Mini ITX Cluster Turing Pi 2 32 GB ოპერატიული მეხსიერებით

მოგესალმებით ჰაბრის საზოგადოებას! მე ცოტა ხნის წინ დავწერე ჩვენი პირველი ვერსიის კლასტერ დაფის შესახებ [V1]. დღეს კი მინდა გითხრათ, როგორ ვიმუშავეთ ვერსიაზე Turing V2 32 GB-ით მეხსიერება

ჩვენ გვიყვარს მინი სერვერები, რომლებიც შეიძლება გამოყენებულ იქნას როგორც ლოკალური განვითარებისთვის, ასევე ლოკალური ჰოსტინგისთვის. დესკტოპის კომპიუტერებისა და ლეპტოპებისგან განსხვავებით, ჩვენი სერვერები შექმნილია 24/7 სამუშაოდ, მათი სწრაფი ფედერაცია შესაძლებელია, მაგალითად, კლასტერში იყო 4 პროცესორი, ხოლო 5 წუთის შემდეგ იყო 16 პროცესორი (დამატებითი ქსელის აღჭურვილობა არ არის) და ეს ყველაფერი. კომპაქტური ფორმის ფაქტორი ჩუმი და ენერგოეფექტური.

ჩვენი სერვერების არქიტექტურა ეფუძნება კონსტრუქციის კლასტერულ პრინციპს, ე.ი. ვამზადებთ კლასტერულ დაფებს, რომლებიც დაფაზე ეთერნეტის ქსელის გამოყენებით აკავშირებს რამდენიმე გამოთვლით მოდულს (პროცესორს). გამარტივებისთვის, ჩვენ ჯერ არ ვაკეთებთ საკუთარ გამოთვლით მოდულებს, მაგრამ ვიყენებთ Raspberry Pi Compute Modules-ს და ნამდვილად გვქონდა იმედი ახალი CM4 მოდულის. მაგრამ, ყველაფერი გეგმების საწინააღმდეგოდ წავიდა მათი ახალი ფორმის ფაქტორით და ვფიქრობ, ბევრი იმედგაცრუებულია.

ქვემოთ როგორ გადავედით V1-დან V2-მდე და როგორ უნდა გამოვსულიყავით ახალი Raspberry Pi CM4 ფორმის ფაქტორით.

ასე რომ, 7 კვანძისთვის კლასტერის შექმნის შემდეგ ჩნდება კითხვები - რა არის შემდეგი? როგორ გავზარდოთ პროდუქტის ღირებულება? 8, 10 თუ 16 კვანძი? რომელი მოდულის მწარმოებლები? მთლიან პროდუქტზე ფიქრისას მივხვდით, რომ აქ მთავარია არა კვანძების რაოდენობა ან ვინ არის მწარმოებელი, არამედ კლასტერების, როგორც სამშენებლო ბლოკის არსი. ჩვენ უნდა ვეძებოთ მინიმალური სამშენებლო ბლოკი

პირველი, იქნება კლასტერი და ამავდროულად შეძლებს დისკების და გაფართოების დაფების დაკავშირებას. კასეტური ბლოკი უნდა იყოს თვითკმარი საბაზისო კვანძი და გაფართოების ვარიანტების ფართო სპექტრით.

მეორე, რათა მინიმალური კლასტერული ბლოკები ერთმანეთთან იყოს დაკავშირებული უფრო დიდი ზომის კლასტერების აგებით და ისე, რომ ის ეფექტური იყოს ბიუჯეტისა და მასშტაბის სიჩქარის თვალსაზრისით. სკალირების სიჩქარე უნდა იყოს უფრო სწრაფი ვიდრე ჩვეულებრივი კომპიუტერების ქსელთან დაკავშირება და გაცილებით იაფი ვიდრე სერვერის აპარატურა.

მესამე, მინიმალური კლასტერული ერთეულები უნდა იყოს საკმარისად კომპაქტური, მობილური, ენერგოეფექტური, ეკონომიური და არა მომთხოვნი სამუშაო პირობების მიმართ. ეს არის ერთ-ერთი მთავარი განსხვავება სერვერის თაროებისგან და მათთან დაკავშირებული ყველაფრისგან.

დავიწყეთ კვანძების რაოდენობის განსაზღვრით.

