Extreme Edge – 使用 HCI 實現天文攝影

by 喬丹拉努斯 on 2022 年 9 月 19 日

企業 ◇ 超融合

最近我們寫了一篇文章（和創建了一個視頻) 突出了 Scale Computing 的微型 HCI 集群的部署簡便性。三節點集群的設置非常簡單，使其成為零售等邊緣用例的最愛。但是我們開始思考，在稍微偏遠一點的邊緣使用這些節點怎麼樣？就像在亞利桑那州沙漠深處，配備幾個便攜式發電站和一個強大的望遠鏡，可以拍攝頭頂的天空。繼續閱讀以了解有關 Scale Computing 如何在極端邊緣實現科學研究的更多信息。

沙漠中的天文攝影

矯枉過正？是的，這有點像帶著戰艦參加釣魚比賽，用深水炸彈把魚拉到水面。然而，這更像是一個測試，看看我們處理大照片的速度有多快。

望遠鏡的速度非常快，因為它有一個大光圈，F/1.9，這意味著我們不必在目標上花費太多時間，我們的曝光時間也可以短得多。這意味著在整個晚上的天文攝影中，我可以捕獲比我在本地控制器筆記本電腦（中等規格的第 7 代 i7、7820HQ 和 m.2 SATA SSD）上實時處理的更多數據和更多目標.

我還更喜歡將控制任務細分為望遠鏡的引導和圖像處理，以免系統過載或遇到任何類型的 IO 限制。我們正在處理每幀 120MB-150MB 的數據，這在處理大型數據集時會很快增加磁盤 IO 和 CPU 消耗。

簡化的天文攝影解釋

處理是什麼意思？第一步是照片的註冊；這應用了質量的一般評分並創建了一個文本文件，該文件任意列出了每張圖像中所有星星的位置。隨著我們為同一目標拍攝越來越多的照片，這些註冊文件用於幫助對齊最終圖像堆疊過程中的所有圖像。

文件全部註冊後，我們使用各種方法將它們堆疊在一起。為了簡單起見，我們可以說我們平均每個像素的值，隨著圖像大小的增加，這需要的時間越長。之後，您將進行後期處理，這可以像 Photoshop 編輯一樣簡單。更複雜的操作使用可以利用 GPU 和 AI 移除星星等的專用軟件。後期處理是藝術的用武之地。

使用這架望遠鏡，我可以拍攝 30 秒的曝光並獲得令人難以置信的效果，因此我通常喜歡為每個目標拍攝 100 到 200 張照片，並在一個晚上盡可能多地拍攝目標。

我使用的軟件叫做 Deep Sky Stacker 和 Deep Sky Stacker Live。 Deep Sky Stacker Live 為您提供實時（誰會猜到）、未校準的當前目標圖像集預覽，它會在圖像從相機傳來時進行註冊，從而節省時間。

對於這個特定的測試，我很好奇我們是否可以在拍攝圖像時盡快註冊、堆疊和處理圖像。這在計算上相當費力，因為這些圖像每張都是 62 兆像素，而且我為每個目標拍攝 100 到 200 幀。這意味著它每小時生成大約 15GB 到 20GB 的信息；整個晚上生成了 178GB 的數據，我能夠在 Scale Computing HCI 集群上處理這些數據。哦，因為我們非常偏遠，所以我們只使用電池來完成所有這些工作。

Andromeda，40 分鐘的積分時間。

每個目標的堆疊時間，使用平均方法，包括全套校準框架，需要 25-35 分鐘才能完全完成。這是 Scale Computing Cluster 令人驚訝的令人印象深刻的性能，與我的桌面工作站和家裡的專用 Astro Server 相當。

去掉星星的仙女座。

我進行了廣泛的研究，這與我發現的一致，投入大量 RAM 和 CPU 並不重要，更重要的是獲得絕對最佳的磁盤 IOPS 和讀/寫速度，您可以為此過程獲得盡可能快（稍後在另一篇文章中詳細介紹）。 Scale Computing Cluster 的全閃存 M.2 NVMe 驅動器以低功耗為這一特定工作流程提供高性能，非常適合。

天文攝影機

用於測試的望遠鏡、IT 基礎設施和站點位置信息：

Celestron Nexstar GPS 11″ 在高清楔形和高清三腳架上
- Starizona Hyperstar11v4
  - 540mm 焦距
  - F/1.9 光圈
ZWO ASI6200MC Pro 一次性彩色相機
具有第七代 i7 的通用企業戴爾筆記本電腦，用於控制和捕獲
規模計算集群
非託管八端口 Netgear 1G 交換機
2 塊 EcoFlow River 迷你電池
星鏈V2
Picacho Peak 州立公園，Bortle 2 站點。
軟體
- 尼娜
- PHD2
- 深空堆垛機
- 星網
- Photoshop中

