Tworząc infrastrukturę sieciową, zwykle rozważa się przetwarzanie lokalne lub przetwarzanie w chmurze. Ale te dwie opcje i ich kombinacje są nieliczne. Na przykład, co zrobić, jeśli nie możesz odmówić przetwarzania w chmurze, ale przepustowość jest niewystarczająca lub ruch jest zbyt kosztowny?
Dodaj półprodukt, który wykona część obliczeń na granicy sieci lokalnej lub procesu produkcyjnego. Ta koncepcja brzegowa nosi nazwę Edge Computing. Koncepcja uzupełnia obecny model wykorzystania danych w chmurze, a w tym artykule przyjrzymy się wymaganemu sprzętowi i przykładowym zadaniom dla niego.
Poziomy obliczeń brzegowych
Załóżmy, że masz w domu całą masę czujników: termometr, higrometr, czujnik światła, czujnik wycieku i tak dalej. Kontroler logiczny przetwarza otrzymane od nich informacje, wdraża scenariusze automatyzacji, wysyła przetworzone dane telemetryczne do usługi w chmurze i otrzymuje od niej zaktualizowane scenariusze automatyzacji i świeże oprogramowanie sprzętowe. Tym samym obliczenia lokalne wykonywane są bezpośrednio na miejscu, natomiast sterowanie sprzętem odbywa się z węzła łączącego wiele takich urządzeń.
To jest przykład bardzo prostego systemu przetwarzania brzegowego, ale pokazuje już wszystkie trzy poziomy przetwarzania brzegowego:
- Urządzenia IoT: generują „surowe dane” i przesyłają je różnymi protokołami.
- Węzły brzegowe: przetwarzają dane w pobliżu źródeł informacji i działają jako tymczasowe magazyny danych.
- Usługi w chmurze: oferują funkcje zarządzania zarówno urządzeniami peryferyjnymi, jak i urządzeniami IoT, umożliwiają długoterminowe przechowywanie i analizę danych. Dodatkowo wspierają integrację z innymi systemami korporacyjnymi.
Sama koncepcja Edge Computing jest częścią dużego ekosystemu optymalizującego proces technologiczny. Obejmuje zarówno sprzęt (serwery stelażowe i brzegowe), jak i części sieciowe i oprogramowanie (na przykład platformę do opracowywania algorytmów AI). Ponieważ podczas tworzenia, przesyłania i przetwarzania dużych zbiorów danych mogą powstawać wąskie gardła, ograniczające wydajność całego systemu, części te muszą być ze sobą kompatybilne.
Cechy serwerów brzegowych
Na poziomie węzła brzegowego Edge Computing wykorzystuje serwery brzegowe, które są umieszczone bezpośrednio w miejscu generowania informacji. Zwykle są to pomieszczenia produkcyjne lub techniczne, w których nie ma możliwości zamontowania szafy serwerowej i zapewnienia czystości. Dlatego serwery brzegowe są umieszczane w kompaktowych, odpornych na kurz i wilgoć obudowach o rozszerzonym zakresie temperatur i nie można ich umieszczać w szafie. Tak, taki serwer bez problemu można zawiesić na dwustronnych taśmach kotwiących gdzieś pod schodami lub w pomieszczeniu gospodarczym.
Ponieważ serwery brzegowe są instalowane poza bezpiecznymi centrami danych, mają wyższe wymagania dotyczące bezpieczeństwa fizycznego. Dla nich przewidziano pojemniki ochronne:
Na poziomie przetwarzania danych serwery brzegowe zapewniają szyfrowanie dysku i bezpieczne uruchamianie. Samo szyfrowanie zużywa 2-3% mocy obliczeniowej, jednak serwery brzegowe korzystają zazwyczaj z procesorów Xeon D z wbudowanym modułem akceleracji AES, co minimalizuje straty mocy.
Kiedy używać serwerów brzegowych
Dzięki Edge Computing centrum danych otrzymuje do przetworzenia tylko te dane, których przetworzenie w inny sposób jest niemożliwe lub nieracjonalne. Dlatego serwery brzegowe są używane w razie potrzeby:
- Elastyczne podejście do bezpieczeństwa, gdyż w przypadku Edge Computing można skonfigurować przesyłanie wstępnie przetworzonych i przygotowanych informacji do centralnego centrum danych;
- Ochrona przed utratą informacji, ponieważ w przypadku utraty komunikacji z centrum lokalne węzły będą gromadzić informacje;
- Oszczędności w ruchu osiąga się poprzez przetwarzanie większości informacji na miejscu.