კვანძების რაოდენობა

მარტივი ლოგიკური დასკვნებით მივხვდით, რომ 4 კვანძი საუკეთესო ვარიანტია მინიმალური კლასტერული ბლოკისთვის. 1 კვანძი არ არის კლასტერი, 2 კვანძი საკმარისი არ არის (1 ოსტატი 1 მუშაკი, არ არსებობს ბლოკის ფარგლებში მასშტაბის შესაძლებლობა, განსაკუთრებით ჰეტეროგენული ვარიანტებისთვის), 3 კვანძი კარგად გამოიყურება, მაგრამ არა 2-ის სიმძლავრის ჯერადი და მასშტაბირება შიგნით. ბლოკი შეზღუდულია, 6 კვანძს აქვს თითქმის 7 კვანძის ფასი (ჩვენი გამოცდილებით ეს უკვე დიდი ღირებულებაა), 8 ბევრია, არ ჯდება მინი ITX ფორმის ფაქტორში და კიდევ უფრო ძვირი PoC გადაწყვეტა.

ოთხი კვანძი თითო ბლოკად ითვლება ოქროს საშუალოდ:

• ნაკლები მასალა კასეტურ დაფაზე, შესაბამისად, წარმოება იაფია
• 4-ის მრავალჯერადი, სულ 4 ბლოკი იძლევა 16 ფიზიკურ პროცესორს
• სტაბილური წრე 1 ოსტატი და 3 მუშა
• უფრო ჰეტეროგენული ვარიაციები, ზოგადი-გამოთვლითი + დაჩქარებული-გამოთვლითი მოდულები
• mini ITX ფორმის ფაქტორი SSD დისკებით და გაფართოების ბარათებით

გამოთვალეთ მოდულები

მეორე ვერსია დაფუძნებულია CM4-ზე, გვეგონა, რომ გამოვა SODIMM ფორმა ფაქტორით. მაგრამ…
ჩვენ მივიღეთ გადაწყვეტილება, გაგვეკეთებინა SODIMM დედაპლატა და შევკრიბოთ CM4 პირდაპირ მოდულებში, რათა მომხმარებლებს არ მოუწიონ CM4-ზე ფიქრი.

Turing Pi გამოთვლითი მოდული, რომელიც მხარს უჭერს Raspberry Pi CM4-ს

ზოგადად, მოდულების საძიებლად, გაიხსნა გამოთვლითი მოდულების მთელი ბაზარი მცირე მოდულებიდან 128 მბ ოპერატიული მეხსიერებით 8 გბაიტამდე. წინ არის მოდულები 16 GB ოპერატიული მეხსიერებით და მეტი. Cloud მშობლიურ ტექნოლოგიებზე დაფუძნებული edge აპლიკაციების ჰოსტინგისთვის, 1 GB ოპერატიული მეხსიერება უკვე არ არის საკმარისი და 2, 4 და თუნდაც 8 GB ოპერატიული მოდულების ბოლოდროინდელი გამოჩენა ზრდის კარგ ადგილს. მათ განიხილეს ვარიანტები FPGA მოდულებით მანქანური სწავლების აპლიკაციებისთვის, მაგრამ მათი მხარდაჭერა გადაიდო, რადგან პროგრამული ეკოსისტემა არ არის განვითარებული. მოდულის ბაზრის შესწავლისას, ჩვენ გაგვიჩნდა იდეა მოდულების უნივერსალური ინტერფეისის შესაქმნელად, ხოლო V2-ში ვიწყებთ გამოთვლითი მოდულების ინტერფეისის გაერთიანებას. ეს საშუალებას მისცემს V2 ვერსიის მფლობელებს დააკავშირონ სხვა მწარმოებლების მოდულები და აურიონ ისინი კონკრეტული ამოცანებისთვის.

V2 მხარს უჭერს Raspberry Pi 4 Compute Module (CM4) მთელ ხაზს, Lite ვერსიების და 8 GB ოპერატიული მეხსიერების მოდულების ჩათვლით.

Პერიფერია

მოდულების გამყიდველისა და კვანძების რაოდენობის დადგენის შემდეგ, ჩვენ მივუახლოვდით PCI ავტობუსს, რომელზეც განთავსებულია პერიფერიული მოწყობილობები. PCI ავტობუსი არის სტანდარტი პერიფერიული მოწყობილობებისთვის და გვხვდება თითქმის ყველა გამოთვლით მოდულში. ჩვენ გვაქვს რამდენიმე კვანძი და იდეალურ შემთხვევაში, თითოეულ კვანძს უნდა შეეძლოს PCI მოწყობილობების გაზიარება ერთდროულად მოთხოვნის რეჟიმში. მაგალითად, თუ ეს არის ავტობუსთან დაკავშირებული დისკი, მაშინ ის ხელმისაწვდომია ყველა კვანძისთვის. ჩვენ დავიწყეთ PCI კონცენტრატორების ძებნა მრავალ ჰოსტის მხარდაჭერით და აღმოვაჩინეთ, რომ არცერთი მათგანი არ შეესაბამება ჩვენს მოთხოვნებს. ყველა ეს გადაწყვეტა ძირითადად შემოიფარგლებოდა 1 ჰოსტით ან მრავალ ჰოსტით, მაგრამ საბოლოო წერტილების თანმხლები მოთხოვნის რეჟიმის გარეშე. მეორე პრობლემა არის 50$ ან მეტი ჩიპის მაღალი ღირებულება. V2-ში გადავწყვიტეთ გადავდოთ ექსპერიმენტები PCI გადამრთველებით (მათ მოგვიანებით დავუბრუნდებით, როგორც განვავითარებთ) და გავიარეთ თითოეული კვანძისთვის როლის მინიჭების გზა: პირველმა ორმა კვანძმა გამოავლინა მინი PCI ექსპრეს პორტი თითო კვანძზე, მესამე კვანძი გამოფენილი 2-პორტიანი 6 გბ/წმ SATA კონტროლერი. სხვა კვანძებიდან დისკებზე წვდომისთვის შეგიძლიათ გამოიყენოთ ქსელის ფაილური სისტემა კლასტერში. Რატომაც არა?

