VKT | Інтернет речей: гіпероб'єднання інфраструктури – VKT
Інтернет речей: гіпероб’єднання інфраструктури

05.11.2017

Інтернет речей: гіпероб’єднання інфраструктури

Реалізація потенціалу повномасштабних end-to-end додатків в сфері Інтернету речей (IoT) за допомогою приватної та публічної хмарної інфраструктури.

End-to-end кидає виклик

IoT-проекти набирають обертів і тепер розробники стикаються з новим полем для створення інфраструктури. Куди надходять дані, отримані від датчиків, і яка правильна архітектура для їх аналізу?

Простою відповіддю буде «хмара». Масштабованість і можливість простого підключення, якими відрізняються хмарні технології, безумовно, є важливими функціями для IoT-платформи, однак лише їх недостатньо. Успішне проектування IoT-додатків вимагає комплексного підходу, заснованого на знаннях як в області інформаційних технологій (IT), так і в області операційних технологій (OT).

Публічна хмарна інфраструктура відкриває доступ до недорогої обробки та зберігання даних, але в той же час може створювати безліч непередбачених ризиків в інтеграції і роботі в міру зростання IoT-додатків. Безпека є однією з ключових проблем при використанні публічного хмари, а захист важливих потоків даних і аналітики гостро необхідний для довіри до IoT-додатків.

Гібридні хмарні середовища пропонують краще і безпечне рішення для IoT. А конверговані модульні сервери роблять задачу дизайну інфраструктури для IoT простішою і більш гнучкою. Цей новий вид готового комерційного (COTS) модульного серверного обладнання об’єднує в собі найкращі характеристики серверів, забезпечуючи більшу обчислювальну потужність, зберігання даних і мережеву комутацію на одній платформі.

Основи топології IoT

Незалежно від топології мережі, що з’єднує окремі вузли, IoT-рішення зазвичай підпадають під трирівневу модель. Архітектурні рішення на кожному рівні визначають, як IoT-додатки інтегрують, масштабують і передають дані. На верхньому ярусі знаходиться межа, де крайні точки Інтернету речей стикаються з реальним світом. Саме там кластер датчиків перетворює фізичні характеристики в цифрові дані.

Мережі датчиків можуть отримувати дані з різних точок, при цьому залишаючись монолітною архітектурою з датчиками одного типу і з однаковим інтерфейсом. Але в багатьох додатках розгортається декілька типів датчиків, щоб можна було об’єднати дані і отримати цілісний контекст.

Наприклад, GPS, акселерометри, гіроскопи і магнітометри в поєднанні з алгоритмами об’єднання датчиків забезпечують можливість навігації усередині приміщень. При цьому датчики можуть мати різні життєві цикли, а у міру зростання мереж з’являються оновлені версії датчиків з кращого функціональністю.

На другому рівні шлюзи забезпечують перетворення протоколу, агрегацію та форматування даних і можливість аналізу в режимі реального часу. Ключова роль шлюзів полягає в прийнятті безлічі високо оптимізованих протоколів для датчиків і перетворенні їх в інтернет-протокол (IP) для спільного використання з хмарними і корпоративними мережами.

Одним із прикладів шлюзу є звичайний смартфон. Завдяки протоколам Bluetooth, Wi-Fi і 3G або 4G смартфон може підключатися до датчиків, збирати дані і завантажувати їх в хмару. Програми, що використовують смартфони, зазвичай мають меншу кількість датчиків, нижчу частоту дискретизації і менше критично важливих вимог в реальному часі. Для більш серйозних завдань в якості шлюзів використовуються вбудовані комп’ютери з малим форм-факторів і спеціалізованим програмним забезпеченням.

Ці платформи можуть масштабуватись, об’єднувати безліч потоків даних з датчиків і приймати рішення по локальним даними в реальному часі, якщо це необхідно.

Служби додатків з’являються на сцені вже на третьому рівні, в IoT-інфраструктурі в корпоративному центрі обробки даних або розподілені по хмарі. Багато IoT-додатки працюють «в сліпу», захоплюючи і обробляючи дані і автоматично виконуючи аналітику.

