Diseño de infraestructura

Construcción de aplicaciones IoT en el borde con AWS IoT Greengrass - Procesamiento local e integración con la nube

Ejecuta funciones Lambda en dispositivos de borde y continúa el procesamiento local incluso en entornos con conectividad intermitente a la nube. Esta guía cubre inferencia ML en el borde y gestión de flotas.

約 4 分で読めます

Descripción general de Greengrass

IoT Greengrass es un runtime que ejecuta capacidades de la nube de AWS localmente en dispositivos de borde. Al instalar el software Greengrass Core en un dispositivo Linux con al menos 256 MB de memoria (Raspberry Pi, PCs industriales, gateways), puedes ejecutar funciones Lambda, contenedores Docker y componentes personalizados en el borde. Los dispositivos continúan el procesamiento local incluso cuando la conectividad con la nube se interrumpe, y sincronizan datos con la nube cuando se restaura la conexión. Greengrass v2 introdujo una arquitectura basada en componentes, permitiendo la instalación selectiva solo de las funciones necesarias.

Componentes y procesamiento local

Greengrass v2 adopta una arquitectura basada en componentes. Construyes aplicaciones de borde combinando componentes públicos proporcionados por AWS (stream manager, broker MQTT local, inferencia ML) con componentes personalizados (tu lógica de negocio). Los componentes se despliegan y actualizan de forma remota desde la nube, y los rollbacks son automáticos si un despliegue falla. El broker MQTT local permite la comunicación entre dispositivos sin pasar por la nube. Stream Manager almacena datos en buffer localmente y los envía a la nube en lotes, manejando la conectividad intermitente de forma elegante. La comunicación entre procesos (IPC) permite que los componentes intercambien datos entre sí en el dispositivo.

Inferencia ML y gestión de flotas

El componente de inferencia ML permite desplegar modelos entrenados en SageMaker a dispositivos de borde y ejecutar inferencia en tiempo real. Soporta TensorFlow Lite y DLR (Deep Learning Runtime), permitiendo inferencia eficiente en dispositivos con recursos limitados. Los casos de uso incluyen inspección visual de calidad en líneas de fabricación, detección de anomalías en equipos y reconocimiento facial en cámaras de seguridad. La gestión de flotas permite gestionar centralmente miles de dispositivos Greengrass Core. Los despliegues pueden dirigirse a grupos de dispositivos usando etiquetas de cosas de IoT, permitiendo actualizaciones graduales y pruebas A/B. Para una comprensión más profunda de Greengrass, consulta libros relacionados en Amazon.

Precios de Greengrass

Instalar y ejecutar el software Greengrass Core es gratuito. Los costos se incurren por los servicios de AWS utilizados para la comunicación con la nube, como mensajería de IoT Core, transferencia de datos de S3 e invocaciones de Lambda. Los componentes personalizados que se ejecutan en el borde no incurren en cargos de Lambda. Los costos de mensajería de IoT Core son aproximadamente $1 por millón de mensajes. Para despliegues a gran escala, optimiza los costos agrupando mensajes y usando Stream Manager para envíos por lotes.

Resumen

Al adoptar Greengrass, comienza seleccionando las capacidades requeridas del catálogo de componentes (broker MQTT, Stream Manager, inferencia ML) y diseña una configuración adecuada para los recursos de CPU/memoria del dispositivo de borde. Usa despliegues graduales para actualizaciones seguras de la flota y aprovecha el procesamiento local para reducir la latencia y los costos de comunicación con la nube.

Servicios relacionados

AWS IoT GreengrassUn servicio para ejecutar cómputo local, mensajería e inferencia ML en dispositivos de bordeAWS IoT CoreServicio administrado para conectar de forma segura dispositivos IoT a la nube y procesar mensajesAWS LambdaServicio de computación serverless que ejecuta código sin gestión de servidores

Artículos relacionados

Transferencia de datos offline y computación en el borde con la familia AWS SnowExplicamos los criterios de selección de dispositivos para Snowcone, Snowball Edge y Snowmobile, los casos de uso de computación en el borde y la planificación de la migración de datos.Conectividad de dispositivos IoT con AWS IoT Core - Comunicación MQTT y Device ShadowConecte dispositivos IoT con el protocolo MQTT y sincronice estados con Device Shadow. Presentamos el diseño del enrutamiento de datos con el motor de reglas y la autenticación de dispositivos.Visión por computadora en el edge con AWS Panorama - Despliegue de modelos ML en cámaras existentesEjecuta modelos de visión por computadora en dispositivos edge y analiza imágenes de cámaras en tiempo real. Presentamos el despliegue del Panorama Appliance y la gestión de modelos.

