Saat mengembangkan infrastruktur jaringan, orang biasanya mempertimbangkan komputasi lokal atau komputasi awan. Namun kedua pilihan ini dan kombinasinya hanya sedikit. Misalnya, apa yang harus dilakukan jika Anda tidak dapat menolak komputasi awan, tetapi bandwidth tidak mencukupi atau lalu lintas terlalu mahal?
Tambahkan perantara yang akan melakukan sebagian penghitungan di tepi jaringan lokal atau proses produksi. Konsep edge ini disebut Edge Computing. Konsep ini melengkapi model penggunaan data cloud saat ini, dan dalam artikel ini kita akan melihat perangkat keras yang diperlukan dan contoh tugas untuknya.
Tingkat komputasi tepi
Katakanlah Anda mempunyai banyak sensor yang terpasang di rumah: termometer, higrometer, sensor cahaya, sensor kebocoran, dan sebagainya. Pengontrol logis memproses informasi yang diterima dari mereka, mengimplementasikan skenario otomatisasi, mengeluarkan telemetri yang diproses ke layanan cloud dan menerima skenario otomatisasi yang diperbarui dan firmware baru darinya. Dengan demikian, komputasi lokal dilakukan langsung di lokasi, namun peralatan dikendalikan dari sebuah node yang menggabungkan banyak perangkat tersebut.
Ini adalah contoh sistem komputasi tepi yang sangat sederhana, namun sudah menunjukkan ketiga tingkat komputasi tepi:
- Perangkat IoT: menghasilkan βdata mentahβ dan mengirimkannya melalui berbagai protokol.
- Node tepi: Memproses data di dekat sumber informasi dan bertindak sebagai penyimpan data sementara.
- Layanan cloud: menawarkan fungsi manajemen untuk perangkat periferal dan IoT, melakukan penyimpanan dan analisis data jangka panjang. Selain itu, mereka mendukung integrasi dengan sistem perusahaan lainnya.
Konsep Edge computing sendiri merupakan bagian dari ekosistem besar yang mengoptimalkan proses teknologi. Ini mencakup perangkat keras (server rak dan edge), serta bagian jaringan dan perangkat lunak (misalnya, platform untuk mengembangkan algoritma AI). Karena kemacetan dapat timbul selama pembuatan, transmisi, dan pemrosesan data besar serta membatasi kinerja keseluruhan sistem, bagian-bagian ini harus kompatibel satu sama lain.
Fitur server tepi
Pada tingkat node tepi, Edge Computing menggunakan server tepi yang ditempatkan langsung di tempat informasi dihasilkan. Biasanya ini adalah tempat produksi atau teknis di mana tidak mungkin memasang rak server dan memastikan kebersihannya. Oleh karena itu, server edge ditempatkan dalam wadah yang kompak, tahan debu dan lembab dengan rentang suhu yang luas; tidak dapat ditempatkan di rak. Ya, server seperti itu dapat dengan mudah digantung pada jangkar pita dua sisi di suatu tempat di bawah tangga atau di ruang utilitas.
Karena server edge dipasang di luar pusat data yang aman, mereka memiliki persyaratan keamanan fisik yang lebih tinggi. Wadah pelindung disediakan untuk mereka:
Pada tingkat pemrosesan data, server edge menyediakan enkripsi disk dan booting yang aman. Enkripsi sendiri menghabiskan 2-3% daya komputasi, tetapi server edge biasanya menggunakan prosesor Xeon D dengan modul akselerasi AES bawaan, yang meminimalkan kehilangan daya.
Kapan Menggunakan Server Edge
Dengan Edge Computing, pusat data hanya menerima pemrosesan data yang tidak mungkin atau tidak rasional untuk diproses dengan cara lain apa pun. Jadi, server edge digunakan saat diperlukan:
- Pendekatan keamanan yang fleksibel, karena dalam kasus Edge Computing Anda dapat mengonfigurasi transfer informasi yang telah diproses dan disiapkan sebelumnya ke pusat data pusat;
- Perlindungan terhadap kehilangan informasi, karena jika komunikasi dengan pusat terputus, node lokal akan mengumpulkan informasi;
- Penghematan lalu lintas dicapai dengan memproses sebagian besar informasi di situs.
Komputasi tepi untuk menghemat lalu lintas
Perusahaan Denmark Maersk, salah satu pemimpin transportasi kargo laut di dunia, telah memutuskan untuk mengurangi konsumsi bahan bakar kapalnya dan mengurangi emisi polutan ke atmosfer.
