Ketika mengembangkan infrastruktur jaringan, mereka biasanya mempertimbangkan komputasi lokal atau komputasi awan. Tetapi dua opsi ini dan kombinasinya sedikit. Misalnya, apa yang harus saya lakukan jika saya tidak bisa menolak komputasi awan, tetapi tidak ada bandwidth yang cukup atau lalu lintas terlalu mahal?
Tambahkan tautan perantara yang akan melakukan bagian dari perhitungan di batas jaringan lokal atau proses produksi. Konsep periferal ini disebut Edge Computing. Konsep ini melengkapi model cloud saat ini penggunaan data, dan dalam artikel ini kami akan mempertimbangkan peralatan yang diperlukan dan contoh tugas untuk itu.
Tingkat komputasi tepi
Misalkan Anda memiliki sejumlah besar sensor yang terpasang di rumah Anda: termometer, hygrometer, sensor cahaya, kebocoran, dan banyak lagi. Pengontrol logis memproses informasi yang diterima dari mereka, mengimplementasikan skenario otomatisasi, mengeluarkan telemetri yang diproses ke layanan cloud dan menerima skrip otomatisasi yang diperbarui dan firmware baru darinya. Dengan demikian, perhitungan lokal dilakukan langsung di fasilitas, tetapi peralatan dipantau dari sebuah simpul yang menggabungkan banyak perangkat tersebut.
Ini adalah contoh dari sistem komputasi batas yang sangat sederhana, tetapi ketiga level komputasi tepi sudah terlihat di dalamnya:
- Perangkat IoT: menghasilkan "data mentah" dan mengirimkannya melalui berbagai protokol.
- Node periferal: memproses data di sekitar sumber informasi langsung dan bertindak sebagai penyimpanan data sementara.
- Layanan cloud: menawarkan fungsi manajemen untuk perangkat periferal dan IoT, melakukan penyimpanan dan analisis data jangka panjang. Selain itu, mereka mendukung integrasi dengan sistem perusahaan lain.
Konsep komputasi Edge itu sendiri adalah bagian dari ekosistem besar yang mengoptimalkan proses. Ini mencakup perangkat keras (server rak dan perbatasan), dan bagian jaringan dan perangkat lunak (misalnya, platform
Codex AI Suite untuk mengembangkan algoritma AI). Karena "bottleneck" dapat dibentuk selama pembuatan, transfer, dan pemrosesan "big data" dan membatasi kinerja seluruh sistem, bagian-bagian ini harus kompatibel satu sama lain.
Fitur Edge Server
Pada tingkat simpul periferal, Edge Computing menggunakan server tepi, yang dipasang langsung di tempat informasi itu diproduksi. Biasanya ini adalah ruang produksi atau teknis di mana Anda tidak dapat memasang rak server dan memastikan kebersihan. Dengan demikian, server batas dieksekusi dalam penutup debu dan kelembaban yang kompak dengan rentang suhu yang diperpanjang, mereka tidak dapat dipasang di rak. Ya, server seperti itu dapat dengan mudah menggantung jangkar
pita perekat
dua sisi di suatu tempat di bawah tangga atau di ruang belakang.
Karena Edge Server ditempatkan di luar pusat data yang aman, mereka memiliki persyaratan keamanan fisik yang lebih tinggi. Wadah pelindung disediakan untuk mereka:
Di tingkat bekerja dengan data di server batas, enkripsi disk dan pemuatan aman disediakan. Enkripsi sendiri membutuhkan daya komputasi 2-3%, tetapi server tepi biasanya menggunakan prosesor Xeon D dengan modul akselerasi AES terintegrasi yang meminimalkan kehilangan daya.
Saat Server Tepi Digunakan
Dengan Edge Computing, hanya data yang tidak mungkin atau diproses secara berbeda dikirim ke pusat data untuk diproses. Dengan demikian, server tepi digunakan saat dibutuhkan:
- Pendekatan fleksibel untuk keamanan, karena dalam kasus Edge Computing, Anda dapat mengonfigurasi transfer ke pusat data pusat dari informasi yang sudah diproses sebelumnya dan yang telah disiapkan;
- Perlindungan dari kehilangan informasi, karena dalam hal kehilangan komunikasi dengan pusat, node lokal akan mengakumulasi informasi;
- Menghemat lalu lintas, ini dicapai dengan memproses sebagian besar informasi yang ada.
