Turing Pi - تخته خوشه ای برای برنامه ها و خدمات خود میزبان

Turing Pi راه حلی برای برنامه های کاربردی خود میزبانی است که بر اساس اصل رک در یک مرکز داده، تنها بر روی یک مادربرد جمع و جور ساخته شده است. این راه حل بر ایجاد یک زیرساخت محلی برای توسعه محلی و میزبانی برنامه ها و خدمات متمرکز است. به طور کلی، مانند AWS EC2 فقط برای لبه است.

ما، تیم کوچکی از توسعه دهندگان، تصمیم گرفتیم راه حلی برای ساخت خوشه های فلزی خالی در لبه ایجاد کنیم و پروژه را Turing Pi نامیدیم. این محصول به عنوان یک پروژه اولیه شروع شد، اما اکنون، برای آزمایش مفاهیم آنها، توسط بخش‌های توسعه Red Hat، Rancher (SUSE)، Toyota Connected، Sony، Electrolux، Facebook سفارش داده شده است و مخاطبان توسعه دهندگان زیر 10K هستند. در حال استخدام شدن

اما همه چیز با این کشف شروع شد.

کشف محصول

روزی روزگاری کشف کردم که ما هیچ چیز را اختراع نمی کنیم. ما همه چیزهایی را که در این دنیا وجود دارد کشف می کنیم. ما متوجه می شویم که می توان برخی از قطعات را با هم ترکیب کرد و خواص جدیدی از محصولات به دست آورد، یا قوانینی را کشف کرده و دوباره آنها را با هم ترکیب می کنیم. شما نمی توانید به چیزی برسید، اما می توانید آن را در طول تحقیق کشف کنید. به نظر من یک اختراع نتیجه مشاهده و آزمایش و جستجوی مداوم + ترکیبی از دانش است.

در طول دهه گذشته، من شاهد شتاب گرفتن جنبش آماتور خانگی (منبع subredditخود میزبانی (منابع subreddit и خود میزبان عالیکامپیوترهای تک بردی، با افزایش علاقه به اجرای کانتینرها بر روی کامپیوترهای تک بردی مانند Raspberry Pi، حرکت رو به رشدی برای جمع آوری خوشه های کامپیوترهای تک بردی وجود دارد. ایده Kubernetes به تدریج به آنجا می رود. نسخه سبک وزن آن، k3s، با تمرکز بر Edge/IoT، قبلا ظاهر شده است. فست فود زنجیره ای بزرگ Chick-fil-A یکی از اولین ها در جهان است که خوشه های Kubernetes را در آشپزخانه های خود مستقر کرده است. کوبکتل برام ساندویچ درست کن.

من آن را به عنوان یک گلوله برفی می بینم، زیرا یک فناوری به دور دیگری می پیچد و سیستم پیچیده تری ایجاد می کند. در عین حال، هیچ هرج و مرج وجود ندارد، بیشتر شبیه یک فراکتال از فناوری است. در یکی از لحظات نسبتاً دشوار زندگی برای من، ارزش خوشه‌هایی را دیدم که از رایانه‌های تک بردی توسط توسعه‌دهندگان آماتور جمع‌آوری می‌شوند و شروع به کار روی ایجاد یک تخته خوشه‌ای کردم.

امروزه تابلوی خوشه‌ای ما بسیار ساده است و در درجه اول برای کسانی است که عاشق فناوری‌های بومی ابری هستند، چیزهای جدید یاد می‌گیرند و تجربه می‌کنند.

بلوک های ساختمان

پس چاره چیست، اصل چیست. نکته این است که یک سازنده، بلوک های ساختمانی (Building Blocks) که از طریق آن می توانید زیرساخت های لبه را ارزان تر از سرورهای کلاسیک مونتاژ کنید، موبایل بدون جعبه های فلزی حجیم، بدون نیاز به شرایط عملیاتی خاص مانند اتاق سرور، کارآمد انرژی، از نظر استاندارد. از ماژول ها و با قابلیت مقیاس بندی سریع در بین ده ها و صدها گره محاسباتی (پردازنده).

تخته خوشه

برد Mini ITX چندین ماژول محاسباتی را با استفاده از یک شبکه داخلی متصل می کند، رابط های جانبی و کنترل ماژول ها را فراهم می کند.

ماژول محاسباتی

یک برد در فرم فاکتور SO-DIMM حاوی پردازنده و رم، به صورت اختیاری حافظه فلش برای ذخیره سیستم عامل

یکی از پیکربندی های پیش بینی شده برای Turing V2

با ترکیب یک تخته کلاستر و ماژول‌های محاسباتی، ایجاد زیرساختی برای مثلاً بیش از 20 پردازنده (مثال‌های زیر)، بی‌صدا و با مصرف انرژی کم آسان است. خود تخته کلاستر کارایی حجم مورد استفاده را افزایش می دهد. نمونه هایی از خوشه ها برای مقایسه

مبتنی بر SBC*

24 سی پی یو
ارسال شده توسط افخم عزیز

مبتنی بر تورینگ پای

21 سی پی یو
نویسنده th3st0rmtr00p3r

* SBC - کامپیوتر تک برد

یکی از بنیانگذاران Rancher Labs و نویسنده k3s نسبت به این رویکرد بی تفاوت نبود.

در مورد بلوک های ساختمانی در زیر بیشتر بخوانید.

