エッジサーバーがどこでどのように使用されるか

ネットワーク インフラストラクチャを開発するときは、通常、ローカル コンピューティングかクラウド コンピューティングのいずれかを検討します。 ただし、これら XNUMX つのオプションとその組み合わせは少数です。 たとえば、クラウド コンピューティングを拒否できないが、十分な帯域幅がない、またはトラフィックが高すぎる場合はどうすればよいでしょうか。

ローカル ネットワークまたは実稼働プロセスのエッジで計算の一部を実行する中間プログラムを追加します。 このエッジの概念はエッジ コンピューティングと呼ばれます。 この概念は現在のクラウド データ使用モデルを補完するものであり、この記事では必要なハードウェアとそれに必要なタスクの例を見ていきます。

エッジコンピューティングのレベル

自宅に温度計、湿度計、光センサー、漏れセンサーなど、たくさんのセンサーが設置されているとします。 論理コントローラーは、論理コントローラーから受け取った情報を処理し、自動化シナリオを実装し、処理されたテレメトリをクラウド サービスに発行し、そこから更新された自動化シナリオと新しいファームウェアを受け取ります。 このように、ローカルコンピューティングは現場で直接実行されますが、機器はそのようなデバイスを多数組み合わせたノードから制御されます。 

これは非常に単純なエッジ コンピューティング システムの例ですが、エッジ コンピューティングの XNUMX つのレベルすべてがすでに示されています。

• IoT デバイス: 「生データ」を生成し、それをさまざまなプロトコル経由で送信します。 
• エッジ ノード: 情報ソースの近くでデータを処理し、一時的なデータ ストアとして機能します。
• クラウド サービス: 周辺機器と IoT デバイスの両方の管理機能を提供し、データの長期保存と分析を実行します。 さらに、他の企業システムとの統合もサポートします。 

エッジ コンピューティングの概念自体は、技術プロセスを最適化する大規模なエコシステムの一部です。 これには、ハードウェア (ラック サーバーおよびエッジ サーバー)、ネットワークおよびソフトウェア部分 (プラットフォームなど) の両方が含まれます。 コーデックス AI スイート AIアルゴリズムの開発用）。 ビッグデータの作成、送信、処理中にボトルネックが発生し、システム全体のパフォーマンスが制限される可能性があるため、これらの部分には互換性がなければなりません。

エッジサーバーの特徴

エッジ ノード レベルでは、エッジ コンピューティングは、情報が生成される場所に直接配置されるエッジ サーバーを使用します。 通常、これらは生産施設または技術施設であり、サーバー ラックを設置して清浄度を確保することが不可能です。 このため、エッジサーバーは、ラックに設置することができず、温度範囲が広く、防塵・防湿性の高いコンパクトなケースに収納されています。 はい、このようなサーバーは、階段の下やユーティリティ ルームのどこかに両面テープ アンカーで簡単に吊るすことができます。

エッジ サーバーは安全なデータ センターの外部に設置されるため、より高い物理的セキュリティ要件が求められます。 それらのために保護コンテナが提供されています。

データ処理レベルでは、エッジ サーバーはディスク暗号化とセキュア ブートを提供します。 暗号化自体は計算能力の 2 ～ 3% を消費しますが、エッジ サーバーは通常、電力損失を最小限に抑える AES アクセラレーション モジュールを内蔵した Xeon D プロセッサを使用します。

エッジサーバーを使用する場合

エッジ コンピューティングを使用すると、データ センターは、他の方法では処理することが不可能または不合理なデータのみを受け取り、処理します。 したがって、エッジ サーバーは必要に応じて使用されます。

• エッジ コンピューティングの場合、前処理および準備された情報を中央データ センターに転送するように構成できるため、セキュリティに対する柔軟なアプローチが可能です。 
• センターとの通信が失われるとローカルノードに情報が蓄積されるため、情報損失に対する保護。 
• 大量の情報をサイトで処理することでトラフィックを節約できます。 

トラフィックを節約するエッジコンピューティング

世界の海上貨物輸送のリーダー企業の XNUMX つであるデンマークのマースク社は、船舶の燃料消費量を削減し、大気中への汚染物質の排出を削減することを決定しました。 

