Modul 6 von 12 · 📖 8 min Lesezeit · ⏱ 30 min gesamt

FI-DV 06 Edge Computing und Gateways

Inhaltsverzeichnis (6 Abschnitte)

Konzepte und Hintergrund
Architektur-Diagramm
Praktische Schritte
Häufige Fallstricke
Weiterführende Ressourcen
Wissens-Check

FI-DV 06 Edge Computing und Gateways

Edge Computing ermöglicht die lokale Verarbeitung von Daten direkt an der Quelle, anstatt diese in zentrale Cloud-Systeme zu senden. In diesem Modul lernen Sie, wie Edge-Gateways als Schnittstelle zwischen physischen Geräten und Cloud-Diensten fungieren, um Latenzzeiten zu reduzieren und Bandbreite zu sparen. Sie erhalten Einblicke in Architekturen, die lokale Datenverarbeitung mit Cloud-Services kombinieren, und praktische Anwendungen mit Frameworks wie EdgeX Foundry und Azure IoT Edge.

Konzepte und Hintergrund

Edge Computing: Dezentralisierte Datenverarbeitung, die nah an den Datenquellen stattfindet, um Latenz zu minimieren und die Netzbelastung zu reduzieren.
Edge Gateway: Ein physisches oder virtuelles Gerät, das als Vermittler zwischen lokalen Geräten (Sensoren, Aktoren) und Cloud-Diensten fungiert, Protokollübersetzungen durchführt und lokale Verarbeitung ermöglicht.
EdgeX Foundry: Ein Open-Source-Framework für Edge-IoT, das eine standardisierte Architektur für Edge-Geräte bietet und Interoperabilität zwischen verschiedenen Herstellern sicherstellt.
Azure IoT Edge: Microsofts Plattform für Edge-Computing, die es ermöglicht, Cloud-Funktionalitäten direkt auf lokalen Geräten bereitzustellen und IoT-Lösungen modular zu erweitern.
Latenz: Die Verzögerung zwischen der Anfrage einer Aktion und dem Beginn der Antwort, die im Edge Computing durch lokale Verarbeitung signifikant reduziert wird.

Architektur-Diagramm

flowchart LR
  A[IoT-Geräte] --> B[Edge Gateway]
  B --> C[Lokale Datenverarbeitung]
  B --> D[EdgeX Foundry]
  D --> E[Registrierung & Discovery]
  D --> F[Datenaggregation]
  D --> G[Lokale Speicherung]
  B --> H[Azure IoT Edge Hub]
  H --> I[Cloud-Dienste]
  H --> J[Azure IoT Hub]
  H --> K[Azure Stream Analytics]

Praktische Schritte

Installieren Sie Docker auf Ihrem Edge-Gateway, da sowohl EdgeX als auch Azure IoT Edge als Container laufen. Dies stellt eine konsistente Umgebung sicher.
Konfigurieren Sie die Netzwerkschnittstellen des Gateways, um sicherzustellen, dass die IoT-Gerekte und die Cloud über separate Interfaces kommunizieren können.
Deployen Sie EdgeX Foundry mit dem Befehl
```
docker-compose -f edgex-compose.yml up -d
```
, um die Core-Services zu starten.

Installieren Sie Azure IoT Edge Runtime mit

curl -L https://aka.ms/iotedged-linux-x64-latest -o iotedged-linux-x64-latest.deb && sudo dpkg -i iotedged-linux-x64-latest.deb

Konfigurieren Sie die EdgeX Device Services für Ihre spezifischen IoT-Geräte, indem Sie die Konfigurationsdateien im Verzeichnis /etc/edgex/devices anpassen.
Erstellen Sie ein Azure IoT Edge Modul in der Azure Portal, das Ihre lokale Logik enthält und laden Sie es als Docker-Image hoch.
Deployen Sie das Modul auf Ihrem Edge-Gateway über die Azure IoT Edge-Einstellungen, indem Sie die Modul-ID und die gewünschte Edge-Zielgerät-ID angeben.
Implementieren Sie eine lokale Datenfilterung, um nur relevante Daten an die Cloud zu senden und Bandbreite zu sparen.
Testen Sie die Failover-Funktionalität, indem Sie die Verbindung zur Cloud unterbrechen und sicherstellen, dass die Daten lokal gespeichert werden.
Implementieren Sie eine Sicherheitsrichtlinie, die den Zugriff auf das Edge-Gateway über SSH-Zertifikate statt Passwörter erzwingt.