ماژول محاسباتی

برای اثبات مفهوم، ماژول محاسبه Raspberry Pi را انتخاب کردیم - این پیکربندی ایده‌آل برای شروع است. انجمن RPi فعال است، هیچ مشکلی با نرم افزار وجود ندارد، خود ماژول با فرمت SO-DIMM (6 x 3 سانتی متر)، مقرون به صرفه است، شامل پردازنده 4 هسته ای، 1 گیگابایت رم و حافظه فلش اختیاری است. 8، 16 یا 32 گیگابایت برای سیستم عامل و سایر نیازهای سیستم. این فرم فاکتور اغلب در راه حل های صنعتی اینترنت اشیا استفاده می شود.

ماژول محاسباتی Raspberry Pi 1/3/3+

اما مدل CM3 همچنین دارای محدودیت های جدی است - حداکثر. 1 گیگابایت رم و اترنت از طریق USB HUB با حداکثر سرعت 100 مگابیت بر ثانیه. بنابراین، نسخه دوم تورینگ از Raspberry Pi 4 و حداکثر 8 گیگابایت رم در هر ماژول پشتیبانی می کند. در زیر نمونه ای از ماژول های انویدیا جتسون برای وظایف محاسباتی شتاب داده شده است. شاید آنها در نسخه دوم پشتیبانی شوند، اگر برخی از مشکلات فنی را حل کنیم، می توانیم ماژول ها را مخلوط کنیم.

ماژول های محاسباتی Nvidia Jetson

ماژول ها دارای مهمترین ویژگی هستند که در نگاه اول مشخص نیست. توانایی ایجاد ماژول‌های دیگر در فرم فاکتور مشابه با مجموعه‌ای متفاوت از CPU، RAM و eMMC، برای انواع مختلف وظایف از محاسبات عمومی تا محاسبات فشرده یادگیری ماشین. این بسیار شبیه به نمونه های AWS EC2 است، اما فقط برای لبه. در این حالت تابلوی خوشه بدون تغییر یا با تغییرات جزئی باقی می ماند.

تخته خوشه

همچنین می توان آن را مادربرد یا بورد پایه نامید، یک جهت نسبتاً جدید و امروزه تولید کنندگان زیادی از چنین راه حل هایی وجود ندارد و هنوز کاملاً در سطح ابتدایی هستند، از جمله Pine64، MiniNodes، Clover Pi، Bitscope Blade، PicoCluster (خوشه های SBC ). برد خوشه ماژول ها را با یک شبکه متصل می کند، برق را تامین می کند و یک گذرگاه مدیریت خوشه (Cluster Management Bus) فراهم می کند، حداقل ما تصمیم گرفتیم این گذرگاه را اضافه کنیم و به نظر می رسد ریشه دوانده است.

جلو

پشت

پهنای باند Backplane 12 Gbps
اسلات SD برای ماژول های بدون eMMC، به عنوان مثال، می توانید چند ماژول را با SD برای دسترسی سریع به داده های گره نگه دارید.

برد خوشه بر اساس یک تراشه سوئیچ برای اطمینان از اتصال شبکه ای ماژول ها و دسترسی به یک شبکه خارجی است. در نسخه فعلی ما از سوئیچ مدیریت نشده استفاده می کنیم زیرا زمانی برای انجام تحقیق و توسعه کامل وجود نداشت، اما برای نسخه دوم یک سوئیچ مدیریت شده خوب را انتخاب کردیم. می‌توان آن را در حالت «گره اصلی به‌عنوان روتر» پیکربندی کرد تا شبکه را روی برد توزیع کند؛ این در صورتی است که به سطح بالاتری از امنیت و جداسازی کارگران از دسترسی‌های بیرونی نیاز باشد، در این صورت نیز حفظ آن ضروری است. یک سرور DHCP در گره اصلی.

کاربرد

نسخه فعلی آزمایشی است و ما آن را به عنوان یک راه حل سطح ورودی برای یادگیری اینکه خوشه ها چیست، کار با نرم افزار، یا به عنوان آزمایش فرضیه ها در سازمان ها، جستجوی ایده های جدید، به طور کلی، این یک نسخه Lite است، قرار می دهیم.

برای شروع، مجموعه‌ای از جف گرلینگ فوق‌العاده را توصیه می‌کنیم که در مورد ما در Y Combinator خوانده و نویسنده کتاب پرفروش Ansible برای DevOps است. او آنقدر الهام گرفت که یک بررسی 6 قسمتی انجام داد، از ایده خوشه بندی به طور کلی تا نمونه های عملی کار با برد، مطالعه Kubernetes و نرم افزارهای قابل نصب.

سری در مورد نصب k3 بر روی یک خوشه

به طور کلی، توصیه می کنم از اولی تماشا کنید، به طور کلی در مورد خوشه بندی و Kubernetes به یک زبان قابل دسترس. و چند عکس از جامعه

گام بعدی چیست؟

اول از همه، امیدوارم واقعا جالب بوده باشد. این محتوای کاملاً اصلی است، تلاشی برای نگاه کردن به فراتر از افق. در مرحله دوم، من قصد دارم قسمت دوم را در مورد طراحی Turing V2 بنویسم. نحوه جستجو برای محصول، قضاوت های منطقی، جستجو برای خواص اصلی که مهم هستند. مقاله شامل طرح های محصول از اولین تا نهایی است. مقاله دوم برای دانشمندان محصول که مسئول محصولات و توسعه آنها در شرکت ها هستند، مورد توجه ویژه قرار خواهد گرفت.

و به احتمال زیاد یک خواندن واقعا طولانی خواهد بود.

منبع: www.habr.com