Kiam oni disvolvas retinfrastrukturon, oni tipe konsideras aŭ surlokan aŭ nuban komputadon. Sed ĉi tiuj du ebloj, kaj iliaj kombinaĵoj, ne sufiĉas. Ekzemple, kio se nuba komputado estas neevitebla, sed bendolarĝo estas nesufiĉa, aŭ trafiko estas tro multekosta?
Aldonu mezan tavolon, kiu plenumas iujn el la komputadoj ĉe la rando de la loka reto aŭ produktada procezo. Ĉi tiu randa koncepto nomiĝas randa komputado. Ĉi tiu koncepto kompletigas la nunan modelon de nuba datumkonsumo, kaj en ĉi tiu artikolo, ni rigardos la necesan aparataron kaj ekzemplajn taskojn por ĝi.
Randkomputikaj niveloj
Ni supozu, ke vi havas tutan aron da sensiloj instalitaj en via hejmo: termometron, higrometron, lumsensilon, liksensilon, kaj tiel plu. Logika regilo prilaboras la informojn ricevitajn de ili, efektivigas aŭtomatajn scenarojn, sendas prilaboritan telemetrion al nuba servo, kaj ricevas ĝisdatigitajn aŭtomatajn scenarojn kaj firmvarajn ĝisdatigojn de ĝi. Tiel, lokaj kalkuloj estas faritaj rekte surloke, sed la ekipaĵo estas kontrolata de nabo, kiu konektas plurajn tiajn aparatojn.
Jen ekzemplo de tre simpla randkomputika sistemo, sed ĝi jam montras ĉiujn tri nivelojn de randkomputiko:
- IoT-aparatoj: generas krudajn datumojn kaj sendas ilin per diversaj protokoloj.
- Randaj nodoj: prilaboras datumojn proksime al informfontoj kaj funkcias kiel provizora datumstokejo.
- Nubaj servoj: ofertas administradajn funkciojn por kaj randaj kaj IoT-aparatoj, plenumas longdaŭran datumstokadon kaj analizon, kaj subtenas integriĝon kun aliaj entreprenaj sistemoj.
La koncepto de Randa Komputado mem estas parto de pli granda ekosistemo, kiu optimumigas la teknologian procezon. Ĝi inkluzivas kaj aparataron (rakajn kaj randajn servilojn), kaj ankaŭ retajn kaj programarajn komponantojn (ekz., la platformon). (por la disvolviĝo de AI-algoritmoj). Ĉar proplempunktoj povas ekesti dum la kreado, transdono kaj prilaborado de "grandaj datumoj" kaj limigi la rendimenton de la tuta sistemo, ĉi tiuj komponantoj devas esti kongruaj unu kun la alia.
Trajtoj de randaj serviloj
Ĉe la nivelo de randa nodo, randa komputado utiligas randajn servilojn, kiuj estas metitaj rekte kie informoj estas produktitaj. Tiuj estas tipe produktadaj aŭ teknikaj ĉambroj kie estas neeble instali servilan rakon kaj certigi purecon. Tial, randaj serviloj estas loĝigitaj en kompaktaj, polvo- kaj humido-rezistaj enfermaĵoj kun plilongigita temperaturintervalo; ili ne povas esti rakaj muntitaj. Jes, tia servilo povus facile pendi sur duflanka glubendo aŭ ankroj ie sub ŝtuparo aŭ en ilejo.
Ĉar randaj serviloj situas ekster sekuraj datumcentroj, ili havas pli altajn fizikajn sekurecpostulojn. Protektaj ujoj estas provizitaj por ili:
Je la datumnivelo, randaj serviloj havas diskan ĉifradon kaj sekuran startigon. Ĉifrado mem konsumas 2-3% de la komputila povo, sed randaj serviloj tipe uzas Xeon D-procesorojn kun integrita AES-akcelmodulo, kiu minimumigas potencperdon.
Kiam oni uzas randajn servilojn?
Kun randa komputado, nur datumoj, kiujn estas neeble aŭ nepraktike prilabori aliloke, estas senditaj al la datumcentro por prilaborado. Tial, randaj serviloj estas uzataj kiam necesas:
- Fleksebla aliro al sekureco, ĉar en la kazo de Randa Komputado eblas agordi la translokigon de antaŭprilaboritaj kaj preparitaj informoj al la centra datencentro;
- Protekto kontraŭ perdo de informoj, ĉar se la konekto kun la centro perdiĝas, lokaj nodoj akumulos informojn;
- Ŝparoj pri trafiko atingiĝas per prilaborado de la plejparto de la informoj surloke.
Randa komputado por ŝpari trafikon
La dana ŝipkompanio Maersk, unu el la plej gravaj maraj kargotransportaj kompanioj en la mondo, decidis redukti la fuelkonsumon sur siaj ŝipoj kaj malaltigi la poluaĵajn emisiojn.
