Når man utvikler en nettverksinfrastruktur, vurderer man vanligvis enten lokal databehandling eller skydatabehandling. Men disse to alternativene og kombinasjonene deres er få. For eksempel, hva skal du gjøre hvis du ikke kan nekte cloud computing, men det er ikke nok båndbredde eller trafikken er for dyr?
Legg til et mellomprodukt som vil utføre en del av beregningene på kanten av det lokale nettverket eller produksjonsprosessen. Dette edge-konseptet kalles Edge Computing. Konseptet utfyller gjeldende skydatabruksmodell, og i denne artikkelen vil vi se på nødvendig maskinvare og eksempeloppgaver for det.
Edge databehandlingsnivåer
La oss si at du har en hel haug med sensorer installert hjemme: et termometer, et hygrometer, en lyssensor, en lekkasjesensor og så videre. Den logiske kontrolleren behandler informasjonen som mottas fra dem, implementerer automatiseringsscenarier, utsteder behandlet telemetri til skytjenesten og mottar oppdaterte automatiseringsscenarier og fersk firmware fra den. Dermed utføres lokal databehandling direkte på stedet, men utstyret styres fra en node som kombinerer mange slike enheter.
Dette er et eksempel på et veldig enkelt kantberegningssystem, men det viser allerede alle tre nivåene av kantberegning:
- IoT-enheter: generer "rådata" og overfører dem over forskjellige protokoller.
- Kantnoder: Behandle data i umiddelbar nærhet til informasjonskilder og fungere som midlertidige datalagre.
- Skytjenester: tilbyr administrasjonsfunksjoner for både perifere enheter og IoT-enheter, utfører langsiktig datalagring og analyse. I tillegg støtter de integrasjon med andre bedriftssystemer.
Konseptet med Edge computing i seg selv er en del av et stort økosystem som optimerer den teknologiske prosessen. Det inkluderer både maskinvare (rack- og edge-servere), og nettverks- og programvaredeler (for eksempel plattform for utvikling av AI-algoritmer). Siden det kan oppstå flaskehalser under opprettelse, overføring og behandling av big data og begrense ytelsen til hele systemet, må disse delene være kompatible med hverandre.
Funksjoner av edge-servere
På edge node-nivå bruker Edge Computing edge-servere som plasseres direkte der informasjon produseres. Vanligvis er dette produksjons- eller tekniske lokaler der det er umulig å installere et serverrack og sikre renslighet. Derfor er edge-servere plassert i kompakte, støv- og fukttette kasser med et utvidet temperaturområde; de kan ikke plasseres i et rack. Ja, en slik server kan enkelt henge på dobbeltsidige tapeankere et sted under trappen eller i vaskerommet.
Siden edge-servere er installert utenfor sikre datasentre, har de høyere fysiske sikkerhetskrav. Beskyttende beholdere er gitt for dem:
På databehandlingsnivå gir edge-servere diskkryptering og sikker oppstart. Kryptering i seg selv bruker 2-3 % av datakraften, men edge-servere bruker vanligvis Xeon D-prosessorer med innebygd AES-akselerasjonsmodul, som minimerer strømtap.
Når du skal bruke Edge-servere
Med Edge Computing mottar datasenteret for behandling kun de dataene som er umulige eller irrasjonelle å behandle på noen annen måte. Derfor brukes edge-servere når det er nødvendig:
- Fleksibel tilnærming til sikkerhet, siden når det gjelder Edge Computing, kan du konfigurere overføringen av forhåndsbehandlet og forberedt informasjon til det sentrale datasenteret;
- Beskyttelse mot tap av informasjon, siden hvis kommunikasjonen med senteret går tapt, vil lokale noder akkumulere informasjon;
- Besparelser på trafikk oppnås ved å behandle hoveddelen av informasjonen på stedet.
Edge databehandling for å spare trafikk
Det danske selskapet Maersk, en av lederne innen maritim godstransport i verden, har bestemt seg for å redusere drivstofforbruket til sine skip og redusere utslipp av forurensende stoffer til atmosfæren.