Тут іде мова про більш високий рівень довіри до датчиків і програмного забезпечення при розгортанні проектів. Служби управління ресурсами допомагають взаємодіяти з датчиками, стежачи за тим, щоб вони були точно встановлені і коректно працювали, а також запобігаючи несанкціоноване втручання в їх роботу. Служби зберігання можуть записувати як необроблені потоки даних, так і результати обробки. Можливості розширеної аналітики можуть аналізувати дані, шукати тенденції і аномалії і навіть прогнозувати події, а також поширювати інформацію в корпоративної мережі.

«Літаючі в хмарах»

Більшість фахівців знайомі з проектуванням рішень на двох зовнішніх рівнях Інтернету речей – датчиках і шлюзах. Але найбільша цінність додатків для IoT полягає в аналітиці, яка створюється на інфраструктурному рівні. Повна реалізація потенціалу масштабного додатку для Інтернету речей залежить саме від вибору дизайнів інфраструктури.

Наприклад, поширеною помилкою серед IoT-додатків є низька пропускна способность. Наприклад, поширеною помилкою серед IoT-додатків є низька пропускна здатність. Залежно від типу датчика і необхідних частот дискретизації, пропускна здатність в окремій точці насправді може бути низькою. Агрегація датчиків на шлюзі, а потім множення ефекту на кілька кластерів, кожен зі своїм власним шлюзом, може швидко змінити ситуацію.

Інфраструктура, неспроможна йти в ногу з сумою даних, що надходять в неї, ризикує дати збій. Навіть короткі періоди перевантаженості можуть привести до втрати даних, пропущених подій і помилкових результатів аналітики.

Яким чином дизайн IoT-інфраструктури може цьому запобігти, одночасно відповідаючи всім іншим вимогам? Команди IT і OT все більше звертаються до хмарних рішень. Розподіляючи обчислювальні ресурси, вони отримують можливість забезпечити стійкість до локальних збоїв і, що найважливіше, істотно знизити кількість проблем, пов’язаних з обробкою великих масивів даних і їх передачі в мережах. І масштабування тут означає додавання «instances» – серверних платформ різних класів для визначених задач.

Найпопулярнішою публічною хмарною платформою сьогодні є Amazon Elastic Compute Cloud (EC2). Amazon EC2 надає широкий набір варіантів вибору віртуальних серверів з різними платформами і ціновою політикою, заснованою на доступності. Платформи варіюються від пристосованих для інтенсивних обчислень до віртуальних серверів з графічними процесорами і транзакційними платформами зі сховищем SSD.

Amazon надає послугу потокової передачі даних Kinesis для обробки big data (великих даних). Публічні хмарні ресурси (такі, як EC2) можуть бути корисні для представлення результатів back-end аналітики, архівування IoT-даних або надання користувачам огляду того, які дані звідки надходять. Незважаючи на те, що це прорив в контексті веб-користувачів, такі ресурси можуть не відповідати контексту IoT.

Для високопродуктивних додатків IoT з багатьма датчиками, більш високою швидкістю передачі даних і прийняттям рішення за частки секунди, публічні хмари не вирішують ряд проблем:

Детермінізм: більшість публічних хмарних сервісів не дають переконливих гарантій якості обслуговування або періоду очікування. Вони переважно мають справу з веб-взаємодією з залученням людини, коли секундна затримка допустима. У IoT затримка більша, ніж  декілька мілісекунд може вивести з ладу ретельно організований процес. У звичайних задачах аналітики великих даних режим реального часу може означати «щогодини» або «щодня».

Симетрія: можна купити по-справжньому спеціалізований віртуальний сервер, але переважна більшість публічних хмарних серверів стандартні і знаходяться на віртуалізованих серверах. Коли додаток масштабується, другий примірник може виявитися на іншому процесорі на тому ж сервері – або на зовсім іншій машині за сотні або тисячі миль, яка буде мати іншу затримку. Клас віртуального сервера може надавати один і той же тип ресурсу, але що ще одночасно працює на цьому віртуальному сервері?

Надійне виконання: додатки IoT повинні вживати заходів для аутентифікації датчиків і шлюзів, щоб запобігти несанкціонованому доступу або зламуванню. Публічний хмарний сервер може додати випадковий сервер, значно послабивши ланцюжок довіри. Навіть авторитетні провайдери хмарних сервісів можуть піддаватись спуфінгам, DDoS або іншим атакам.

