Podczas projektowania infrastruktury sieciowej zwykle rozważa się albo obliczenia lokalne, albo chmurowe. Jednak te dwa warianty oraz ich kombinacje to za mało. Na przykład, co zrobić, jeśli rezygnacja z obliczeń w chmurze jest niemożliwa, a przepustowości brakuje lub ruch kosztuje zbyt dużo?
Dodajemy pośredni element, który wykona część obliczeń na granicy sieci lokalnej lub procesu produkcyjnego. Ta koncepcja brzegowa nazywa się Edge Computing — «obliczenia brzegowe». Koncepcja ta uzupełnia obecny chmurowy model wykorzystania danych, a w tym artykule przyjrzymy się niezbędnemu sprzętowi oraz przykładom zastosowań dla niego.
Poziomy edge computing
Załóżmy, że w Twoim domu zainstalowana jest cała masa czujników: termometr, higrometr, czujnik światła, czujniki wycieków i inne. Kontroler logiczny przetwarza napływające od nich informacje, realizuje scenariusze automatyzacji, przesyła do chmurowego serwisu przetworzoną telemetrię i otrzymuje od niego zaktualizowane scenariusze automatyzacji oraz nowe oprogramowanie układowe. W ten sposób, lokalne obliczenia są realizowane bezpośrednio w obiekcie, ale sprzęt jest kontrolowany z węzła, który łączy wiele takich urządzeń.
To przykład bardzo prostego systemu obliczeń brzegowych, ale już w nim widać wszystkie trzy poziomy edge computing:
- Urządzenia IoT: generują 'surowe dane' i przesyłają je różnymi protokołami.
- Węzły brzegowe: przetwarzają dane w bezpośredniej bliskości źródeł informacji i działają jako tymczasowe magazyny danych.
- Usługi chmurowe: oferują funkcjonalności zarządzania zarówno dla urządzeń brzegowych, jak i IoT, realizują długoterminowe przechowywanie i analizę danych. Ponadto wspierają integrację z innymi systemami korporacyjnymi.
Sama koncepcja Edge computing jest częścią dużej ekosystemu, optymalizującego proces technologiczny. Obejmuje zarówno część sprzętową (serwery stykowe i brzegowe), jak i sieciową oraz oprogramowanie (na przykład platforma do opracowywania algorytmu AI). Ponieważ 'wąskie gardło' może powstać podczas tworzenia, przesyłania i przetwarzania 'wielkich danych' i ograniczyć wydajność całego systemu, te części muszą być między sobą kompatybilne.
Cechy serwerów brzegowych
Na poziomie węzłów brzegowych w Edge Computing stosuje się serwery brzegowe, które są umieszczane bezpośrednio tam, gdzie powstają dane. Zazwyczaj są to pomieszczenia produkcyjne lub techniczne, w których nie można zainstalować szafki serwerowej i zapewnić czystości. W związku z tym, serwery brzegowe są realizowane w kompaktowych, odpornych na pył i wilgoć obudowach z rozszerzonym zakresem temperatury, których nie można umieścić w szafie. Tak, taki serwer spokojnie może być przymocowany taśmą dwustronną gdzieś pod schodami lub w pomieszczeniu gospodarczym.
Ponieważ serwery brzegowe są umieszczane poza chronionymi centrami danych, mają wyższe wymagania dotyczące bezpieczeństwa fizycznego. Przewiduje się dla nich zabezpieczające kontenery:
Na poziomie pracy z danymi w serwerach brzegowych przewidziano szyfrowanie dysków oraz bezpieczne uruchamianie. Szyfrowanie samo w sobie zabiera 2-3% mocy obliczeniowej, ale w serwerach brzegowych zazwyczaj stosuje się procesory Xeon D z wbudowanym modułem przyspieszenia AES, co minimalizuje straty mocy.
Kiedy stosuje się serwery brzegowe
W ramach Edge Computing do centrum danych przetwarzane są jedynie te dane, które nie mogą być lub są zbyt kosztowne do przetworzenia w inny sposób. W związku z tym, serwery brzegowe są stosowane, gdy wymagana jest:
- Elastyczne podejście do bezpieczeństwa, ponieważ w przypadku Edge Computing można skonfigurować przesyłanie do centralnego centrum danych wcześniej przetworzonych i przygotowanych informacji;
- Ochrona przed utratą danych, ponieważ w przypadku utraty połączenia z centrum lokalne węzły będą gromadzić dane;
- Oszczędność na ruchu, osiągana dzięki przetwarzaniu głównej masy danych na miejscu.
