Bei der Entwicklung einer Netzwerkinfrastruktur berücksichtigen sie in der Regel entweder lokales Computing oder Cloud-Computing. Diese beiden Optionen und ihre Kombinationen sind jedoch nur wenige. Was kann ich beispielsweise tun, wenn ich das Cloud-Computing nicht ablehnen kann, aber nicht genügend Bandbreite habe oder der Datenverkehr zu teuer ist?
Fügen Sie eine Zwischenverbindung hinzu, die einen Teil der Berechnungen an der Grenze des lokalen Netzwerks oder des Produktionsprozesses ausführt. Dieses Peripheriekonzept wird als Edge Computing bezeichnet. Das Konzept ergänzt das aktuelle Cloud-Modell der Datennutzung, und in diesem Artikel werden die dafür erforderliche Ausrüstung und Beispiele für Aufgaben behandelt.
Edge-Computing-Ebenen
Angenommen, Sie haben eine ganze Reihe von Sensoren in Ihrem Haus installiert: ein Thermometer, ein Hygrometer, ein Lichtsensor, Lecks und vieles mehr. Der logische Controller verarbeitet die von ihm empfangenen Informationen, implementiert Automatisierungsszenarien, sendet verarbeitete Telemetrie an den Cloud-Dienst und empfängt aktualisierte Automatisierungsskripten und neue Firmware von diesem. Somit werden lokale Berechnungen direkt in der Einrichtung durchgeführt, aber die Ausrüstung wird von einem Knoten aus überwacht, der viele solcher Geräte kombiniert.
Dies ist ein Beispiel für ein sehr einfaches System des Boundary Computing, auf dem jedoch bereits alle drei Ebenen des Edge Computing sichtbar sind:
- IoT-Geräte: Generieren Sie „Rohdaten“ und übertragen Sie diese über verschiedene Protokolle.
- Peripherieknoten: verarbeiten Daten in unmittelbarer Nähe von Informationsquellen und fungieren als temporäre Datenspeicher.
- Cloud-Dienste: Bieten Verwaltungsfunktionen für Peripherie- und IoT-Geräte, führen langfristige Datenspeicherung und -analyse durch. Darüber hinaus unterstützen sie die Integration in andere Unternehmenssysteme.
Das Edge-Computing-Konzept selbst ist Teil eines großen Ökosystems, das den Prozessfluss optimiert. Es umfasst sowohl Hardware (Rack- und Edge-Server) als auch Netzwerk- und Softwareteile (z. B. die
Codex AI Suite- Plattform zur Entwicklung von AI-Algorithmen). Da der "Flaschenhals" beim Erstellen, Übertragen und Verarbeiten von "Big Data" entstehen und die Leistung des gesamten Systems einschränken kann, müssen diese Teile miteinander kompatibel sein.
Edgeserver-Funktionen
Auf der Ebene der Peripherieknoten verwendet Edge Computing Edgeserver, die direkt dort installiert werden, wo die Informationen erzeugt werden. In der Regel handelt es sich hierbei um Produktions- oder Technikräume, in denen Sie kein Server-Rack aufstellen und auf Sauberkeit achten können. Die Boundary Server werden daher in kompakten staub- und feuchtigkeitsgeschützten Gehäusen mit erweitertem Temperaturbereich ausgeführt und können nicht in ein Rack eingebaut werden. Ja, ein solcher Server kann leicht an
doppelseitigen Klebebandankern unter der Treppe oder im hinteren Raum hängen.
Da Edgeserver außerhalb sicherer Rechenzentren platziert werden, gelten höhere physische Sicherheitsanforderungen. Für sie sind Schutzbehälter vorgesehen:
Auf der Ebene der Arbeit mit Daten auf den Boundary Servern werden die Festplattenverschlüsselung und das sichere Laden bereitgestellt. Die Verschlüsselung selbst beansprucht 2-3% der Rechenleistung, Edge-Server verwenden jedoch in der Regel Xeon D-Prozessoren mit einem integrierten AES-Beschleunigungsmodul, das den Stromverlust minimiert.
Wenn Edgeserver verwendet werden
Bei Edge Computing werden nur Daten zur Verarbeitung an das Rechenzentrum gesendet, die nicht oder nicht rational verarbeitet wurden. Daher werden bei Bedarf Edgeserver verwendet:
- Ein flexibler Ansatz für die Sicherheit, da Sie im Fall von Edge Computing die Übertragung vorverarbeiteter und aufbereiteter Informationen an das zentrale Rechenzentrum konfigurieren können.
- Schutz vor Informationsverlust, da bei einem Kommunikationsverlust mit der Zentrale lokale Knoten Informationen ansammeln.
- Das spart Verkehr und wird durch die Verarbeitung eines Großteils der vorhandenen Informationen erreicht.