極端邊緣 HCI

一般設置非常簡單；我設置了一張桌子、一個 8 端口交換機、控製筆記本電腦、Scale Computing HCI 集群和用於互聯網訪問的 Starlink。一切都通過交換機聯網在一起，儘管它只是一個 1GbE 交換機，與 Scale 集群的速度相同，但由於數據進入的速率，大約每分鐘 300 兆字節，在這個工作流中不是問題。

storagereview hci astrophotography rig ecoflow river 迷你電池

Scale Cluster 和 Control Laptop 的所有電源都分配給了一台 Ecoflow River Mini，另一台關閉瞭望遠鏡和相機的電源。望遠鏡和相機接受汽車打火機端口的 12 V 電源，一個輸入用於望遠鏡支架，為指向和跟踪的電機供電，另一個用於運行用於相機冷卻器的珀耳帖元件。

相機傳感器冷卻至 -5°C。集群和筆記本電腦（帶屏幕和最低亮度）在不到 2 小時 30 分鐘的時間內耗盡了 EcoFlow River Mini，而專用於望遠鏡的設備在初步測試中能夠為其供電整整兩個晚上。

控製筆記本電腦通過 USB 3.0 和 USB 3.0 集線器連接到望遠鏡和相機。在我的設置中，我喜歡只在控製筆記本電腦上運行最低限度，然後通常將圖片遠程存儲，如果我有可用的 NAS（在這種情況下，我在 Scale Cluster 上做的）或者如果我沒有網絡連接到外部閃存。

我在這個集群上為這個測試設置了三台虛擬機，兩台用於堆疊，一台用於將圖像文件存儲為網絡共享。望遠鏡的控製筆記本電腦通過網絡將其文件直接從相機轉儲到集群。然後，每個堆垛機負責在文件傳入時輪流處理每個目標。感謝集群提供的大量計算能力，我們可以跟上工作量。

在前往黑暗天空站點的正常遊覽中，僅使用控製筆記本電腦，由於傳入的數據量巨大，我無法進行現場處理。由於互聯網連接受限，我也無法將它們直接上傳到家庭服務器進行處理，這意味著我直到一天或更長時間後才知道在目標上花費的時間的結果。 Starlink 在一定程度上解決了這個問題，但它處於可靠解決方案的邊緣，特別是如果你有多個用戶/望遠鏡，因為 5-20Mbps 的上傳速度很快就會成為瓶頸。

總體而言，該測試是一個很好的概念證明，表明如果您在永久安裝的遠程天文台設置了兩個、三個甚至更多專用天文攝影設備，您可以非常輕鬆地在現場處理所有堆疊，然後上傳將文件堆疊回基地，以便在家中進行最終編輯。

我還建議您可以將較小的集群帶到明星派對上，並且也能夠進行現場處理，因為您將能夠為每個用戶快速部署一個 VM，以便能夠用於他們自己的個人工作流程。為了驗證這個概念，我坐在露營地對面，我的筆記本電腦連接到我的 5G 手機，遠程桌面回到控製筆記本電腦，在那裡我可以在集群上遠程堆疊和處理圖像，並取得了巨大成功。

最後的思考

在此特定測試中，Scale Computing 3 節點集群無疑是大材小用。也就是說，它還表明，在長周末遠足、大型星空派對或使用多台望遠鏡拍攝圖像時，您可以快速獲得結果、對圖像進行完整驗證並檢查數據中的問題。不必收拾行李回家，卻發現鏡頭上有污跡，或某處雜散光太多，或選擇了不正確的濾鏡，這些都可以在現場近乎實時地解決。

storagereview astrophotography complete rig 夜

在我完成第二個目標的堆疊後，好處就變得很明顯了；我意識到我使用的 USB 集線器上的 LED 發出的雜散光太多，在圖像中產生了一些奇怪的偽像。我能夠回到望遠鏡前，將它們蓋住並重新射擊目標，然後重新堆疊以獲得更好的結果。

由於其低功耗設計和高性能，Scale Computing 解決方案也非常適合永久安裝、100% 離網的多用戶遠程天文台。如果我能夠獲得一些額外的電力存儲能力和足夠大的太陽能解決方案，那麼運行時間將不受限制，並且能夠在白天關閉多餘的節點以最大化充電率，我可以看到很多這些應用的潛力。

我發現有兩個我認為可以輕鬆解決的大缺點，一個可以通過軟件更新來解決，另一個可以通過簡單的硬件升級來解決。首先是無法通過任何USB設備；如果它有 USB 直通，我會 100% 放棄我當前的所有設備並將其作為工作流程的主要設備，甚至坐在家里後院。我需要能夠將 USB 集線器傳遞給來賓操作系統，以便直接控制望遠鏡和相機。

第二個問題是存儲量有限。每個主機 2 TB 相當不錯；但是，我希望看到每台主機 4 到 XNUMX TB 左右的某個地方，使它成為我特定工作流中可用的日常選項。不過，我正在使用我正在實施的相機以較高的數據速率進行捕獲，因此對於那些使用較低分辨率相機的人來說，這可能不是什麼大問題。規模可以為這些系統配置更多存儲，因此如果您需要容量，這是一個簡單的解決方案。