När man utvecklar en nätverksinfrastruktur överväger man vanligtvis antingen lokal datoranvändning eller cloud computing. Men dessa två alternativ och deras kombinationer är få. Vad ska man till exempel göra om man inte kan tacka nej till cloud computing, men det inte finns tillräckligt med bandbredd eller om trafiken är för dyr?
Lägg till en mellanprodukt som kommer att utföra en del av beräkningarna i utkanten av det lokala nätverket eller produktionsprocessen. Detta kantkoncept kallas Edge Computing. Konceptet kompletterar den nuvarande modellen för molndataanvändning, och i den här artikeln kommer vi att titta på den nödvändiga hårdvaran och exempeluppgifter för den.
Edge computing nivåer
Låt oss säga att du har en hel massa sensorer installerade hemma: en termometer, en hygrometer, en ljussensor, en läcksensor och så vidare. Den logiska styrenheten bearbetar informationen som tas emot från dem, implementerar automationsscenarier, utfärdar bearbetad telemetri till molntjänsten och tar emot uppdaterade automationsscenarier och färsk firmware från den. Således utförs lokal beräkning direkt på plats, men utrustningen styrs från en nod som kombinerar många sådana enheter.
Detta är ett exempel på ett mycket enkelt kantberäkningssystem, men det visar redan alla tre nivåerna av kantberäkning:
- IoT-enheter: generera "rådata" och överför den över olika protokoll.
- Kantnoder: Bearbeta data i nära anslutning till informationskällor och fungera som tillfälliga datalager.
- Molntjänster: erbjuder hanteringsfunktioner för både kringutrustning och IoT-enheter, utför långsiktig datalagring och analys. Dessutom stödjer de integration med andra företagssystem.
Konceptet med Edge computing i sig är en del av ett stort ekosystem som optimerar den tekniska processen. Det inkluderar både hårdvara (rack- och edge-servrar) och nätverks- och mjukvarudelar (till exempel plattform för att utveckla AI-algoritmer). Eftersom flaskhalsar kan uppstå under skapandet, överföringen och bearbetningen av big data och begränsar hela systemets prestanda, måste dessa delar vara kompatibla med varandra.
Funktioner hos edge-servrar
På edge-nodnivån använder Edge Computing edge-servrar som placeras direkt där information produceras. Vanligtvis är det produktions- eller tekniska lokaler där det är omöjligt att installera ett serverrack och säkerställa renlighet. Edge-servrar är alltså inrymda i kompakta, damm- och fuktsäkra höljen med ett utökat temperaturområde, de kan inte placeras i ett rack. Ja, en sådan server kan lätt hänga på dubbelsidiga tejpfästen någonstans under trappan eller i grovkök.
Eftersom edge-servrar är installerade utanför säkra datacenter har de högre fysiska säkerhetskrav. Skyddsbehållare tillhandahålls för dem:
På databehandlingsnivå tillhandahåller edge-servrar diskkryptering och säker uppstart. Kryptering i sig förbrukar 2-3 % av datorkraften, men edge-servrar använder vanligtvis Xeon D-processorer med inbyggd AES-accelerationsmodul, vilket minimerar strömförlusten.
När ska man använda Edge-servrar
Med Edge Computing får datacentret för bearbetning endast de data som är omöjliga eller irrationella att bearbeta på något annat sätt. Således används edge-servrar vid behov:
- Flexibelt förhållningssätt till säkerhet, eftersom du i fallet med Edge Computing kan konfigurera överföringen av förbearbetad och förberedd information till det centrala datacentret;
- Skydd mot informationsförlust, eftersom om kommunikationen med centret går förlorad kommer lokala noder att samla information;
- Besparingar på trafiken uppnås genom att bearbeta huvuddelen av informationen på plats.
Edge computing för att spara trafik
Det danska företaget Maersk, ett av de ledande inom sjöfartstransporter i världen, har beslutat att minska bränsleförbrukningen på sina fartyg och minska utsläppen av föroreningar till atmosfären.