Sneakpeek

ჩვენ გადავწყვიტეთ გაგვეზიარებინა რამდენიმე ჩანახატი, თუ როგორ განვითარდა მინიმალური კლასტერული ბლოკი დროთა განმავლობაში დისკუსიისა და რეფლექსიის საშუალებით.

შედეგად, მივედით კლასტერულ ერთეულამდე 4 260-პინიანი კვანძით, 2 მინი PCIe (Gen 2) პორტით, 2 SATA (Gen 3) პორტით. დაფას აქვს Layer-2 Managed Switch VLAN მხარდაჭერით. პირველი კვანძიდან ამოღებულია მინი PCIe პორტი, რომელშიც შეგიძლიათ დააინსტალიროთ ქსელის ბარათი და მიიღოთ სხვა Ethernet პორტი ან 5G მოდემი და გააკეთოთ როუტერი ქსელისთვის კლასტერზე და Ethernet პორტები პირველი კვანძიდან.

კლასტერ ავტობუსს აქვს მეტი ფუნქციები, მათ შორის მოდულების პირდაპირ ჩართვის შესაძლებლობა ყველა სლოტში და რა თქმა უნდა FAN კონექტორები თითოეულ კვანძზე სიჩქარის კონტროლით.

განაცხადის

Edge ინფრასტრუქტურა თვითმმართველობის აპლიკაციებისა და სერვისებისთვის

ჩვენ დავაპროექტეთ V2, რომ იყოს მინიმალური სამშენებლო ბლოკი სამომხმარებლო/კომერციული დონის ინფრასტრუქტურისთვის. V2-ით იაფია წამოიწყოთ კონცეფციის მტკიცებულება და მასშტაბები ზრდასთან ერთად, ეტაპობრივად გადაიტანოთ აპლიკაციები, რომლებიც უფრო ეკონომიური და პრაქტიკული არიან, რათა განთავსდეს საზღვრებში. კასეტური ბლოკები შეიძლება ერთმანეთთან იყოს დაკავშირებული უფრო დიდი კლასტერების შესაქმნელად. ეს შეიძლება გაკეთდეს თანდათანობით, დიდი რისკის გარეშე
პროცესები. უკვე დღეს არის უამრავი განაცხადი ბიზნესისთვის, რომლის ჰოსტინგი შესაძლებელია ადგილობრივად.

ARM სამუშაო სადგური

32 გბ-მდე ოპერატიული მეხსიერებით თითო კლასტერზე, პირველი კვანძი შეიძლება გამოყენებულ იქნას ოპერაციული სისტემის დესკტოპის ვერსიისთვის (მაგალითად, Ubuntu Desktop 20.04 LTS) და დანარჩენი 3 კვანძი ამოცანების შედგენის, ტესტირებისა და გამართვისთვის, ARM-ისთვის ღრუბლოვანი გადაწყვეტილებების შემუშავებისთვის. მტევანი. როგორც კვანძი CI / CD-სთვის ARM კიდეების ინფრასტრუქტურაზე პროდ.

Turing V2 კლასტერი CM4 მოდულებით არქიტექტურულად თითქმის იდენტურია (განსხვავება ARMv8-ის მცირე ვერსიებში) AWS Graviton ინსტანციებზე დაფუძნებული კლასტერი. CM4 მოდულის პროცესორი იყენებს ARMv8 არქიტექტურას, ასე რომ თქვენ შეგიძლიათ შექმნათ სურათები და აპლიკაციები AWS Graviton 1 და 2 ინსტანციებისთვის, რომლებიც ცნობილია, რომ გაცილებით იაფია ვიდრე x86 ინსტანციები.

წყარო: www.habr.com