Lors du développement d’une infrastructure réseau, on envisage généralement soit l’informatique locale, soit le cloud computing. Mais ces deux options et leurs combinaisons sont peu nombreuses. Par exemple, que faire si vous ne pouvez pas refuser le cloud computing, mais qu'il n'y a pas assez de bande passante ou que le trafic est trop cher ?
Ajoutez un intermédiaire qui effectuera une partie des calculs en bordure du réseau local ou du processus de production. Ce concept de pointe s’appelle Edge Computing. Le concept complète le modèle actuel d'utilisation des données cloud et, dans cet article, nous examinerons le matériel requis et des exemples de tâches pour celui-ci.
Niveaux de calcul de pointe
Disons que vous avez tout un tas de capteurs installés chez vous : un thermomètre, un hygromètre, un capteur de lumière, un capteur de fuite, etc. Le contrôleur logique traite les informations qu'il reçoit, met en œuvre des scénarios d'automatisation, envoie la télémétrie traitée au service cloud et en reçoit des scénarios d'automatisation mis à jour et un nouveau micrologiciel. Ainsi, le calcul local est effectué directement sur place, mais les équipements sont contrôlés à partir d'un nœud qui regroupe plusieurs de ces appareils.
Il s'agit d'un exemple de système informatique de pointe très simple, mais il montre déjà les trois niveaux de calcul de pointe :
- Appareils IoT : génèrent des « données brutes » et les transmettent via différents protocoles.
- Nœuds Edge : traitez les données à proximité des sources d'informations et agissent comme des magasins de données temporaires.
- Services cloud : offrent des fonctions de gestion pour les appareils périphériques et IoT, effectuent le stockage et l'analyse des données à long terme. De plus, ils prennent en charge l'intégration avec d'autres systèmes d'entreprise.
Le concept d’Edge computing lui-même fait partie d’un vaste écosystème qui optimise le processus technologique. Il comprend à la fois le matériel (serveurs rack et Edge) et les composants réseau et logiciels (par exemple, plate-forme pour développer des algorithmes d’IA). Étant donné que des goulots d'étranglement peuvent survenir lors de la création, de la transmission et du traitement du Big Data et limiter les performances de l'ensemble du système, ces éléments doivent être compatibles les uns avec les autres.
Caractéristiques des serveurs Edge
Au niveau du nœud périphérique, Edge Computing utilise des serveurs périphériques placés directement là où les informations sont produites. Il s'agit généralement de locaux de production ou techniques dans lesquels il est impossible d'installer un rack serveur et d'en assurer la propreté. Ainsi, les serveurs Edge sont hébergés dans des boîtiers compacts, étanches à la poussière et à l'humidité, avec une plage de température étendue ; ils ne peuvent pas être placés dans un rack. Oui, un tel serveur peut facilement être accroché à des ancrages avec du ruban adhésif double face quelque part sous les escaliers ou dans la buanderie.
Étant donné que les serveurs Edge sont installés en dehors des centres de données sécurisés, ils ont des exigences de sécurité physique plus élevées. Des conteneurs de protection leur sont prévus :
Au niveau du traitement des données, les serveurs Edge assurent le chiffrement du disque et le démarrage sécurisé. Le chiffrement lui-même consomme 2 à 3 % de la puissance de calcul, mais les serveurs Edge utilisent généralement des processeurs Xeon D avec module d'accélération AES intégré, ce qui minimise les pertes de puissance.
Quand utiliser les serveurs Edge
Avec Edge Computing, le centre de données ne reçoit pour traitement que les données qu'il est impossible ou irrationnel de traiter d'une autre manière. Ainsi, les serveurs Edge sont utilisés lorsque cela est nécessaire :
- Approche flexible de la sécurité, puisque dans le cas de Edge Computing, vous pouvez configurer le transfert d'informations prétraitées et préparées vers le centre de données central ;
- Protection contre la perte d'informations, car si la communication avec le centre est perdue, les nœuds locaux accumuleront des informations ;
- Les économies de trafic sont réalisées en traitant la majeure partie des informations sur place.
Edge computing pour économiser du trafic
La société danoise Maersk, l'un des leaders mondiaux du transport maritime de marchandises, a décidé de réduire la consommation de carburant de ses navires et de réduire les émissions de polluants dans l'atmosphère.