Teknik användes för att lösa detta problem , sensorer på fartygets motorer och huvudkomponenter, samt en lokal BullSequana Edge-server för datoranvändning på plats.
Tack vare sensorer övervakar EcoMain Suite-systemet ständigt tillståndet för kritiska komponenter i fartyget och deras avvikelse från en förberäknad norm. Detta gör att du snabbt kan diagnostisera ett fel och lokalisera det ner till problemnoden. Eftersom telemetri ständigt sänds "till centrum" kan en servicetekniker utföra analyser på distans och ge rekommendationer till besättningen ombord. Och huvudfrågan här är hur mycket data och i vilken volym som ska överföras till det centrala datacentret.
Eftersom det är mycket problematiskt att ansluta billigt trådbundet internet till ett containerfartyg, är det för dyrt att överföra en stor mängd rådata till en central server. På den centrala BullSequana S200-servern beräknas den övergripande logiska modellen för fartyget, och databehandling och direktkontroll överförs till den lokala servern. Som ett resultat betalade sig implementeringen av detta system på tre månader.
Edge computing för att spara resurser
Ett annat exempel på edge computing är videoanalys. Således, för tillverkaren av utrustning för tekniska gaser Air Liquide, är en av de lokala uppgifterna i produktionscykeln kvalitetskontroll av målningen av gasflaskor. Det utfördes manuellt och tog cirka 7 minuter per cylinder.
För att påskynda denna process ersattes personen med ett block med 7 högupplösta videokameror. Kamerorna filmar ballongen från flera sidor och genererar cirka 1 GB video per minut. Videon skickas till BullSequana Edge-servern med Nvidia T4 ombord, där ett neuralt nätverk tränat att söka efter defekter analyserar strömmen online. Som ett resultat minskade den genomsnittliga inspektionstiden från flera minuter till flera sekunder.
Edge computing i analys
Åkerna på Disneyland är inte bara roliga, utan också komplexa tekniska föremål. Således är cirka 800 olika sensorer installerade på "Ruller Coaster". De skickar ständigt data om attraktionens funktion till servern, och den lokala servern bearbetar dessa data, beräknar sannolikheten för att attraktionen misslyckas och signalerar detta till det centrala datacentret.
Baserat på dessa data bestäms sannolikheten för ett tekniskt fel och förebyggande reparationer påbörjas. Attraktionen fortsätter att fungera till slutet av arbetsdagen, och under tiden har en reparationsorder redan utfärdats, och arbetare reparerar snabbt attraktionen på natten.
BullSequana Edge
BullSequana Edge-servrar är en del av en stor infrastruktur för att arbeta med "big data", de har redan testats med Microsoft Azure och Siemens MindSphere-plattformar, VMware WSX och har NVidia NGC/EGX-certifikat. Dessa servrar är designade speciellt för edge computing och finns tillgängliga i U2 formfaktorschassi i standardrack, DIN-skena, vägg- och tornmonteringsalternativ.
BullSequana Edge är byggd på ett proprietärt moderkort och en Intel Xeon D-2187NT-processor. De stöder installation av upp till 512 GB RAM, 2 SSD på 960 GB eller 2 hårddiskar på 8 eller 14 TB. De kan också installera 2 Nvidia T4 16 GB GPU:er för videobehandling; Wi-fi, LoRaWAN och 4G-moduler; upp till 2 10-Gigabit SFP-moduler. Servrarna själva har redan en locköppningssensor installerad, som är ansluten till BMC:n som styr IPMI-modulen. Den kan konfigureras för att automatiskt stänga av strömmen när en sensor utlöses.
Fullständiga tekniska specifikationer för BullSequana Edge-servrar finns på . Om du är intresserad av detaljer svarar vi gärna på våra frågor i kommentarerna.
Källa: will.com