Bij het ontwikkelen van netwerkinfrastructuur worden meestal zowel lokale berekeningen als cloudoplossingen overwogen. Maar deze twee opties en hun combinaties zijn beperkt. Wat te doen als je niet zonder cloud computing kunt, maar de bandbreedte onvoldoende is of het verkeer te duur is?
Voeg een tussenliggende schakel toe die een deel van de berekeningen aan de rand van het lokale netwerk of productieproces uitvoert. Dit perifere concept wordt Edge Computing genoemd. Het concept aanvult het huidige cloudmodel voor datagebruik, en in dit artikel zullen we de benodigde apparatuur en voorbeelden van toepassingen bekijken.
Niveaus van edge computing
Stel je voor dat je thuis een heleboel sensoren hebt: een thermometer, hygrometer, lichtsensor, lekdetectie en meer. Een logisch controlemechanisme verwerkt de informatie die van hen komt, implementeert automatiseringsscenarios, biedt de verwerkte telemetrie aan de cloudservice en ontvangt van hen bijgewerkte automatiseringsscenarios en nieuwe firmware. Zo worden lokale berekeningen direct ter plaatse uitgevoerd, maar de apparatuur wordt beheerd vanuit een knooppunt dat vele van dergelijke apparaten verbindt.
Dit is een voorbeeld van een zeer eenvoudig edge computing-systeem, maar het toont alledrie de niveaus van edge computing:
- IoT-apparaten: genereren ‘rauwe data’ en verzenden deze via verschillende protocollen.
- Perifere knooppunten: verwerken gegevens in de directe nabijheid van de informatiebronnen en fungeren als tijdelijke datopslag.
- Cloudservices: bieden beheersfunctionaliteiten voor zowel perifere als IoT-apparaten, voeren langdurige opslag en data-analyse uit. Bovendien ondersteunen ze integratie met andere bedrijfssystemen.
Het concept Edge computing zelf is een onderdeel van een groter ecosysteem dat het technologisch proces optimaliseert. Het omvat zowel hardware (rack- en randservers) als netwerk- en softwarecomponenten (bijvoorbeeld het platform voor de ontwikkeling van AI-algoritmen). Aangezien een 'flessenhals' kan ontstaan bij het creëren, overdragen en verwerken van 'big data' en de prestaties van het gehele systeem kan beperken, moeten deze onderdelen compatibel zijn met elkaar.
Kenmerken van randservers
Op het niveau van randnodes in Edge Computing worden randservers gebruikt, die daar worden geplaatst waar de informatie wordt geproduceerd. Dit zijn meestal productie- of technische ruimtes waar geen serverrack kan worden geïnstalleerd en waar hygiëne niet kan worden gegarandeerd. Daarom worden randservers geleverd in compacte stof- en vochtbestendige behuizingen met een uitgebreid temperatuurbereik, en ze kunnen niet in een rack worden geplaatst. Ja, een dergelijke server kan gerust aan dubbelzijdige tape of ankers ergens onder de trap of in een opslagruimte hangen.
Aangezien randservers buiten beveiligde datacenters worden geplaatst, zijn hun eisen aan fysieke veiligheid hoger. Voor hen worden beschermende containers voorzien:
Op het niveau van dataverwerking in randservers is schijfversleuteling en veilige opstart voorzien. De versleuteling zelf verbruikt 2-3% van de rekenkracht, maar in randservers worden meestal Xeon D-processors met een geïntegreerde AES-versnelling gebruikt, die de vermogensverliezen minimaliseren.
Wanneer randservers worden toegepast
Bij Edge Computing worden naar het datacenter alleen die gegevens gestuurd die niet op een andere manier kunnen of niet efficiënt kunnen worden verwerkt. Randservers worden daarom toegepast wanneer dat nodig is:
- Een flexibele benadering van beveiliging, omdat bij Edge Computing de overdracht van vooraf verwerkte en voorbereide informatie naar het centrale datacenter kan worden ingesteld;
- Bescherming tegen gegevensverlies, want bij een verlies van verbinding met het centrum zullen lokale nodes informatie blijven accumuleren;
- Besparing op verkeer, die wordt bereikt door de hoofdmassa van informatie ter plaatse te verwerken.
Edge computing voor het besparen van verkeer
Het Deense bedrijf Maersk — een van de wereldleiders in maritieme vrachtvervoer — besloot het brandstofverbruik van zijn schepen te verlagen en de uitstoot van verontreinigende stoffen in de atmosfeer te verminderen.
