Bij het ontwikkelen van een netwerkinfrastructuur wordt doorgaans rekening gehouden met lokaal computergebruik of cloud computing. Maar deze twee opties en hun combinaties zijn er maar weinig. Wat moet u bijvoorbeeld doen als u cloud computing niet kunt weigeren, maar er niet voldoende bandbreedte is of het verkeer te duur is?
Voeg een tussenpersoon toe die een deel van de berekeningen aan de rand van het lokale netwerk of productieproces gaat uitvoeren. Dit edge-concept heet Edge Computing. Het concept is een aanvulling op het huidige datagebruiksmodel in de cloud, en in dit artikel zullen we kijken naar de benodigde hardware en voorbeeldtaken ervoor.
Edge computing-niveaus
Laten we zeggen dat je thuis een hele reeks sensoren hebt geïnstalleerd: een thermometer, een hygrometer, een lichtsensor, een leksensor, enzovoort. De logische controller verwerkt de van hen ontvangen informatie, implementeert automatiseringsscenario's, geeft verwerkte telemetrie door aan de cloudservice en ontvangt daarvan bijgewerkte automatiseringsscenario's en nieuwe firmware. Het lokale computergebruik wordt dus rechtstreeks ter plaatse uitgevoerd, maar de apparatuur wordt bestuurd vanaf een knooppunt dat veel van dergelijke apparaten combineert.
Dit is een voorbeeld van een heel eenvoudig edge computing-systeem, maar het laat al alle drie de niveaus van edge computing zien:
- IoT-apparaten: genereer ‘ruwe data’ en verzend deze via verschillende protocollen.
- Edge-knooppunten: verwerken gegevens in de nabijheid van informatiebronnen en fungeren als tijdelijke gegevensopslag.
- Clouddiensten: bieden beheerfuncties voor zowel randapparatuur als IoT-apparaten, voeren gegevensopslag en -analyse op lange termijn uit. Bovendien ondersteunen ze de integratie met andere bedrijfssystemen.
Het concept van Edge computing zelf maakt deel uit van een groot ecosysteem dat het technologische proces optimaliseert. Het omvat zowel hardware (rack- en edge-servers) als netwerk- en softwareonderdelen (bijvoorbeeld platform voor de ontwikkeling van AI-algoritmen). Omdat er knelpunten kunnen ontstaan tijdens het creëren, verzenden en verwerken van big data en de prestaties van het hele systeem kunnen beperken, moeten deze onderdelen compatibel met elkaar zijn.
Kenmerken van edge-servers
Op edge-node-niveau maakt Edge Computing gebruik van edge-servers die direct daar worden geplaatst waar informatie wordt geproduceerd. Meestal zijn dit productie- of technische gebouwen waarin het onmogelijk is een serverrack te installeren en de netheid te garanderen. Edgeservers zijn dus ondergebracht in compacte, stof- en vochtdichte behuizingen met een groter temperatuurbereik; ze kunnen niet in een rack worden geplaatst. Ja, zo'n server kan eenvoudig ergens onder de trap of in de bijkeuken aan dubbelzijdige tape-ankers worden gehangen.
Omdat edge-servers buiten beveiligde datacenters worden geïnstalleerd, stellen ze hogere fysieke beveiligingseisen. Er zijn beschermende containers voor hen voorzien:
Op het niveau van gegevensverwerking bieden edge-servers schijfversleuteling en veilig opstarten. De encryptie zelf verbruikt 2-3% van de rekenkracht, maar edge-servers gebruiken doorgaans Xeon D-processors met ingebouwde AES-versnellingsmodule, die het stroomverlies tot een minimum beperkt.
Wanneer moet u Edge-servers gebruiken?
Met Edge Computing ontvangt het datacenter alleen die gegevens voor verwerking die onmogelijk of irrationeel zijn om op een andere manier te verwerken. Zo worden edge-servers gebruikt wanneer dat nodig is:
- Flexibele benadering van beveiliging, omdat u in het geval van Edge Computing de overdracht van voorverwerkte en voorbereide informatie naar het centrale datacenter kunt configureren;
- Bescherming tegen informatieverlies, want als de communicatie met het centrum verloren gaat, zullen lokale knooppunten informatie verzamelen;
- Door het grootste deel van de informatie ter plaatse te verwerken, wordt een besparing op het verkeer gerealiseerd.