Por solvi ĉi tiun problemon, oni uzis teknologion , sensiloj sur la motoroj kaj ĉefaj komponantoj de la ŝipo, kaj ankaŭ loka BullSequana Edge-servilo por surlokaj kalkuloj.
Danke al sensiloj, la sistemo EcoMain Suite kontinue monitoras la staton de la kritikaj komponantoj de la ŝipo kaj iliajn deviojn de antaŭdifinita normo. Tio ebligas rapidan diagnozon kaj lokalizon de paneoj ĝis la problema komponanto. Ĉar telemetrio estas kontinue sendita "al la centro", riparteknikisto povas fari analizon malproksime kaj doni rekomendojn al la surŝipa teamo. La ŝlosila demando ĉi tie estas kiom da datumoj, kaj en kia volumeno, estu senditaj al la centra datencentro.
Ĉar konekti malmultekostan kablan retkonekton al kontenerŝipo estas sufiĉe problema, sendi grandajn volumojn de krudaj datumoj al centra servilo estas tro multekosta. La centra servilo BullSequana S200 kalkulas la ĝeneralan logikan modelon de la ŝipo, dum datumtraktado kaj rekta kontrolo estas delegitaj al loka servilo. Rezulte, la efektivigo de ĉi tiu sistemo repagis sin ene de tri monatoj.
Randa komputado por ŝpari rimedojn
Alia ekzemplo de randkomputiko estas videoanalitiko. Ekzemple, ĉe Air Liquide, fabrikanto de industriaj gasekipaĵoj, unu el la lokaj taskoj en la produktadciklo estas kvalito-kontrolo de farbo-finpoluroj de gasboteloj. Ĉi tio estis plenumita mane kaj daŭris ĉirkaŭ sep minutojn por ĉiu cilindro.
Por akceli ĉi tiun procezon, la homan funkciigiston anstataŭigis unuo de sep altdifinaj vidbendaj kameraoj. La kameraoj filmas la cilindron el pluraj anguloj, generante proksimume 1 GB da video minute. La video estas sendita al la servilo BullSequana Edge kun Nvidia T4 enkonstruita, kie neŭrala reto trejnita por detekti difektojn analizas la fluon interrete. Rezulte, la averaĝa inspekta tempo reduktiĝis de kelkaj minutoj al nur kelkaj sekundoj.
Randa komputado en analitiko
La veturiloj de Disneyland ne estas nur amuzaj; ili ankaŭ estas kompleksaj teknologiaj instalaĵoj. Ekzemple, la onda fervojo estas ekipita per proksimume 800 malsamaj sensiloj. Ili konstante sendas datumojn pri la funkciado de la veturilo al servilo, kiu poste prilaboras ĉi tiujn datumojn, kalkulas la probablecon de paneo de la veturilo, kaj sendas signalon al la centra datencentro.
Surbaze de ĉi tiuj datumoj, la probableco de teknika paneo estas determinita kaj preventa prizorgado estas iniciatita. La veturilo daŭre funkcias ĝis la fino de la labortago, dum riparordono estas eldonita, kaj laboristoj rapide riparas la veturilon dumnokte.
BullSequana Edge
La randaj serviloj de BullSequana estas parto de pli granda infrastrukturo por labori kun grandaj datumoj. Ili jam estis testitaj kun la platformoj Microsoft Azure kaj Siemens MindSphere, VMware WSX, kaj estas atestitaj kiel NVidia NGC/EGX. Ĉi tiuj serviloj estas speciale desegnitaj por randa komputado kaj haveblas en U2-formaj enfermaĵoj kaj en rakaj, DIN-relaj, muraj kaj turaj muntaj opcioj.
La serviloj BullSequana Edge estas konstruitaj sur speciala bazcirkvito kaj procesoro Intel Xeon D-2187NT. Ili subtenas ĝis 512 GB da RAM, du 960 GB SSD-ojn, aŭ du 8- aŭ 14 TB HDD-ojn. Ili ankaŭ povas esti ekipitaj per du 16 GB Nvidia T4 GPU-oj por videoprilaborado; Wi-Fi, LoRaWAN kaj 4G-moduloj; kaj ĝis du 10 Gigabit SFP-moduloj. La serviloj mem venas kun enkonstruita sensilo por malfermi la kovrilon, kiu estas konektita al la BMC, kiu kontrolas la IPMI-modulon. Ĉi tiu sensilo povas esti agordita por aŭtomate malŝalti la potencon kiam la sensilo estas ekigita.
Plenaj teknikaj specifoj de BullSequana Edge-serviloj troveblas ĉe Se vi interesiĝas pri pliaj detaloj, ni ĝoje respondos viajn demandojn en la komentoj.
fonto: www.habr.com