Teknologi digunakan untuk mengatasi masalah ini , sensor pada mesin dan komponen utama kapal, serta server BullSequana Edge lokal untuk komputasi di tempat.
Berkat sensor, sistem EcoMain Suite terus memantau kondisi komponen penting kapal dan penyimpangannya dari norma yang telah dihitung sebelumnya. Hal ini memungkinkan Anda mendiagnosis kesalahan dengan cepat dan melokalisasikannya ke node masalah. Karena telemetri terus-menerus dikirimkan "ke pusat", teknisi servis dapat melakukan analisis dari jarak jauh dan membuat rekomendasi kepada kru di pesawat. Dan pertanyaan utamanya di sini adalah berapa banyak data dan berapa volume yang akan ditransfer ke pusat data pusat.
Karena menghubungkan Internet kabel murah ke kapal kontainer laut sangat bermasalah, mentransfer data mentah dalam jumlah besar ke server pusat terlalu mahal. Di server pusat BullSequana S200, keseluruhan model logis kapal dihitung, dan pemrosesan data serta kontrol langsung ditransfer ke server lokal. Hasilnya, penerapan sistem ini membuahkan hasil dalam waktu tiga bulan.
Komputasi tepi untuk menghemat sumber daya
Contoh lain dari komputasi tepi adalah analisis video. Jadi, bagi produsen peralatan gas teknis Air Liquide, salah satu tugas lokal dari siklus produksi adalah pengendalian kualitas pengecatan tabung gas. Itu dilakukan secara manual dan memakan waktu sekitar 7 menit per silinder.
Untuk mempercepat proses ini, orang tersebut diganti dengan blok 7 kamera video definisi tinggi. Kamera memfilmkan balon dari beberapa sisi, menghasilkan sekitar 1 GB video per menit. Video dikirim ke server BullSequana Edge dengan Nvidia T4 terpasang, tempat jaringan saraf yang dilatih untuk mencari cacat menganalisis streaming secara online. Hasilnya, waktu pemeriksaan rata-rata berkurang dari beberapa menit menjadi beberapa detik.
Komputasi tepi dalam analitik
Wahana di Disneyland tidak hanya menyenangkan, tetapi juga objek teknisnya rumit. Dengan demikian, sekitar 800 sensor berbeda dipasang di βRoller Coasterβ. Mereka terus-menerus mengirimkan data tentang pengoperasian atraksi ke server, dan server lokal memproses data ini, menghitung kemungkinan kegagalan atraksi, dan mengirimkan sinyal ini ke pusat data pusat.
Berdasarkan data ini, kemungkinan kegagalan teknis ditentukan dan perbaikan preventif diluncurkan. Atraksi tersebut tetap beroperasi hingga akhir hari kerja, sementara itu perintah perbaikan telah dikeluarkan, dan para pekerja segera memperbaiki atraksi tersebut pada malam hari.
Tepi BantengSequana
Server BullSequana Edge adalah bagian dari infrastruktur besar untuk bekerja dengan βdata besarβ; server tersebut telah diuji dengan platform Microsoft Azure dan Siemens MindSphere, VMware WSX dan memiliki sertifikat NVidia NGC/EGX. Server-server ini dirancang khusus untuk komputasi edge dan tersedia dalam sasis faktor bentuk U2 dalam opsi rak standar, rel DIN, pemasangan di dinding dan menara.
BullSequana Edge dibangun di atas motherboard berpemilik dan prosesor Intel Xeon D-2187NT. Mereka mendukung pemasangan RAM hingga 512 GB, 2 SSD 960 GB, atau 2 HDD 8 atau 14 TB. Mereka juga dapat memasang 2 GPU Nvidia T4 16 GB untuk pemrosesan video; Modul Wi-fi, LoRaWAN dan 4G; hingga 2 modul SFP 10-Gigabit. Servernya sendiri sudah terpasang sensor pembuka penutup yang terhubung dengan BMC yang mengontrol modul IPMI. Ini dapat dikonfigurasi untuk mematikan daya secara otomatis ketika sensor dipicu.
Spesifikasi teknis lengkap untuk server BullSequana Edge dapat ditemukan di . Jika Anda tertarik dengan detailnya, kami akan dengan senang hati menjawab pertanyaan kami di komentar.
Sumber: www.habr.com