Edge computing dla oszczędności ruchu
Duńska firma Maersk — jeden z liderów morskiego transportu towarowego na świecie — postanowiła zmniejszyć zużycie paliwa przez swoje statki oraz ograniczyć emisję zanieczyszczeń do atmosfery.
W celu rozwiązania tego problemu zastosowano technologię , czujniki na silnikach i głównych węzłach statku, a także lokalny serwer BullSequana Edge do obliczeń "na miejscu".
Dzięki czujnikom system EcoMain Suite nieustannie monitoruje stan krytycznych węzłów statku oraz ich odchylenia od wcześniej obliczonej normy. Umożliwia to szybką diagnozę awarii i jej lokalizację aż do problematycznego węzła. Ponieważ telemetria jest na bieżąco przesyłana "do centrum", technik serwisowy może przeprowadzić analizę zdalnie i udzielić zaleceń załodze statku. A kluczowe pytanie brzmi — ile danych i w jakiej objętości przesyłać do centralnego centrum danych.
Ponieważ podłączenie taniego, przewodowego internetu do kontenera morskiego jest dość problematyczne, przesyłanie dużej ilości surowych danych na centralny serwer staje się zbyt kosztowne. Na centralnym serwerze BullSequana S200 obliczana jest ogólna logiczna model statku, a przetwarzanie danych i bezpośrednie zarządzanie przekazywane są do lokalnego serwera. W rezultacie wdrożenie tego systemu zwróciło się w ciągu trzech miesięcy.
Edge computing dla oszczędności zasobów
Kolejnym przykładem obliczeń krawędziowych jest analiza wideo. U producenta sprzętu do gazów technicznych Air Liquide jednym z lokalnych zadań w cyklu produkcyjnym jest kontrola jakości malowania butli gazowych. Dotychczas była ona przeprowadzana ręcznie i trwała około 7 minut na jedną butlę.
Aby przyspieszyć ten proces, człowieka zastąpiono blokiem z 7 kamerami wysokiej rozdzielczości. Kamery rejestrują butlę z kilku stron, generując około 1 GB wideo na minutę. Wideo przesyłane jest na serwer krawędziowy BullSequana Edge z Nvidia T4 na pokładzie, na którym sieć neuronowa, wyszkolona do wykrywania defektów, analizuje strumień w czasie rzeczywistym. W rezultacie średni czas inspekcji skrócił się z kilku minut do kilku sekund.
Edge computing w analizie
Atrakcje w Disneylandzie to nie tylko zabawa, ale także skomplikowany obiekt techniczny. Na „American Coaster” zainstalowano około 800 różnych czujników. Nieustannie przesyłają one na serwer dane o pracy atrakcji, a lokalny serwer przetwarza te dane, oblicza prawdopodobieństwo awarii atrakcji i sygnalizuje to do centralnego centrum danych.
Na podstawie tych danych określa się prawdopodobieństwo awarii technicznej i uruchamia się prewencyjny remont. Atrakcja działa do końca dnia roboczego, a w międzyczasie już przygotowano zamówienie na naprawę, a pracownicy sprawnie naprawiają atrakcję w nocy.
BullSequana Edge
Serwery BullSequana Edge są częścią rozbudowanej infrastruktury do pracy z „big data”, zostały już przetestowane z platformami Microsoft Azure, Siemens MindSphere, VMware WSX i posiadają certyfikaty NVidia NGC/EGX. Te serwery zostały zaprojektowane specjalnie do obliczeń brzegowych i są dostępne w obudowach w formacie U2, w wersjach do montażu w standardowej szafie, na szynie DIN, na ścianie oraz w wersji wolnostojącej.
BullSequana Edge opierają się na płycie głównej własnej konstrukcji i procesorze Intel Xeon D-2187NT. Obsługują instalację do 512 GB pamięci RAM, 2 SSD o pojemności 960 GB lub 2 HDD o pojemności 8 lub 14 TB. Można również zainstalować 2 GPU Nvidia T4 16 GB do pracy z wideo; moduły Wi-fi, LoRaWAN i 4G; do 2 modułów SFP 10-gigabitowych. W samych serwerach już zainstalowano czujnik otwarcia pokrywy, który jest podłączony do BMC, zarządzającego modułem IPMI. Można go skonfigurować na automatyczne wyłączenie zasilania po aktywacji czujnika.
Pełne dane techniczne serwerów BullSequana Edge można znaleźć pod . Jeśli jesteś zainteresowany szczegółami, chętnie odpowiemy na nasze pytania w komentarzach.
Źródło: habr.com