Häufige Fallstricke

Weiterführende Ressourcen

Wissens-Check

Vier Fragen zur Selbstkontrolle. Klicken Sie jede Frage an, um die richtige Antwort und Erklärung zu sehen.

Was ist der Hauptvorteil von Edge Computing im Vergleich zur reinen Cloud-Verarbeitung?

A) Höhere Sicherheit durch zentrale Datenverwaltung
B) Reduzierte Latenzzeit durch lokale Datenverarbeitung
C) Geringere Kosten durch weniger Hardware-Einsatz
D) Einfachere Implementierung ohne spezialisierte Kenntnisse

Richtige Antwort: B. Edge Computing reduziert die Latenzzeit, indem Daten direkt an der Quelle verarbeitet werden, anstatt in entfernte Cloud-Systeme gesendet werden zu müssen. Option A ist falsch, da Edge Computing dezentral ist und andere Sicherheitsüberlegungen erfordert. Option C ist unzutreffend, da Edge Computing zusätzliche Hardware erfordert. Option D ist falsch, da Edge Computing spezifisches Fachwissen erfordert.

Welche Funktion erfüllt ein Edge Gateway in einer IoT-Architektur?

A) Er dient ausschließlich als reiner Datenweiterleitungspunkt
B) Er übersetzt Protokolle und führt lokale Verarbeitung durch
C) Er ersetzt vollständig die Cloud-Dienste
D) Er speichert alle Daten dauerhaft lokal

Richtige Antwort: B. Ein Edge Gateway fungiert als Vermittler zwischen lokalen Geräten und Cloud-Diensten, führt Protokollübersetzungen durch und ermöglicht lokale Datenverarbeitung. Option A ist unvollständig, da Gateways mehr tun als nur weiterleiten. Option C ist falsch, da Gateways Cloud-Dienste ergänzen, nicht ersetzen. Option D ist falsch, da Gateways in der Regel nur temporäre Daten speichern.

Was ist ein wesentlicher Unterschied zwischen EdgeX Foundry und Azure IoT Edge?

A) EdgeX Foundry ist ein kommerzielles Produkt, Azure IoT Edge Open Source
B) EdgeX Foundry ist herstellerunabhängig, Azure IoT Edge ist Microsoft-spezifisch
C) EdgeX Foundry erfordert keine Containerisierung, Azure IoT Edge nur als Docker-Container
D) EdgeX Foundry kann nur mit Azure Cloud, Azure IoT Edge mit jeder Cloud arbeiten

Richtige Antwort: B. EdgeX Foundry ist ein Open-Standard für Edge-IoT, der Interoperabilität zwischen verschiedenen Herstellern sicherstellt, während Azure IoT Edge eine spezifische Microsoft-Plattform ist. Option A ist falsch, da EdgeX Foundry Open Source ist. Option C ist falsch, da beide Frameworks typischerweise als Container laufen. Option D ist falsch, da EdgeX Foundry Cloud-agnostisch ist.

Welche der folgenden Aussagen zur Latenz in Edge Computing ist korrekt?

A) Latenz ist in Edge Computing höher als in reinen Cloud-Lösungen
B)</strong) Latenz entsteht hauptsächlich durch die Verarbeitungsgeschwindigkeit der Cloud</li>
C) Edge Computing reduziert Latenz durch Vermeidung von Netzwerkübertragungen

D) Latenz ist in Edge Computing irrelevant, da Daten immer lokal verarbeitet werden

Richtige Antwort: C. Edge Computing reduziert Latenz, indem Datenverarbeitung lokal stattfindet und die Übertragung in entfernte Systeme entfällt. Option A ist falsch, da Edge Computing Latenz reduziert. Option B ist unvollständig, da Latenz auch durch Netzwerkübertragungen entsteht. Option D ist falsch, da Latenz auch in Edge-Umgebungen eine Rolle spielt, besonders bei Echtzeitanwendungen.