边缘计算的应用场景：太空

勇敢地飞离数据中心数百万英里

宇航员在外太空执行任务时需要迅速做出重要决策。大气和表面状况是否适合开展实验？月球上哪里最有可能存在可转换为燃料的冰层？宇航员需要什么类型的医疗？飞船上的设备或舱外活动（EVA）宇航服是否有任何故障迹象？

分秒必争。然而，数据倘若从太空中的传感器发送到地球进行分析，会产生很长的延迟。一个温度读数从月球传输到地球需要 5-20 分钟时间。在飞往火星的毅力号飞船上，高清图像传到地球需要花费两天时间，高分辨率光谱分析需要的时间甚至更长。 

解决方案：利用边缘人工智能在本地做出决策

NASA 及其承包商利用边缘计算加快太空中的决策速度。数据在其生成地点附近进行处理，而不必发回地球。航天器或卫星上小巧的边缘设备会收集传感器数据（图像、气体、核心采样），并运行机器学习（ML）模型就地做出决策判断，通常只需要数秒或几分钟。

迄今为止，在太空中运用边缘计算所面临的阻碍主要是空间站和卫星上的物理空间、能源和散热资源非常有限。然而，数据科学家对近乎无限的云资源已经习以为常，因而面对太空中的资源限制，需要重新思索代码的开发方法。

红帽的方法

借助红帽^® 平台，NASA 及其承包商根据空间站和卫星上有限的空间、能源、散热和连接条件，混搭使用各种边缘硬件。可选方案包括远程工作节点和三节点集群。 

首先，在红帽 OpenShift^® 上构建 ML 模型，将代码与需要运行的一切打包在一起，如操作系统、工具和库等。在太空中使用容器化应用具有一大优势，其大小通常只有几个 MB，而功能相当的虚拟机则有数 GB 之大。另一优势在于可移植性。研究人员开发一次 ML 模型后可以部署到任何硬件上，不管是边缘、云端，还是两者兼顾（混合模式）。在同行评审期间，其他科学家可以在任何平台上重现结果，不论他们使用什么样的操作系统、库或系统配置。

要从太空中的各种传感器摄取数据，可以使用红帽 AMQ Streams。根据传感器数据，红帽 OpenShift Serverless 会对应用进行扩展或收缩。没有数据传入时，红帽 Ansible® 自动化平台会关闭模型，以节省能源和散热资源。当传感器数据再次开始传输时，Ansible 自动化平台会动态启动适当数量的模型实例以达到目标性能。

红帽提供 24x7 全天候支持，助力 NASA 开展各项任务。我们对来自开源社区的软件进行广泛测试，然后再发行。我们的工程师不懈努力，改进各项功能并提高可靠性和安全性，确保软件基础架构在太空这样的高风险环境中保持稳定。

红帽应用场景之：国际空间站（ISS）

挑战：在 ISS 上，任务专家需要研究表面上和饮水中的细菌以评估是否能安全饮用。将每一 DNA 测序的结果传回到地球进行分析需要耗费数周时间。 

解决方案：NASA 利用在 ISS 上运行的容器化 ML 应用来加快研究速度。2017 至 2019 年，NASA 开展了一项在慧与（HPE）计算机上运行红帽企业 Linux® 的概念验证。2021 年 2 月，NASA 将 Spaceborne Computer-2 运送到 ISS。这台小巧的边缘设备运行红帽 CodeReady 容器（单节点 OpenShift 集群）。开发人员在地面开发代码并推送到 ISS。边缘分析结果立即提供给 ISS 人员使用，同时也转发给地面上的科学家。 

结果：NASA 预计，借助于运行红帽 CodeReady 容器的 Spaceborne Computer-2，从飞船上的 DNA 测序实验和其他传感器数据分析获得见解所需的时间将从数月缩短至几分钟。从此项目汲取的经验可帮助 NASA 为后续外太空探索做好准备，包括 Artemis 重返月球任务。阅读有关 ISS 边缘计算解决方案的更多内容。 

了解有关红帽边缘计算解决方案的更多信息