Edge-Computing, um Datenverkehr zu sparen
Das dänische Unternehmen Maersk, eines der weltweit führenden Frachtunternehmen, hat beschlossen, den Kraftstoffverbrauch seiner Schiffe zu senken und die Luftverschmutzung zu verringern.
Um dieses Problem zu lösen, wurden die
Siemens EcoMain Suite- Technologie, Sensoren an den Motoren und Hauptkomponenten des Schiffes sowie ein lokaler BullSequana Edge-Server für das Rechnen vor Ort verwendet.
Dank der Sensoren überwacht das EcoMain Suite-System ständig den Status der kritischen Knoten des Schiffes und deren Abweichung von der zuvor berechneten Norm. Auf diese Weise können Sie einen Fehler schnell diagnostizieren und bis zum Problemknoten lokalisieren. Da die Telemetrie ständig „an die Zentrale“ übertragen wird, kann der Servicetechniker die Analyse aus der Ferne durchführen und Empfehlungen an die Bordmannschaft richten. Dabei geht es vor allem darum, wie viele Daten und wie viel an das zentrale Rechenzentrum übertragen werden sollen.
Da die Verbindung eines billigen kabelgebundenen Internets mit einem Seecontainerschiff sehr problematisch ist, ist die Übertragung einer großen Menge von Rohdaten an einen zentralen Server zu teuer. Auf dem zentralen Server der BullSequana S200 wird das allgemeine logische Modell des Schiffes berechnet und die Datenverarbeitung und die direkte Steuerung an den lokalen Server übertragen. Infolgedessen hat sich die Implementierung dieses Systems in drei Monaten ausgezahlt.
Edge-Computing, um Ressourcen zu sparen
Ein weiteres Beispiel für Boundary Computing ist die Videoanalyse. Eine der lokalen Aufgaben des Produktionszyklus beim Hersteller von Anlagen für technische Gase Air Liquide ist daher die Qualitätskontrolle von Lackiergasflaschen. Sie wurde manuell durchgeführt und betrug ca. 7 Minuten pro Zylinder.
Um diesen Vorgang zu beschleunigen, wurde die Person durch einen Block mit 7 hochauflösenden Kameras ersetzt. Die Kameras nehmen den Ballon von mehreren Seiten auf und erzeugen etwa 1 GB Video pro Minute. Das Video wird mit Nvidia T4 an Bord an den BullSequana Edge-Grenzserver gesendet, auf dem das für die Fehlersuche geschulte neuronale Netzwerk den Stream online analysiert. Infolgedessen wurde die durchschnittliche Inspektionszeit von einigen Minuten auf einige Sekunden reduziert.
Edge-Computing in der Analytik
Disneyland Attraktionen sind nicht nur Spaß, sondern auch ein komplexes technisches Objekt. So sind auf der "Achterbahn" rund 800 verschiedene Sensoren verbaut. Sie senden ständig Daten über den Betrieb der Attraktion an den Server, und der lokale Server verarbeitet diese Daten, berechnet die Wahrscheinlichkeit eines Ausfalls der Attraktion und signalisiert dies dem zentralen Rechenzentrum.
Anhand dieser Daten wird die Wahrscheinlichkeit eines technischen Ausfalls ermittelt und eine vorbeugende Reparatur eingeleitet. Die Attraktion arbeitet bis zum Ende des Arbeitstages weiter, und in der Zwischenzeit wurde bereits ein Reparaturauftrag ausgestellt, und die Arbeiter reparieren die Attraktion nachts schnell.
BullSequana Edge
BullSequana Edge-Server sind Teil einer großen Infrastruktur für die Arbeit mit "Big Data". Sie wurden bereits mit Microsoft Azure und Siemens MindSphere, VMware WSX getestet und verfügen über NVidia NGC / EGX-Zertifikate. Diese Server wurden speziell für Boundary Computing entwickelt und sind in Gehäusen mit U2-Formfaktor zur Installation in einem Standard-Rack, auf einer DIN-Schiene, an einer Wand und in einer Version zur Bodenmontage erhältlich.
BullSequana Edge basiert auf einem proprietären Motherboard und einem Intel Xeon D-2187NT-Prozessor. Sie unterstützen die Installation von bis zu 512 GB RAM, 2 SSDs mit 960 GB oder 2 HDDs mit 8 oder 14 TB. Auch in ihnen können Sie 2 GPU Nvidia T4 16 GB für die Arbeit mit Video installieren; Wi-Fi, LoRaWAN und 4G Module; Bis zu 2 10-Gigabit-SFP-Module. In den Servern selbst ist bereits ein Sensor zum Öffnen der Abdeckung installiert, der an den BMC angeschlossen ist und das IPMI-Modul steuert. Es kann so konfiguriert werden, dass die Stromversorgung automatisch ausgeschaltet wird, wenn der Sensor ausgelöst wird.
Die vollständigen technischen Daten der BullSequana Edge-Server finden Sie
hier . Bei Interesse an den Details beantworten wir gerne unsere Fragen in den Kommentaren.