Przetwarzanie brzegowe w celu zmniejszenia ruchu
Duńska firma Maersk, jeden z liderów morskiego transportu towarowego na świecie, zdecydowała się na zmniejszenie zużycia paliwa przez swoje statki i redukcję emisji zanieczyszczeń do atmosfery.
Aby rozwiązać ten problem, wykorzystano technologię , czujniki w silnikach i głównych komponentach statku, a także lokalny serwer BullSequana Edge do obliczeń na miejscu.
Dzięki czujnikom system EcoMain Suite stale monitoruje stan krytycznych elementów statku i ich odchylenie od wcześniej obliczonej normy. Pozwala to szybko zdiagnozować usterkę i zlokalizować ją aż do węzła problemu. Ponieważ telemetria jest stale przesyłana „do centrum”, serwisant może zdalnie przeprowadzić analizę i przedstawić zalecenia załodze pokładowej. A główne pytanie dotyczy tego, ile danych i w jakiej objętości przesłać do centralnego centrum danych.
Ponieważ podłączenie taniego Internetu przewodowego do kontenerowca morskiego jest bardzo problematyczne, przesyłanie dużej ilości surowych danych do centralnego serwera jest zbyt kosztowne. Na centralnym serwerze BullSequana S200 obliczany jest ogólny model logiczny statku, a przetwarzanie danych i bezpośrednie sterowanie przekazywane są na serwer lokalny. Dzięki temu wdrożenie tego systemu zwróciło się w ciągu trzech miesięcy.
Przetwarzanie brzegowe w celu oszczędzania zasobów
Innym przykładem przetwarzania brzegowego jest analiza wideo. Tym samym dla producenta urządzeń do gazów technicznych Air Liquide jednym z lokalnych zadań cyklu produkcyjnego jest kontrola jakości malowania butli gazowych. Dokonywano tego ręcznie i trwało to około 7 minut na cylinder.
Aby przyspieszyć ten proces, osobę zastąpiono blokiem 7 kamer wideo o wysokiej rozdzielczości. Kamery filmują balon z kilku stron, generując około 1 GB materiału wideo na minutę. Film przesyłany jest na serwer BullSequana Edge z kartą Nvidia T4, gdzie sieć neuronowa przeszkolona do wyszukiwania defektów analizuje strumień online. W rezultacie średni czas kontroli został skrócony z kilku minut do kilku sekund.
Przetwarzanie brzegowe w analityce
Jazdy w Disneylandzie to nie tylko zabawa, ale także skomplikowane obiekty techniczne. Tak więc na „Roller Coasterze” zainstalowano około 800 różnych czujników. Stale przesyłają na serwer dane o działaniu atrakcji, a lokalny serwer przetwarza te dane, oblicza prawdopodobieństwo awarii atrakcji i sygnalizuje to centralnemu centrum danych.
Na podstawie tych danych określane jest prawdopodobieństwo wystąpienia awarii technicznej i uruchamiane są naprawy zapobiegawcze. Atrakcja działa do końca dnia roboczego, w międzyczasie wydano już zlecenie naprawy, a pracownicy szybko naprawiają atrakcję w nocy.
BullSequana Edge
Serwery BullSequana Edge są częścią dużej infrastruktury do pracy z „big data”, zostały już przetestowane z platformami Microsoft Azure i Siemens MindSphere, VMware WSX oraz posiadają certyfikaty NVidia NGC/EGX. Serwery te zostały zaprojektowane specjalnie do obliczeń brzegowych i są dostępne w obudowach U2 w standardowych opcjach montażu w szafie, na szynie DIN, na ścianie lub na wieży.
BullSequana Edge zbudowana jest na autorskiej płycie głównej i procesorze Intel Xeon D-2187NT. Obsługują instalację do 512 GB pamięci RAM, 2 dysków SSD o pojemności 960 GB lub 2 dysków twardych o pojemności 8 lub 14 TB. Mogą także zainstalować 2 procesory graficzne Nvidia T4 16 GB do przetwarzania wideo; Moduły Wi-Fi, LoRaWAN i 4G; do 2 modułów 10-Gigabit SFP. Same serwery mają już zainstalowany czujnik otwarcia pokrywy, który jest podłączony do BMC sterującego modułem IPMI. Można go skonfigurować tak, aby automatycznie wyłączał zasilanie po uruchomieniu czujnika.
Pełną specyfikację techniczną serwerów BullSequana Edge można znaleźć pod adresem . Jeśli interesują Cię szczegóły, chętnie odpowiemy na nasze pytania w komentarzach.
Źródło: www.habr.com