A hálózati infrastruktúra tervezése során általában vagy helyi számításokat, vagy felhőalapú megoldásokat vesznek figyelembe. De ezek a két lehetőség és azok kombinációi nem elégségesek. Például, mi a teendő, ha elkerülhetetlen a felhőalapú számítások használata, de a sávszélesség nem elegendő vagy a forgalom túl drága?
Hozzáadunk egy köztes elemet, amely a helyi hálózaton vagy a gyártási folyamat határán egy részét a számításoknak elvégzi. Ezt a perifériás koncepciót Edge Computing-nak, azaz 'határ menti számításoknak' hívják. A koncepció kiegészíti a meglévő felhőalapú adathasználati modellt, és ebben a cikkben megvizsgáljuk a szükséges hardvereket és példákat a feladatokhoz.
Edge computing szintek
Tegyük fel, hogy otthon számos érzékelő van telepítve: hőmérő, higrométer, világításszenzor, szivárgásérzékelő és egyebek. A logikai vezérlő feldolgozza az ezektől érkező információk, megvalósítja az automatizálási forgatókönyveket, elküldi az feldolgozott telemetriát a felhőszolgáltatásnak, és tőle megkapja az aktualizált automatizálási forgatókönyveket és új firmware-eket. Így a helyszínen hajtanak végre helyi számításokat, de a berendezéseket egy csomópont irányítja, ami számos ilyen eszközt egyesít.
Ez egy nagyon egyszerű határ menti számítási rendszer példája, de már ebből is látszik mindhárom edge computing szint.
- IoT-eszközök: 'nyers adatokat' generálnak, és különböző protokollokon keresztül átadják őket.
- Perifériás csomópontok: az információforrások közelében dolgozzák fel az adatokat, és ideiglenes adattárolóként működnek.
- Felhőszolgáltatások: menedzsment funkciókat kínálnak a perifériás és IoT-eszközök számára, hosszú távú tárolást és adat-analízist végeznek. Ezen kívül integrációt támogatnak más vállalati rendszerekkel.
Az Edge computing koncepció valójában egy nagy ökoszisztéma része, amely optimalizálja a technológiai folyamatokat. Magában foglalja a hardveres (kiszolgálók és határ menti szerverek), hálózati és szoftveres elemeket (például a az AI algoritmusok fejlesztéséhez). Mivel a 'squeeze point' a 'big data' létrehozásakor, átvitelénél és feldolgozásánál alakítható ki, és korlátozhatja az egész rendszer teljesítményét, ezeknek az elemeknek összhangban kell lenniük egymással.
Határok szerverek jellemzői
A peremcsomópontok szintjén az Edge Computing keretében határok szervereket használnak, amelyeket közvetlenül az adatok keletkezésének helyén helyeznek el. Ezek általában termelői vagy műszaki helyiségek, ahol nem lehet szerver szekrényt elhelyezni és a tisztaságot biztosítani. Így a határok szerverek tömör, por- és nedvességálló házban készülnek, széles hőmérsékleti tartománnyal, és nem helyezhetők el szekrényben. Igen, egy ilyen szerver nyugodtan lóghat kétoldalas ragasztóval valahol a lépcső alatt vagy a raktárban.
Mivel a határok szervereket nem védett adatközpontokban helyezik el, magasabb a fizikai biztonság követelménye. Számukra védőkonténereket terveznek:
Az adatokkal való munkavégzés szintjén a határok szerverekben titkosítás van előirányozva a lemezeken és biztonságos rendszerindítás. A titkosítás 2-3%-kal csökkenti a számítási kapacitást, de a határok szerverekben általában Xeon D processzorokat használnak beépített AES gyorsítómodullal, amely minimalizálja a teljesítményvesztést.
Mikor alkalmazzák a határok szervereket
Edge Computing során csak azok az adatok érkeznek a központi adatközpontba feldolgozásra, amelyeket nem lehet vagy nem érdemes más módon feldolgozni. Így a határok szervereket akkor használják, amikor szükséges:
- Rugalmas megközelítés a biztonságra, mivel az Edge Computing esetén a központi adatközpontba előre feldolgozott és előkészített információk továbbítását lehet beállítani;
- Információveszteség elleni védelem, mivel a helyi csomópontok az információt felhalmozzák, ha a kapcsolat megszakad a központtal;
- Költségmegtakarítás a forgalmon, ami a fő információs halmaz helyszíni feldolgozásával érhető el.