Om dit probleem op te lossen, werd de technologie gebruikt , sensoren op de motoren en hoofdelementen van het schip, evenals de lokale BullSequana Edge-server voor "on-site" berekeningen.
Dankzij de sensoren monitort het EcoMain Suite-systeem voortdurend de toestand van kritische elementen van het schip en hun afwijkingen van vooraf berekende normen. Dit maakt het mogelijk om snel storingen te diagnosticeren en deze tot het probleemonderdeel te lokaliseren. Aangezien telemetrie continu 'naar het centrum' wordt verzonden, kan een servicetechnicus op afstand een analyse uitvoeren en aanbevelingen doen aan het boordteam. En de belangrijkste vraag hier is — hoeveel gegevens en in welke omvang moeten er naar de centrale datacenter worden verzonden.
Aangezien het verbinden van goedkope bekabelde internetverbindingen met een zeetransportcontainer behoorlijk problematisch is, wordt de overdracht van grote hoeveelheden ruwe gegevens naar de centrale server te kostbaar. Op de centrale BullSequana S200-server wordt een algemene logische model van het schip berekend, terwijl de gegevensverwerking en het directe beheer aan de lokale server worden overgedragen. Als resultaat heeft de implementatie van dit systeem zich binnen drie maanden terugbetaald.
Edge computing voor middelenbesparing
Een ander voorbeeld van edge computing is video-analyse. Een van de lokale taken in de productcyclus van de gasapparatuur fabrikant Air Liquide is het kwaliteitscontroleschilderen van gasflessen. Dit gebeurde handmatig en kostte ongeveer 7 minuten per fles.
Om dit proces te versnellen, werd de mens vervangen door een blok van 7 hoge resolutie-camera's. De camera's registreren de fles vanaf verschillende zijden en genereren ongeveer 1 GB video per minuut. De video wordt naar de edge server BullSequana Edge met Nvidia T4 aan boord verzonden, waar een neuraal netwerk, getraind om defecten te vinden, de stream in realtime analyseert. Als resultaat is de gemiddelde inspectietijd teruggebracht van enkele minuten tot enkele seconden.
Edge computing in analyse
Attracties in Disneyland zijn niet alleen plezier, maar ook complexe technische objecten. Op de 'American roller coaster' zijn er ongeveer 800 verschillende sensoren geïnstalleerd. Ze sturen voortdurend gegevens over de werking van de attractie naar de server, terwijl de lokale server deze gegevens verwerkt, de kans berekent dat de attractie buiten werking raakt en dit signaleert aan het centrale datacenter.
Op basis van deze gegevens wordt de kans op een technische storing bepaald en wordt preventief onderhoud gestart. Attractie blijft tot het einde van de werkdag draaien, terwijl ondertussen een onderhoudsopdracht is opgesteld en de monteurs s nachts de attractie repareren.
BullSequana Edge
De BullSequana Edge-servers maken deel uit van een grote infrastructuur voor het werken met 'big data'. Ze zijn al getest met Microsoft Azure en Siemens MindSphere, VMware WSX en hebben NVidia NGC/EGX-certificaten. Deze servers zijn speciaal ontworpen voor edge computing en worden geleverd in U2-formaat behuizingen, geschikt voor installatie in een standaard rack, op een DIN-rail, aan de muur en in een vloeropstelling.
BullSequana Edge-servers zijn gebouwd op een door hen zelf ontwikkelde moederbord en Intel Xeon D-2187NT-processor. Ze ondersteunen de installatie van maximaal 512 GB RAM, 2 SSD's van elk 960 GB of 2 HDD's van 8 of 14 TB. Daarnaast kunnen ze 2 Nvidia T4 16 GB GPU's hebben voor videowerk, Wi-Fi, LoRaWAN en 4G-modules, tot 2 10-gigabit SFP-modules. In de servers is al een dekselsensor geïnstalleerd die is verbonden met de BMC, die het IPMI-module beheert. Deze kan worden ingesteld om de voeding automatisch uit te schakelen wanneer de sensor geactiveerd wordt.
Volledige technische specificaties van de BullSequana Edge-servers zijn te vinden op . Als u meer details wilt, beantwoorden wij graag uw vragen in de opmerkingen.
Bron: habr.com