La technologie a été utilisée pour résoudre ce problème , des capteurs sur les moteurs et les principaux composants du navire, ainsi qu'un serveur local BullSequana Edge pour l'informatique sur site.
Grâce à des capteurs, le système EcoMain Suite surveille en permanence l'état des composants critiques du navire et leur écart par rapport à une norme pré-calculée. Cela vous permet de diagnostiquer rapidement un défaut et de le localiser jusqu'au nœud problématique. La télémétrie étant constamment transmise « au centre », un technicien de service peut effectuer une analyse à distance et faire des recommandations à l'équipage de bord. Et la principale question ici est de savoir quelle quantité de données et dans quel volume transférer vers le centre de données central.
Étant donné que connecter une connexion Internet filaire bon marché à un porte-conteneurs maritimes est très problématique, transférer une grande quantité de données brutes vers un serveur central est trop coûteux. Sur le serveur central BullSequana S200, le modèle logique global du navire est calculé et le traitement des données et le contrôle direct sont transférés au serveur local. En conséquence, la mise en œuvre de ce système a été rentabilisée en trois mois.
Edge computing pour économiser les ressources
L’analyse vidéo est un autre exemple d’informatique de pointe. Ainsi, pour le fabricant d'équipements pour gaz techniques Air Liquide, l'une des tâches locales du cycle de production est le contrôle qualité de la peinture des bouteilles de gaz. Elle était réalisée manuellement et prenait environ 7 minutes par cylindre.
Pour accélérer ce processus, la personne a été remplacée par un bloc de 7 caméras vidéo haute définition. Les caméras filment le ballon de plusieurs côtés, générant environ 1 Go de vidéo par minute. La vidéo est envoyée au serveur BullSequana Edge avec Nvidia T4 à bord, où un réseau neuronal formé à la recherche de défauts analyse le flux en ligne. En conséquence, la durée moyenne d’inspection a été réduite de quelques minutes à plusieurs secondes.
Edge computing dans l'analyse
Les manèges de Disneyland ne sont pas seulement des objets ludiques, mais aussi des objets techniques complexes. Ainsi, environ 800 capteurs différents sont installés sur les « Roller Coaster ». Ils envoient constamment des données sur le fonctionnement de l'attraction au serveur, et le serveur local traite ces données, calcule la probabilité d'échec de l'attraction et le signale au centre de données central.
Sur la base de ces données, la probabilité d'une panne technique est déterminée et des réparations préventives sont lancées. L'attraction continue de fonctionner jusqu'à la fin de la journée de travail, et entre-temps, un ordre de réparation a déjà été émis et les travailleurs réparent rapidement l'attraction la nuit.
BullSequana Edge
Les serveurs BullSequana Edge font partie d'une vaste infrastructure pour travailler avec le « big data » ; ils ont déjà été testés avec les plateformes Microsoft Azure et Siemens MindSphere, VMware WSX et disposent des certificats NVidia NGC/EGX. Ces serveurs sont conçus spécifiquement pour l'informatique de pointe et sont disponibles dans un châssis de facteur de forme U2 dans des options de montage en rack standard, sur rail DIN, au mur et en tour.
BullSequana Edge est construit sur une carte mère propriétaire et un processeur Intel Xeon D-2187NT. Ils prennent en charge l'installation jusqu'à 512 Go de RAM, 2 SSD de 960 Go ou 2 disques durs de 8 ou 14 To. Ils peuvent également installer 2 GPU Nvidia T4 16 Go pour le traitement vidéo ; Modules Wi-Fi, LoRaWAN et 4G ; jusqu'à 2 modules SFP de 10 Gigabit. Les serveurs eux-mêmes disposent déjà d'un capteur d'ouverture de couvercle connecté au BMC qui contrôle le module IPMI. Il peut être configuré pour couper automatiquement l'alimentation lorsqu'un capteur est déclenché.
Les spécifications techniques complètes des serveurs BullSequana Edge sont disponibles sur . Si vous êtes intéressé par des détails, nous serons heureux de répondre à nos questions dans les commentaires.
Source: habr.com