Захист даних: Де саме в хмарі знаходяться дані? Наприклад, для відповідності високим стандартам безпеки Amazon представила AWS GovCloud – ізольовану, квазіпублічну зону зі спеціалізованими інструментами безпеки та моніторингу. Публічним віртуальним серверам часто не вистачає контролю над фізичним місцем розташування, де зберігаються дані. Чи є дані зашифрованими, як вони захищені, і чи захищені вони end-to-end шифруванням?

Протоколи, порти і середовища програмування. Основними мережевими протоколами зазвичай є TCP / IP або UDP / IP, але цікавими є й інші. Якщо для публічного хмарного віртуального сервера не існує повністю виділеного мережевого інтерфейсу, підтримка проміжного програмного забезпечення може стати складним завданням, якщо номера портів будуть контролюватися або виявляться недоступними. Установка таких середовищ як Java може виявитися нетривіальним завданням і не підтримуватися постачальником хмарних рішень.

Для більшості великих IoT-додатків найкращим рішенням є масштабована гібридна хмара. Це дозволяє координувати спеціалізовані приватні сервери, які керують ресурсами, потоковою передачею в реальному часі, перемиканням трафіку, обробкою і аналітикою, безпекою та надійністю з публічними хмарними ресурсами для подання та архівації даних.

Всередині конвергентних модульних серверів

Нова архітектура визначає масштабовану гібридну IoT-хмару як конвергентний модульний сервер. У порівнянні з традиційним сервером, що використовує масштабований процесор – такий, як процесор Intel Xeon E5, який може мати до 18 ядер, конвергентні модульні сервери надають ще більш потужні і в той же час гнучкі обчислювальні ресурси.

На відміну від розбивки великого робочого навантаження на кілька ядер, рішення конвергентного сервера найкраще підходить для багатьох цілей – зокрема для IoT-інфраструктури.

Завдяки використанню багатоядерних процесорів з більш низьким енергоспоживанням, модульні сервери можуть знизити загальне енергоспоживання і зменшити використовуваний простір при одночасному масштабуванні продуктивності всередині платформ і покращенні взаємодії між ними.

Багато з цих модульних серверів оснащені процесором Intel Xeon E3, розробленим спеціально для більш легких робочих навантажень на веб-рівні.

Архітектура конвергентного модульного сервера, як і блейд-сервера, з’єднує кілька процесорів в одному корпусі за допомогою швидкої, настроюваної структури з низькою затримкою. Це дозволяє збалансувати навантаження між процесорними ядрами при малій затримці. Платформа на основі Ethernet може переходити в існуючу корпоративну мережу, розподіляючи і формуючи трафік.

Також у блейд-серверів запозичена ідея модулів з можливістю «гарячої» заміни. Замість уніфікованого дизайну багато конвергентних модульних серверів реалізовані в компактному корпусі стійки з автономними модульними серверними підсистемами, кожна з яких має власне з’єднання, охолодження і моніторинг. Додавання або заміна модулів з включеною платформою спрощує обслуговування і оновлення.

Перевага, якою володіють деякі модульні сервери в енергоспоживанні – це динамічний режим очікування, який управляє потужністю для кожного сервера. Ретельний розподіл завдань означає, що процесори можуть перебувати в режимі сну або навіть повністю відключати живлення, коли вони не задіяні.

Наприклад, якщо модульний сервер використовувався для управління ресурсами або для аналітики, він міг би переходити в режим очікування, якщо немає поточних завдань, при цьому не впливаючи на вхідні потоки IoT-даних, що обробляються іншими серверами на тій же платформі.

Конвергентні модульні сервери забезпечують більшу щільність зберігання, кращу масштабованість і низьке енергоспоживання. Наприклад, серія Kontron SYMKLOUD в даний час включає в себе до 36 ядер Intel Xeon E3 або до 72 ядер Intel Core i7 в корпусі 2U, що дає 756 або 1512 ядер в стійці 42U. У найближчій перспективі нові процесори будуть забезпечувати понад 100 ядер в корпусі 2U. Ця структура відкриває безліч нових можливостей для поділу сервера, оптимізованого для використання IoT-інфраструктурою.

Управління робочими навантаженнями IoT

На рівні сенсора обчислення швидкості передачі даних для заданого датчика і частоти дискретизації є простими. Більшість IoT-додатків масштабуються шляхом додавання датчиків. Це може бути додавання датчиків того ж типу на тому ж місці, додавання нових датчиків в новій точці або нових типів датчиків для захоплення нових змінних, і, звісно ж, різні комбінації такого масштабування.