Edge computing om verkeer te besparen
Het Deense bedrijf Maersk, een van de leiders op het gebied van maritiem vrachtvervoer ter wereld, heeft besloten het brandstofverbruik van zijn schepen te verminderen en de uitstoot van verontreinigende stoffen in de atmosfeer te verminderen.
Technologie werd gebruikt om dit probleem op te lossen , sensoren op de motoren en hoofdcomponenten van het schip, evenals een lokale BullSequana Edge-server voor computergebruik ter plaatse.
Dankzij sensoren bewaakt het EcoMain Suite-systeem voortdurend de toestand van kritische componenten van het schip en hun afwijking van een vooraf berekende norm. Hierdoor kunt u een fout snel diagnosticeren en lokaliseren tot op het probleemknooppunt. Omdat telemetrie voortdurend "naar het centrum" wordt verzonden, kan een servicetechnicus op afstand analyses uitvoeren en aanbevelingen doen aan de bemanning aan boord. En de belangrijkste vraag hier is hoeveel data en in welk volume er naar het centrale datacenter moet worden overgebracht.
Omdat het verbinden van goedkoop bekabeld internet met een zeecontainerschip zeer problematisch is, is het overbrengen van een grote hoeveelheid ruwe data naar een centrale server te duur. Op de centrale BullSequana S200-server wordt het algehele logische model van het schip berekend en worden de gegevensverwerking en directe controle overgedragen naar de lokale server. Hierdoor werd de implementatie van dit systeem binnen drie maanden terugverdiend.
Edge-computing om bronnen te besparen
Een ander voorbeeld van edge computing is videoanalyse. Voor de fabrikant van apparatuur voor technische gassen Air Liquide is een van de lokale taken van de productiecyclus dus de kwaliteitscontrole van het verven van gascilinders. Het werd handmatig uitgevoerd en duurde ongeveer 7 minuten per cilinder.
Om dit proces te versnellen, werd de persoon vervangen door een blok van zeven high-definition videocamera's. De camera's filmen de ballon van meerdere kanten en genereren zo'n 7 GB aan video per minuut. De video wordt naar de BullSequana Edge-server met Nvidia T1 aan boord gestuurd, waar een neuraal netwerk dat getraind is om naar defecten te zoeken de stream online analyseert. Hierdoor werd de gemiddelde inspectietijd teruggebracht van enkele minuten naar enkele seconden.
Edge-computing in analyse
De attracties in Disneyland zijn niet alleen leuk, maar ook complexe technische objecten. Zo zijn er ongeveer 800 verschillende sensoren op de “Roller Coaster” geïnstalleerd. Ze sturen voortdurend gegevens over de werking van de attractie naar de server, en de lokale server verwerkt deze gegevens, berekent de kans dat de attractie uitvalt en geeft dit door aan het centrale datacenter.
Op basis van deze gegevens wordt de kans op een technisch defect bepaald en worden preventieve reparaties gestart. De attractie blijft in bedrijf tot het einde van de werkdag, en in de tussentijd is er al een reparatieopdracht afgegeven, en de arbeiders repareren de attractie 's nachts snel.
BullSequana Edge
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-platforms, VMware WSX en beschikken over NVidia NGC/EGX-certificaten. Deze servers zijn speciaal ontworpen voor edge computing en zijn verkrijgbaar in U2-vormfactorchassis met standaard rack-, DIN-rail-, wand- en torenmontageopties.
BullSequana Edge is gebouwd op een eigen moederbord en een Intel Xeon D-2187NT-processor. Ze ondersteunen de installatie van maximaal 512 GB RAM, 2 SSD's van 960 GB of 2 HDD's van 8 of 14 TB. Ze kunnen ook 2 Nvidia T4 16 GB GPU's installeren voor videoverwerking; Wi-Fi-, LoRaWAN- en 4G-modules; maximaal 2 10 Gigabit SFP-modules. Op de servers zelf is al een dekselopeningssensor geïnstalleerd, die is aangesloten op de BMC die de IPMI-module aanstuurt. Het kan worden geconfigureerd om de stroom automatisch uit te schakelen wanneer een sensor wordt geactiveerd.
Volledige technische specificaties voor BullSequana Edge-servers zijn te vinden op . Als u geïnteresseerd bent in details, beantwoorden wij onze vragen graag in de opmerkingen.
Bron: www.habr.com