Komputasi tepi untuk menghemat lalu lintas
Perusahaan Denmark Maersk, salah satu perusahaan pengangkutan barang terkemuka di dunia, telah memutuskan untuk mengurangi konsumsi bahan bakar kapal dan mengurangi polusi udara.
Untuk mengatasi masalah ini, teknologi
Siemens EcoMain Suite digunakan, sensor pada mesin dan komponen utama kapal, serta server BullSequana Edge lokal untuk komputasi di tempat.
Berkat sensornya, sistem EcoMain Suite secara konstan memonitor status titik kritis kapal dan penyimpangannya dari norma yang dihitung sebelumnya. Ini memungkinkan Anda untuk dengan cepat mendiagnosis kesalahan dan melokalkannya ke simpul masalah. Karena telemetri secara konstan ditransmisikan "ke pusat", teknisi layanan dapat melakukan analisis dari jarak jauh dan membuat rekomendasi kepada awak kapal. Dan pertanyaan utama di sini adalah berapa banyak data dan berapa banyak untuk ditransmisikan ke pusat data pusat.
Karena menghubungkan Internet kabel murah ke kapal kontainer laut sangat bermasalah, mentransfer sejumlah besar data mentah ke server pusat terlalu mahal. Di server pusat BullSequana S200, model logis umum kapal dihitung, dan pemrosesan data dan kontrol langsung ditransfer ke server lokal. Akibatnya, implementasi sistem ini terbayar dalam tiga bulan.
Komputasi canggih untuk menghemat sumber daya
Contoh lain dari komputasi batas adalah analitik video. Dengan demikian, salah satu tugas lokal dari siklus produksi di pabrik peralatan untuk gas teknis Air Liquide adalah kontrol kualitas pada pengecatan tabung gas. Itu dilakukan secara manual dan sekitar 7 menit per silinder.
Untuk mempercepat proses ini, orang itu diganti dengan blok 7 kamera resolusi tinggi. Kamera mengambil balon dari beberapa sisi, menghasilkan sekitar 1 GB video per menit. Video tersebut dikirim ke server perbatasan BullSequana Edge dengan Nvidia T4 di dalamnya, di mana jaringan saraf, dilatih untuk mencari cacat, menganalisis aliran online. Akibatnya, waktu inspeksi rata-rata berkurang dari beberapa menit menjadi beberapa detik.
Komputasi tepi dalam analitik
Atraksi Disneyland tidak hanya menyenangkan, tetapi juga objek teknis yang kompleks. Jadi, pada "Roller Coaster" dipasang sekitar 800 sensor yang berbeda. Mereka terus-menerus mengirim data tentang operasi tarik ke server, dan server lokal memproses data ini, menghitung probabilitas kegagalan tarik-menarik dan memberi sinyal ini ke pusat data pusat.
Berdasarkan data ini, probabilitas kegagalan teknis ditentukan dan perbaikan preventif dimulai. Daya tarik terus bekerja hingga akhir hari kerja, dan sementara itu, perintah perbaikan telah dikeluarkan, dan para pekerja dengan cepat memperbaiki daya tarik di malam hari.
BullSequana Edge
Server BullSequana Edge adalah bagian dari infrastruktur besar untuk bekerja dengan "data besar", mereka sudah diuji dengan Microsoft Azure dan Siemens MindSphere, VMware WSX dan memiliki sertifikat NVidia NGC / EGX. Server ini dirancang khusus untuk komputasi batas dan tersedia dalam lampiran faktor bentuk U2 untuk pemasangan di rak standar, di rel DIN, di dinding, dan dalam versi yang dipasang di lantai.
BullSequana Edge dibangun pada motherboard berpemilik dan prosesor Intel Xeon D-2187NT. Mereka mendukung instalasi hingga 512 GB RAM, 2 SSD 960 GB atau 2 HDD 8 atau 14 TB. Juga di dalamnya Anda dapat menginstal 2 GPU Nvidia T4 16 GB untuk bekerja dengan video; Modul Wi-fi, LoRaWAN, dan 4G; hingga 2 modul SFP 10-gigabit. Di server sendiri, sensor buka tutup sudah terpasang, yang terhubung ke BMC, yang mengontrol modul IPMI. Dapat dikonfigurasikan untuk mematikan daya secara otomatis ketika sensor dipicu.
Spesifikasi teknis lengkap server BullSequana Edge dapat ditemukan di
sini . Jika Anda tertarik dengan detailnya, kami akan dengan senang hati menjawab pertanyaan kami di komentar.