Шлюзи ускладнюють систему на другому рівні. Вони можуть масштабуватись в міру додавання нових локацій, що підтримують абсолютно нові сенсорні кластери. Коли датчики мультиплікуються на існуючому шлюзі, вони можуть перевершити його пропускну здатність, створюючи потребу у масштабуванні і збільшенні платформи.

Додавання датчиків різних протоколів вимагає більшого ресурсу для конвертації протоколів.

Ще одним фактором є роль просунутого сполучного програмного забезпечення, такого як publish-subscribe (pub-sub, видавець-передплатник).

Фізичні з’єднання для датчиків зазвичай знаходяться в топології хаба або сітки, об’єднані в шлюз. Віртуальні з’єднання між датчиками, шлюзами і інфраструктурою можуть бути більш складними. Мережі видавець-підписник, такі як DDS і MQTT, підходять для подієво-орієнтованих моделей, де датчик публікує покази для будь-якого числа зацікавлених підписників в будь-якій точці мережі. Моделі pub-sub зазвичай забезпечують гарантовану доставку повідомлень і низьку затримку.

Конвергентні модульні сервери пропонують унікальний підхід до масштабування. Десятки процесорних ядер з кожної доданої платформою створюють більше архітектурних можливостей для роботи з різними робочими навантаженнями.

— Замість виконання випадкових завдань, які виникають час від часу, ядро, призначене для моніторингу, управління і безпеки, може постійно перевіряти цілісність і працездатність мережі IoT.

— Виділені ядра можуть обслуговувати шлюз, обробляти вхідні дані.

— Якщо виділяти окремі ядра для конкретних потоків даних, що надходять від датчиків, стає можливим ще більш високий ступінь структурованості.

— Використання різних типів ядер, таких як CPU, GPU і DSP, забезпечує більш ефективну обробку сигналів.

Будь-який з цих кроків може допомогти в режимі реального часу реагувати на дані або події в мережі IoT.

Сама багатообіцяюча можливість для інфраструктурного рівня – виділення кластерів ядер для прогнозування в режимі реального часу. Замість того, щоб просто реагувати на події в момент, коли вони відбуваються, і аналізувати дані пізніше, предиктивна аналітика може шукати тенденції і патерни, які передбачать майбутнє події.

Наприклад, замість планового технічного обслуговування працюючого обладнання, моніторинг стану може вказати на ймовірність майбутнього збою або визначити, що все добре, і відкласти обслуговування до тих пір, доки воно не буде необхідним.

Платформи великих даних також враховуються. Hadoop – проект фонду Apache Software Foundation, вільно розповсюджуваний набір утиліт з відкритим вихідним кодом для розробки і виконання розподілених завдань, які працюють на кластерах з сотень і тисяч вузлів. Її ключовою перевагою в контексті IoT є те, що дані можуть зберігатися гнучко – або в одному дуже великому файлі, або в багатьох невеликих файлах.

Hadoop також відмінно справляється як зі структурованими, так і з неструктурованими даними. У реальному часі потоки IoT-даних часто представляють собою структуровані дані, потік показників датчиків і тимчасових міток. Але, наприклад, дані підприємств – такі як історія покупки товару, інформація про гарантії, діаграми обслуговування, фотографії та відео, посібники користувача – часто неструктуровані. Поєднання цих двох функцій дає можливість провести якісний аналіз.

Таким чином, об’єднані між собою на одному сервері ядра, працюють краще, в порівнянні з таким же кількістю ядер, вільно розподілених по кластерам в хмарі.

 

Масштабовуваним сервером з такими перевагами є і модульний 72-ядерний сервер Kontron SYMKLOUD.

Для інфраструктури IoT гібридна хмара, побудована навколо конвергентних модульних серверів, дає можливість здійснювати масштабування у всіх напрямках.

Зміна меж

Гібридний хмарний підхід до інфраструктури IoT з використанням модульних серверів також допомагає звільнити розробників додатків від багатьох інших меж.

— На приватному модульному сервері середовища віртуалізації повністю контролюються – відомо, що запущено на конкретній платформі. Це відкриває можливості для віртуалізації втратити зв’язок із мережею (NFV), зменшуючи як капітальні витрати, так і витрати на життєвий цикл, оскільки пристрої консолідуються.

