Erfahrungsbasiertes und forschendes Lernen am Raspberry-Pi Cluster: Aufbau einer flexiblen Laborumgebung für die Lehre verteilter Architekturen und paralleler Programmierung

Raspberry Pi Cluster

Finanzierung Geschäftsstelle der Studienkommission für Hochschuldidaktik an Hochschulen für Angewandte Wissenschaften in Baden-Württemberg
Programm: Förderung innovativer Lehrprojekte (HUMUS)
Laufzeit 2017-2018
Kontakt Sandro Leuchter

Erfahrungsbasiertes und forschendes Lernen am Raspberry-Pi Cluster: Aufbau einer flexiblen Laborumgebung für die Lehre verteilter Architekturen und paralleler Programmierung

Projektziele

Aufbau eines Rechenclusters mit 32 preiswerten Einplatinenrechnerknoten (Raspberry Pi 3, Modell B) zum Einsatz in der Lehre.

Zu den Lehrinhalten gehören Konfiguration, Inbetriebnahme und Verwendung solch eines Clusters. In Master-Lehrveranstaltungen soll er weiterhin für forschendes Lernen benutzt werden, indem die Studierenden eigene rechenintensive und softwaretechnisch anspruchsvolle Projekte definieren und in Gruppen auf Teil-Clustern implementieren.

Foto

Projektergebnisse

Der Cluster wurde als rollbares 19 Zoll Koffer-Rack aufgebaut um flexible Einsatzszenarien zu ermöglichen. Im Rack sind 32 Raspberry Pi 3, Model B, zwei 16-Port Switches, eine 16 TB Network Attached Storage Einheit sowie ein Banana Pi Router mit 5 GBit Ethernet Ports und einem WLAN-Modul mit 802.11 b/g/n.

Von einem beliebigen Host-Rechner aus verbindet man sich mit einem vom Internet getrennten WLAN, das den Zugang zum Ethernet-vernetzten Cluster bereitstellt. Über einen Satz von Shell-Skripten können vom Host-Techner aus automatisiert Softwarekomponenten auf den Raspbian-basierten Knoten (auf allen oder auf einer Teilmenge) installiert und Programme gestartet werden.

Vorbereitete Lernumgebungen

Eine Docker-Umgebung auf jedem Raspberry Pi Knoten erlaubt die Verwendung von Container-Images als Basis für die Verwendung von Microservices.

Auf jedem Knoten ist zudem ein Akka-Remote System verfügbar, um eine verteilte Actor-Umgebung auf dem Cluster realisieren zu können.

Anhand von Hagelsensoren der Firma dimeto GmbH wurden zudem komplexere Laboraufgaben für Informatikwahlpflichtveranstaltungen des 6./7. Semesters vorbereitet, mit denen Internet of Things Szenarien und Fog-Computing konkret ausprobiert werden können:

  • Adapter MQTT/Akka
  • Adapter gRPC/MQTT
  • Sensoratenvorverarbeitung in einem Fog-Cluster

Ausblick

Über einen TFTP-Server auf dem Network Attached Storage Gerät und einen DHCP-Server sollen die Raspberry Pi-Knoten per PXE booten. Docker-Swarm oder Kubernetes sollen zur Container-Orchestrierung verwendet werden können.

Avatar
Dr.-Ing. Sandro Leuchter
Professor for Distributed and Mobile Applications

Related