Teknologi ble brukt for å løse dette problemet , sensorer på motorene og hovedkomponentene til skipet, samt en lokal BullSequana Edge-server for databehandling på stedet.
Takket være sensorer overvåker EcoMain Suite-systemet konstant tilstanden til kritiske komponenter på skipet og deres avvik fra en forhåndsberegnet norm. Dette lar deg raskt diagnostisere en feil og lokalisere den ned til problemnoden. Siden telemetri hele tiden overføres "til senteret", kan en servicetekniker utføre analyser eksternt og gi anbefalinger til mannskapet om bord. Og hovedspørsmålet her er hvor mye data og i hvilket volum som skal overføres til det sentrale datasenteret.
Siden det er svært problematisk å koble billig kablet Internett til et havcontainerskip, er det for dyrt å overføre en stor mengde rådata til en sentral server. På den sentrale BullSequana S200-serveren beregnes den overordnede logiske modellen til skipet, og databehandling og direkte kontroll overføres til den lokale serveren. Som et resultat betalte implementeringen av dette systemet seg selv på tre måneder.
Edge databehandling for å spare ressurser
Et annet eksempel på edge computing er videoanalyse. Således, for produsenten av utstyr for tekniske gasser Air Liquide, er en av de lokale oppgavene i produksjonssyklusen kvalitetskontroll av maling av gassflasker. Det ble utført manuelt og tok ca. 7 minutter per sylinder.
For å fremskynde denne prosessen ble personen erstattet med en blokk med 7 HD-videokameraer. Kameraene filmer ballongen fra flere sider, og genererer omtrent 1 GB video per minutt. Videoen sendes til BullSequana Edge-serveren med Nvidia T4 om bord, hvor et nevralt nettverk som er trent til å søke etter defekter, analyserer strømmen på nett. Som et resultat ble den gjennomsnittlige inspeksjonstiden redusert fra flere minutter til flere sekunder.
Edge computing i analyse
Turene på Disneyland er ikke bare morsomme, men også komplekse tekniske objekter. Dermed er det installert ca. 800 forskjellige sensorer på "Roller Coaster". De sender hele tiden data om driften av attraksjonen til serveren, og den lokale serveren behandler disse dataene, beregner sannsynligheten for at attraksjonen svikter, og signaliserer dette til det sentrale datasenteret.
Basert på disse dataene bestemmes sannsynligheten for en teknisk feil og forebyggende reparasjoner igangsettes. Attraksjonen fortsetter å operere til slutten av arbeidsdagen, og i mellomtiden er det allerede gitt en reparasjonsordre, og arbeiderne reparerer attraksjonen raskt om natten.
BullSequana Edge
BullSequana Edge-servere er en del av en stor infrastruktur for å jobbe med «big data»; de har allerede blitt testet med Microsoft Azure og Siemens MindSphere-plattformer, VMware WSX og har NVidia NGC/EGX-sertifikater. Disse serverne er designet spesielt for edge computing og er tilgjengelige i U2 formfaktor-chassis i standard rack, DIN-skinne, vegg- og tårnmonteringsalternativer.
BullSequana Edge er bygget på et proprietært hovedkort og en Intel Xeon D-2187NT-prosessor. De støtter installasjon av opptil 512 GB RAM, 2 SSD-er på 960 GB eller 2 HDD-er på 8 eller 14 TB. De kan også installere 2 Nvidia T4 16 GB GPUer for videobehandling; Wi-fi, LoRaWAN og 4G-moduler; opptil 2 10-Gigabit SFP-moduler. Selve serverne har allerede installert en lokkåpningssensor, som er koblet til BMC-en som styrer IPMI-modulen. Den kan konfigureres til å slå av strømmen automatisk når en sensor utløses.
Fullstendige tekniske spesifikasjoner for BullSequana Edge-servere finner du på . Hvis du er interessert i detaljer, svarer vi gjerne på spørsmålene våre i kommentarfeltet.
Kilde: www.habr.com