mit dem Zentrum Informationen sammeln werden;
- Einsparungen beim Datenverkehr, die dadurch erreicht werden, dass der Hauptdatenbestand vor Ort verarbeitet wird.
Edge Computing zur Einsparung von Datenverkehr
Das dänische Unternehmen Maersk – einer der weltweit führenden Anbieter von Seefrachttransporten – hat beschlossen, den Kraftstoffverbrauch seiner Schiffe zu reduzieren und die Emissionen von Schadstoffen in die Atmosphäre zu senken.
Zur Lösung dieses Problems wurde die Technologie eingesetzt , Sensoren an den Motoren und Hauptkomponenten des Schiffes sowie ein lokaler BullSequana Edge-Server für Berechnungen "vor Ort".
Dank der Sensoren überwacht das EcoMain Suite-System kontinuierlich den Zustand kritischer Knotenpunkte des Schiffes und deren Abweichungen von einer zuvor berechneten Norm. Dies ermöglicht eine schnelle Fehlersuche und -lokalisierung bis hin zum problemen Knoten. Da die Telemetrie ständig "ins Zentrum" übertragen wird, kann der Servicetechniker eine Analyse aus der Ferne durchführen und der Bordmannschaft Empfehlungen geben. Die entscheidende Frage hierbei ist, wie viele Daten und in welchem Umfang an das zentrale Rechenzentrum übermittelt werden.
Da es sehr problematisch ist, kostengünstiges kabelgebundenes Internet an einen Containerschiff zu verbinden, wird die Übertragung eines großen Datenvolumens an den zentralen Server zu teuer. Am zentralen BullSequana S200-Server wird das Gesamtlayout des Schiffes berechnet, während die Datenverarbeitung und das unmittelbare Management an den lokalen Server übertragen werden. Das Ergebnis ist, dass sich die Einführung dieses Systems innerhalb von drei Monaten amortisiert hat.
Edge Computing zur Ressourcenschonung
Ein weiteres Beispiel für Edge Computing ist die Videoanalyse. So gehört bei dem Hersteller von Technischen Gasen Air Liquide eine der lokalen Aufgaben im Produktionszyklus zur Qualitätskontrolle der Lackierung von Gasflaschen. Dies geschah manuell und nahm etwa 7 Minuten pro Flasche in Anspruch.
Um diesen Prozess zu beschleunigen, wurde der Mensch durch eine Anordnung von 7 hochauflösenden Kameras ersetzt. Die Kameras nehmen die Flasche von verschiedenen Seiten auf und erzeugen etwa 1 GB Video pro Minute. Das Video wird 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. Infolgedessen hat sich die durchschnittliche Inspektionszeit von mehreren Minuten auf wenige Sekunden verkürzt.
Edge Computing in der Analyse
Die Fahrgeschäfte in Disneyland sind nicht nur Spaß, sondern auch komplexe technische Objekte. So sind an der "Amerikanischen Achterbahn" etwa 800 verschiedene Sensoren installiert. Diese senden kontinuierlich Daten über den Betrieb der Attraktion an den Server, während der lokale Server diese Daten verarbeitet, die Wahrscheinlichkeit eines Ausfalls der Attraktion berechnet und dieses an das zentrale Rechenzentrum signalisiert.
Anhand dieser Daten wird die Wahrscheinlichkeit eines technischen Ausfalls bestimmt und eine präventive Wartung eingeleitet. Die Attraktion bleibt bis zum Ende des Arbeitstags in Betrieb, während gleichzeitig bereits ein Auftrag für die Reparatur erstellt wurde, und die Arbeiter reparieren die Attraktion über Nacht schnell.
BullSequana Edge
Die BullSequana Edge-Server sind Teil einer umfassenden Infrastruktur für die Arbeit mit "Big Data". Sie wurden bereits mit den Plattformen Microsoft Azure und Siemens MindSphere sowie VMware WSX getestet und sind mit NVidia NGC/EGX-Zertifikaten ausgestattet. Diese Server sind speziell für Edge-Computing konzipiert und werden in U2-Gehäusen in Varianten für die Installation in einem Standardrack, auf einer DIN-Schiene, an der Wand und in Standversionen angeboten.
BullSequana Edge basieren auf einem proprietären Motherboard und dem Intel Xeon D-2187NT-Prozessor. Sie unterstützen die Installation von bis zu 512 GB RAM, 2 SSDs mit je 960 GB oder 2 HDDs mit 8 oder 14 TB. Zudem können 2 GPU Nvidia T4 mit 16 GB für Videoverarbeitung installiert werden; Wi-Fi, LoRaWAN und 4G-Module; bis zu 2 10-Gigabit SFP-Module. In den Servern ist bereits ein Deckelsensor installiert, der mit dem BMC verbunden ist, das das IPMI-Modul steuert. 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 . Wenn Sie an weiteren Details interessiert sind, freuen wir uns darauf, Ihre Fragen in den Kommentaren zu beantworten.
Quelle: habr.com