— Розробники можуть вибирати і розгортати правильний програмний підхід. Працюючі системи можуть поєднувати і комбінувати режим реального часу, Linux або Windows. Установка і настройка сполучного програмного забезпечення, такого як OSGi, DDS, MQTT або інші служби, на приватній платформі гібридної хмари не обмежена.

— Багатопроцесорна обробка і особливе з’єднання забезпечують можливість отримувати і обробляти більше IoT-даних і створювати більш швидку і детальну аналітику.

— Найвищий потенціал IoT полягає в монетизації аналітики і даних, а також створенні потужних нових бізнес-моделей. Завдяки наявності гібридної хмари ресурси даних можуть бути оброблені і розділені або повністю захищені. Здатність швидко рости і адаптувати інфраструктуру означає підвищення конкурентоспроможності.

Всі ці переваги цінні не тільки для OEM-розробників, які створюють IoT-додатки, але і для постачальників хмарних послуг (CSP), які хочуть розширити свій M2M асортимент або вийти на IoT-ринок. Гібридна хмара, що працює на конвергентних модульних серверах, забезпечує покращену масштабованість, покращену щільність завантаження, низьке енергоспоживання і вимоги до охолодження, а також гнучкість для цільового IoT-додатку.

Гіпероб’єднання IoT

Розгортання конвергентних модульних серверів в гібридних хмарах є лише частиною загальної стратегії компанії Kontron в гіпероб’єднанні Інтернету речей. Володіючи унікальним досвідом як в області промислових обчислень, так і в рішеннях для телекомунікаційних / інформаційних центрів, команди Kontron мають досвід роботи з усіма аспектами, необхідними для успіху в IoT.

Kontron є привілейованим учасником Intel Internet of Things Solutions Alliance. Це означає, що клієнти Kontron мають доступ до новітньої технології Intel в поєднанні з розширеною підтримкою життєвого циклу вбудованих пристроїв.

Kontron SYMKLOUD MS2900 і MS2910

Інфраструктура гібридної IoT-хмари вимагає платформи, яка забезпечує якість обслуговування протягом багатьох років при будь-яких умовах. Серія SYMKLOUD від Kontron пропонує конвергентні модульні сервери з унікальною підтримкою інтеграції IT / OT і критично важливих додатків.

 

Основні характеристики серії SYMKLOUD:

— Висота 2U, глибина 21″ (533,4 мм)

— До дев’яти чотириядерних процесорів Intel® Xeon E3-1265 Lv2

процесорів — всего до 36 ядер

— До 18 Intel Core i7-4860EQ GT3e Iris Pro процесорів — всего до 72 ядер

— До дев’яти процесорів Intel Core i7-4860EQ в поєднанні зі слотом розширення PCIe

— Ethernet-з’єднання, GigE (MS2900) або 10GigE (MS2910)

— Вбудована, надлишкова комутація L4-L7

— До 2-х підсистем вирівнювання (балансування) навантаження

— Всі модулі підтримують режим «гарячої» заміни

— Сховище до 13,5 ТБ зберігання (HDD або SSD)

Філософія дизайну раггедизованої серії SYMKLOUD створювалася відповідно до високих вимог до інфраструктури телекомунікаційного стандарту NEBS. Вона здатна витримувати більш високі температури і стійкіша до ударів і вібрацій.

36 ядер в стійці 2U це важливо, але не менш важлива глибина. Шасі розміром в 21″ дозволяє імплементувати SYMKLOUD як в центри обробки даних, так і в транспортні або промислові середовища.

Функції управління платформою включають в себе оновлення одним кліком, BMC з розширеними можливостями, SNMP і IPMI, а також функціонал для дистанційного керування і діагностики.

Устаткування серії SYMKLOUD підтримується від 5 до 7 років, скорочуючи капітальні витрати та витрати на розробку і обслуговування в порівнянні з типовими серверами.

По матеріалам компанії Kontron

Статьи

14.08.2018

Технології TSN та Kontron надають перевагу розробникам
Промисловий інтернет речей (IIoT) – одна з найскладніших прикладних сфер проектування. Створення наступного покоління інтелектуальних промислових систем вимагає (читать далее)

07.08.2018

Актуальні теми, такі як взаємодія людини з роботом, цифрова трансформація в сфері виробництва й сервісної робототехніки, стали основними темами виставки Аutomatica 2018 (automatica-munich.com). Münchner (читать далее)