Más sobre este tema

Por qué Auto Scaling escala rápido hacia afuera y es cauteloso al reducir - Intención de diseño de la lógica de decisión asimétricaExplica la razón del diseño asimétrico de EC2 Auto Scaling que ejecuta el scale-out inmediatamente mientras establece un período de enfriamiento para el scale-in, el mecanismo de prevención de flapping y la lógica interna del Target Tracking Scaling.Infraestructura adaptable a la demanda con AWS Auto Scaling - Diseño y optimización de políticas de escaladoPresenta cómo utilizar los 3 tipos de políticas (Target Tracking, Predictive y Scheduled) y lograr la optimización de costos con instancias Spot mediante Mixed Instances Policy.Diseño de dominios de fallo en AWS - El mecanismo de disponibilidad protegido por la estructura de 3 capas AZ, región y particiónExplicamos por qué la infraestructura de AWS está diseñada en 3 capas: AZ (aislamiento de fallos), región (separación geográfica) y partición (separación política), y hasta dónde se propagan los fallos en cada capa con ejemplos concretos.Principios de sistemas distribuidos aprendidos de las interrupciones de AWS - Arquitecturas transformadas por grandes incidentesUsando como material los informes de incidentes publicados por AWS, como la interrupción de S3 (2017), la interrupción de Kinesis (2020) y la particularidad de us-east-1, explicamos principios de diseño como Shuffle Sharding, Static Stability y Cell-based Architecture.Por qué AWS construye regiones allí - Los criterios desconocidos de selección de ubicación de centros de datosExplicamos los criterios de decisión que AWS considera al determinar la ubicación de regiones, como suministro eléctrico, riesgo geopolítico, legislación de soberanía de datos, conectividad de red y riesgo de desastres naturales, con ejemplos concretos de regiones.Por qué los Availability Zone ID de AWS difieren por cuenta - La intención de diseño detrás del mapeo de AZExplicamos cómo us-east-1a apunta a diferentes AZ físicas por cuenta, por qué se introdujeron los AZ ID (use1-az1), la intención de diseño de distribución uniforme de capacidad y las consideraciones para la especificación de AZ entre cuentas.Infraestructura de computación por lotes - Procesamiento paralelo a gran escala con AWS BatchExplicamos cómo construir procesamiento por lotes a gran escala con AWS Batch. Cubrimos el diseño de colas de trabajos, auto-escalado de entornos de cómputo, optimización de costos con instancias Spot y la construcción de infraestructura de lotes ideal para computación científica y procesamiento de datos a gran escala.Streaming en vivo con calidad broadcast - Construcción de plataforma de distribución a gran escala con AWS Elemental MediaLive y MediaPackageExplicamos cómo construir una plataforma de streaming en vivo con calidad broadcast usando AWS Elemental MediaLive y MediaPackage. Cubrimos transcodificación en tiempo real, DRM, inserción de anuncios y distribución multi-CDN.

Artículos y servicios similares

AWS IoT GreengrassRuntime IoT que ejecuta procesamiento local, inferencia de machine learning y mensajería en dispositivos edge, integrándose de forma transparente con la nubeAWS IoT GreengrassRuntime de edge computing que ejecuta funciones Lambda e inferencia ML en dispositivos edge, manteniendo el procesamiento local incluso con conectividad intermitente al cloudAWS IoT CoreServicio totalmente gestionado que permite comunicación bidireccional entre dispositivos IoT y la nube mediante MQTT y HTTPS, proporcionando conectividad para miles de millones de dispositivos con autenticación basada en certificadosConectividad de dispositivos IoT con AWS IoT Core - Comunicación MQTT y Device ShadowConecte dispositivos IoT con el protocolo MQTT y sincronice estados con Device Shadow. Presentamos el diseño del enrutamiento de datos con el motor de reglas y la autenticación de dispositivos.