Edge computing a forgalom megtakarításáért
A dán Maersk társaság – a világ egyik vezető tengeri áruszállítója – úgy döntött, hogy csökkenti a hajóinak üzemanyag-fogyasztását és csökkenti a légszennyező anyagok kibocsátását.
A probléma megoldására a következő technológiát használták , motorok és a hajó főbb csomópontjain elhelyezett érzékelőkkel, valamint egy helyi BullSequana Edge szerverrel a "helyszíni" számításokhoz.
Az EcoMain Suite érzékelőinek köszönhetően a rendszer folyamatosan figyeli a hajó kritikus pontjainak állapotát és azok eltérését a korábban kiszámított normától. Ez lehetővé teszi a hibák gyors diagnosztizálását és a problémás pontok lokalizálását. Mivel a telemetria folyamatosan továbbítódik a központba, a szerviztechnikus távolról elemezheti az adatokat, és javaslatokat tehet a fedélzeti csapatnak. A legfontosabb kérdés itt, hogy mennyi adatot és milyen terjedelemben kell továbbítani a központi adatközpontba.
Mivel az olcsó vezetékes internet csatlakoztatása tengeri konténerhajóra meglehetősen problémás, a nagy mennyiségű nyers adat átvitele a központi szerverre túl drága. A BullSequana S200 központi szerverén a hajó általános logikai modellje kerül kiszámításra, míg az adatfeldolgozás és a közvetlen irányítás a helyi szerverre van bízva. Ennek eredményeként a rendszer bevezetése három hónap alatt megtérült.
Edge computing az erőforrások megtakarításáért
Egy másik példa a határ menti számításokra a videóanalitika. Így az Air Liquide technikai gázipari berendezéseinek gyártója számára a gyártási ciklus helyi feladatai közé tartozik a gázpalackok festésének minőségi ellenőrzése. Ez manuálisan történt, és egy palackra körülbelül 7 percet vett igénybe.
A folyamat felgyorsítása érdekében az embert egy 7 darab magas felbontású kamerából álló blokk váltotta fel. A kamerák több oldalról rögzítik a palackot, körülbelül 1 GB videót generálva percenként. A videó a fedélzeti BullSequana Edge szerverre kerül, amelyen egy Nvidia T4 található, ahol egy, a hibák keresésére betanított neurális hálózat online elemzi a streaminget. Ennek eredményeként az ellenőrzési idő átlagosan néhány percről néhány másodpercre csökkent.
Edge computing az analitikában
A Disneyland attrakciói nem csupán szórakozás, hanem bonyolult műszaki objektumok is. Például az 'Amerikai hegyen' körülbelül 800 különböző érzékelő van telepítve. Ezek folyamatosan továbbítanak adatokat az attrakció működéséről a szerverre, míg a helyi szerver feldolgozza ezeket az adatokat, kiszámítva az attrakció meghibásodásának valószínűségét, és erről jelez a központi adatközpontba.
Ezekből az adatokból meghatározható a technikai meghibásodás valószínűsége, és elindul a megelőző karbantartás. A berendezés a munkanap végéig működik, közben elkészült a karbantartási megrendelés, és a munkások éjjel gyorsan elvégzik a javítást.
BullSequana Edge
A BullSequana Edge szerverek egy nagy adatkezeléshez szükséges infrastruktúra részei, már tesztelték a Microsoft Azure és Siemens MindSphere, VMware WSX platformokkal, és NVidia NGC/EGX tanúsítvánnyal rendelkeznek. Ezeket a szervereket különösen a határon történő számításhoz tervezték, U2 formátumú házban kaphatók, amely lehetővé teszi, hogy standard rackbe, DIN sínre, falra vagy padlóra telepítsék őket.
A BullSequana Edge szerverek saját fejlesztésű alaplapra és Intel Xeon D-2187NT processzorra épülnek. Támogatják a 512 GB RAM telepítését, 2 SSD-t 960 GB-ra vagy 2 HDD-t 8 vagy 14 TB-ra. Ezenkívül 2 GPU Nvidia T4 16 GB telepíthető videófeldolgozáshoz; Wi-Fi, LoRaWAN és 4G modulok; akár 2 darab 10 gigabites SFP modul. A szerverekben már van egy fedél nyitására érzékelő, amely csatlakozik a BMC-hez, amely az IPMI modul vezérlője. Beállítható, hogy automatikusan kikapcsolja az áramellátást, ha az érzékelő érzékel.
A BullSequana Edge szerverek teljes műszaki adatai itt találhatók . Ha érdeklik a részletek, szívesen válaszolunk kérdéseikre a megjegyzésekben.
Forrás: habr.com