この問題を解決するためにテクノロジーが使用されました シーメンス エコメイン スイート、船のエンジンと主要コンポーネントにあるセンサー、およびオンサイト コンピューティング用のローカル BullSequana Edge サーバー。 

EcoMain Suite システムは、センサーのおかげで、船舶の重要なコンポーネントの状態と、事前に計算された基準からの逸脱を常に監視します。 これにより、障害を迅速に診断し、問題のノードまで原因を突き止めることができます。 テレメトリは常に「センター」に送信されるため、サービス技術者はリモートで分析を実行し、乗務員に推奨事項を提示できます。 ここでの主な問題は、どのくらいの量のデータを中央データセンターに転送するかということです。 

安価な有線インターネットを海上コンテナ船に接続するのは非常に問題があるため、大量の生データを中央サーバーに転送するのはコストがかかりすぎます。 中央の BullSequana S200 サーバー上で、船舶の全体的な論理モデルが計算され、データ処理と直接制御がローカル サーバーに転送されます。 結果として、このシステムの導入は XNUMX か月で元が取れました。

エッジコンピューティングによるリソースの節約

エッジ コンピューティングのもう 7 つの例は、ビデオ分析です。 したがって、工業用ガス用機器のメーカーであるエア・リキードにとって、生産サイクルのローカルタスクの XNUMX つは、ガスシリンダーの塗装の品質管理です。 これは手動で行われ、シリンダーごとに約 XNUMX 分かかりました。

このプロセスをスピードアップするために、その人物は 7 台の高解像度ビデオ カメラのブロックに置き換えられました。 カメラは気球をいくつかの側面から撮影し、1 分あたり約 4 GB のビデオを生成します。 ビデオは Nvidia TXNUMX を搭載した BullSequana Edge サーバーに送信され、そこで欠陥を検索するように訓練されたニューラル ネットワークがストリームをオンラインで分析します。 その結果、平均検査時間は数分から数秒に短縮されました。

分析におけるエッジ コンピューティング

ディズニーランドの乗り物は楽しいだけでなく、複雑な技術的なものでもあります。 このように、「ジェットコースター」には約800種類のセンサーが搭載されています。 アトラクションの運行に関するデータは常にサーバーに送信され、ローカル サーバーはこのデータを処理してアトラクションが失敗する確率を計算し、中央データ センターに信号を送ります。 

このデータに基づいて、技術的障害の確率が判断され、予防修理が開始されます。 アトラクションは営業終了まで営業を続けますが、その間にすでに修理命令が出ており、作業員が夜間にアトラクションを急いで修理しています。 

ブルセクアナエッジ 

BullSequana Edge サーバーは、「ビッグ データ」を扱うための大規模なインフラストラクチャの一部であり、Microsoft Azure および Siemens MindSphere プラットフォーム、VMware WSX ですでにテストされており、NVidia NGC/EGX 証明書を備えています。 これらのサーバーはエッジ コンピューティング専用に設計されており、標準ラック、DIN レール、壁面およびタワー マウント オプションの U2 フォーム ファクター シャーシで利用できます。 

BullSequana Edge は、独自のマザーボードと Intel Xeon D-2187NT プロセッサ上に構築されています。 最大 512 GB の RAM、2 GB の SSD 960 台、または 2 TB または 8 TB の HDD 14 台のインストールをサポートします。 ビデオ処理用に 2 つの Nvidia T4 16 GB GPU をインストールすることもできます。 Wi-fi、LoRaWAN、および 4G モジュール。 最大 2 つの 10 ギガビット SFP モジュール。 サーバー自体にはすでに蓋開閉センサーが取り付けられており、IPMI モジュールを制御する BMC に接続されています。 センサーが反応したときに自動的に電源をオフにするように設定できます。 

BullSequana Edge サーバーの完全な技術仕様は、次の場所で参照できます。 リンク。 詳細にご興味がございましたら、コメント欄でご質問にお答えいたします。

出所： habr.com