Концепция Интернета вещей (IoT) не нова, поскольку большинство передовых производителей уже несколько десятилетий оснащают свои фабрики и склады датчиками и системами видеонаблюдения, подключенными к сети.

Именно связь между «вещами» является движущей силой сегодняшних дискуссий об IoT, поскольку экспоненциальный рост устройств, подключенных к интернету вещей, создает узкие места в сети, ограничения полосы пропускания, задержки данных и увеличение затрат на инфраструктуру при использовании традиционной иерархической сетевой архитектуры.

Производителям требуется прозрачность производственных процессов в режиме реального времени для поддержания высокого уровня эффективности производства.

Для этого требуются локализованный доступ, хранение видеоданных и аналитика, которые возможны только с использованием новейших технологий гиперконвергентных периферийных вычислений.

Периферийные вычисления представляют собой распределенную вычислительную среду, позволяющую разместить корпоративные приложения ближе к источникам данных, таким как устройства Интернета вещей и локальные периферийные серверы.

Близость к источникам данных может дать бизнесу осязаемые преимущества: ускорение получения информации, ускорение отклика и повышение доступности.

Под конвергентными решениями подразумеваются оптимизированные технологические комплексы (аппаратный, программно-аппаратный), содержащие в себе все необходимое для решения определенных задач организации или сконфигурированные для эффективного использования ИТ-ресурсов либо для упрощения процессов внедрения системы.

Если же говорить более простыми словами, под конвергенцией понимают объединение памяти, вычислительных и сетевых ресурсов (а также зачастую сервисов) в единое целое, заранее сконфигурированное для выполнения определенных функций.

Такой подход сокращает время развертки инфраструктуры с нескольких месяцев до нескольких дней. Первыми это понятие (скорее, как маркетинговое) внесла компания Hewlett-Packard, но с тех пор многие ведущие производители IT-оборудования следовали по этому пути.

Сегодня на смену пришла гиперконвергенция. Гиперконвергентные системы переносят данную концепцию уровнем выше. Но имеются принципиальные различия между двумя технологиями.

Если конвергенция подразумевает слаженно действующие компоненты в едином блоке, которые, при необходимости, могут действовать отдельно, то гиперконвергентная система — это система, в которой вычислительные мощности, хранилища, серверы, сети объединяются в одно целое с помощью программных средств, а управление ими происходит через общую консоль администрирования.

Как правило, подобные системы приобретаются целыми вычислительными узлами, состоящими из нескольких нод (отдельных серверов), встроенной системы хранения, коммутатора и контроллеров. И всё это идёт в одном корпусе.

Отчасти может показаться, что мы вернулись к тому, от чего сравнительно недавно ушли. Вновь для хранения информации используется не отдельная СХД, а встроенная.

На самом деле концепция гиперконвергентной инфраструктуры, конечно же, значительно сложнее просто сервера с дисками. Здесь скорее можно провести аналогию с блейд-серверами и системой хранения данных в одной корзине, только более тесно интегрированных.

У всякой новой концепции у подобного решения имеются как плюсы, так и минусы. К плюсам можно отнести:

  • Отказоустойчивость системы. В связи с тем, что решение строится таким образом, чтобы отдельные его части работали как одно целое, все компоненты многократно тестируются. Получается практически полноценный ЦОД в миниатюре. В таких условиях, вероятность отказа значительно ниже, нежели у менее интегрированных систем.
  • Ускоренная инсталляция. Если на настройка традиционной системы может требовать достаточно большого количества времени, гиперконвергентная инфраструктура развёртывается в значительно более сжатые сроки. Ведь это по сути одно устройство, пусть и выполняющее самый широкий спектр задач.
  • Упрощение масштабирования. Как уже было сказано выше, гиперконвергентная система масштабируется не вертикально, а горизонтально и расширяется посредством докупки дополнительных узлов. Узлы могут в некоторой степени различаться по составу, но вариативность небольшая и пользователь заранее будет знать, что именно ему необходимо и какой бюджет потребуется для проведения апгрейда.

К недостаткам гиперконвергентной инфраструктуры стоит отнести невозможность выборочного апгрейда отдельных частей системы.

Т.е., если вычислительных мощностей хватает, а места для хранения данных – нет, всё равно придётся приобретать еще один узел.

Да, у производителей как правило имеются различные по своему составу узлы (например, заточенные в большей степени на хранение), но в любом случае это вносит определенное неудобство.

Теперь рассмотрим, в каких случаях использовать гиперконвергентное решение наиболее оптимально:

  • При необходимости развернуть IT-инфраструктуру в максимально сжатые сроки.
  • При необходимости добиться определенной стандартизации, когда имеется филиальная сеть территориально распределенного бизнеса.
  • Оптимизация инфраструктуры среднего предприятия, за счёт приобретения одного законченного многофункционального решения, вместо нескольких сложных и дорогостоящих компонентов.
  • Консолидация вычислительных ресурсов со снижением совокупной стоимости владения и экономией места в серверной стойке.

Сегодня любое обсуждение компьютерных сетей и обмена данными неизбежно фокусируется на IoT и на том, как связанные «вещи» помогут создать мир, который можно измерить.

Для производителей такими «вещами» обычно являются датчики, электронные средства управления и автоматизированное оборудование, которые помогают контролировать процесс и повышать эффективность, качество и гибкость — области, которые оказывают наибольшее влияние на любую операцию.

Согласно отраслевым прогнозам, размер IoT для производственного сектора достигнет более чем 30 миллиардов долларов к 2022 году, легко оценить, какой объем данных и сетевого трафика будет генерироваться этими подключенными устройствами и какое влияние это окажет на традиционную сетевую архитектуру, где все отправляется в облачный центр обработки данных.

Более разумным решением для типичного производственного центра обработки данных является распределение вычислительной мощности и хранилища на границе сети, чтобы минимизировать требования к задержке при транспортировке и полосе пропускания.

Граничные вычисления приближают контент с интенсивным использованием полосы пропускания и чувствительные к задержкам приложения к пользователю или источнику данных, так что видимость процесса максимально приближена к реальному времени.

Благодаря масштабируемой платформе периферийных вычислений сегодня есть возможность интернету вещей тесно сотрудничать с производственным сектором, создавая новейшие решения для использования технологий IoT в производственных цехах и других коммерческих и производственных структурах.