エッジコンピューティングでbiアプリを使用するためのガイド

最近では誰もがエッジコンピューティングについて話していますが、それが何であるかを理解している人はほとんどいません。 簡潔に言うと、エッジコンピューティングとは、センサー上またはゲートウェイの近くで、データのソースに近い処理を意味します。 ITが代替手段としてエッジコンピューティングを最適に管理する方法を知りたい場合は、同僚でありPCMag IT Watchの寄稿者であるWayne Rashのコラム「ITが5Gとエッジクラウドコンピューティングについて考える必要がある」をご覧ください。 しかし、この記事の目的のために、エッジコンピューティングを「100平方フィート未満のフットプリント」を持つ「マイクロデータセンターのメッシュネットワーク」と定義する市場調査会社IDCからの説明から始めることができます。

テクノロジー分野のほとんどの新しい用語と同様に、「エッジコンピューティング」は広く使用されており、ブロックチェーン、コンテンツ配信ネットワーク（CDN）、グリッドコンピューティング、メッシュコンピューティング、ピアツーピアなど、さまざまな流行語テクノロジーとリンクされていますピアコンピューティング。 一般的なタスクは、エッジコンピューティングと関連してどの技術が採用されても、データが処理される場所とその出力の最終結果が影響する場所との間の距離を短くすることにより、データ分析と関連アクションを高速化することです。

苦労して得たビジネスインテリジェンス（BI）の洞察を実用的な洞察に変えることに関して、それは重要な考慮事項です。 しかし、BI（特に低遅延分析）とエッジコンピューティングは技術の天国で行われた一致のように見えますが、2つを組み合わせる前に考慮すべきことがたくさんあります。

エッジでの分析とストリーミング分析

分析に対するエッジコンピューティングの重要性は、継続的な津波（IoT）データの継続的な津波をクラウドに転送する他の実用的な方法がないことを理解すれば、容認できないレイテンシーとネットワークトラフィックジャムを発生させることなく明確になります。 この遅延の問題は、自動運転などの多くの新しい分析アプリケーションで致命的となる可能性があります。 データのオーバーフローにより、「Scotty」と言うよりも短い時間でブロードバンドからボトルネックに移行できます。

はい、ストリーミング分析は、IoTデータのリアルタイム読み取りを取得するための遅延に敏感な万能薬として、ほんの数年前に宣伝されました。 しかし、ストリーミング分析にはまだ多くの利点がありますが、物理学を変えることはできませんでした。 膨大なデータ転送は、多数のルーターホップ、仮想化パケットの遅延、接続の切断、およびネットワーク内の他の物理的制約により遅くなります。 遠隔地のIoTの場合、ネットワーク接続を取得することは、特定の日に強力で不確かな提案です。

これらの問題のすべてが、データとコンピューティングプロセスの間の物理的な距離によって拡大されることは問題にはなりません。 これらの理由およびその他の理由により、ストリーミング分析はリアルタイムではなく「リアルタイムに近い」傾向があります。 たとえば、自動運転車がブレーキをかけて衝突を回避するのに間に合うように出力が必要な場合、その遅延は、どんなに小さくても大きな問題です。 その高速道路のすべての車に一度にブレーキをかけたい場合、それはさらに大きな問題です。

要するに、Star Trekと現実のデータトランスポーターには限界があり、ITのScottyがそれについてできることはほとんどありません。 現在のネットワークで処理するにはIoTデータが多すぎるため、その量は息をのむような速度で増え続けています。 ここでの重要なポイント：エッジコンピューティングは、ネットワーク上の情報の流れを食い止め、より高速な分析出力も提供します。

エッジクラウドとクラウド

これらのマイクロデータセンターは、共同機能、通信機能、または相互依存機能で結合されている場合が多いため、「エッジクラウド」という用語を好む人もいます。

たとえば、現代の車には、個々のシステムを管理するために設計された数百台の組み込みコンピューターがありますが、システムが相互に通信して必要に応じて適応できるように相互に接続されています。 言い換えれば、彼らは個別に、集合的に、そしてエッジコンピューティングを多用して、さまざまな複雑な機能を完成させます。

「彼らは観測された条件に対応するだけでなく、時間をかけて学習し、適応します」と、米国エネルギー省の太平洋北西部国立研究所（PNNL）の組み込みおよびワイヤレスシステムの科学者/エンジニアであるJohnathan Vee Cree博士。 「たとえば、最新の燃料噴射システムは、動力と燃料効率を最適化するために自動車の運転パターンを観察します。このデータのリアルタイム性により、エッジ以外の場所での処理が不可能になります。」

複数システムのオンボード相互依存関係であっても、「エッジクラウド」という用語は不正確であるため、理解がさらに曖昧になる傾向があります。

「IoTデバイスについて話すとき、考慮事項はクラウドとほぼ反対です」とVee Cree氏は述べています。 「通常、IoTデバイスのストレージと処理能力は限られ、外界への接続が断続的になる可能性があり、バッテリーで駆動される場合があります。これらのデバイスの重要な価値は、利用可能な生センサー値を意味のあるデータに変換する能力です」

上記のEdge Computing Devicesグラフィックは、TECHnalysis Researchの許可を得て転載しています。

ただし、エッジコンピューティングとクラウドコンピューティングは相互に排他的ではありません。 実際、それらは最も成功したIoTデータ戦略に絡み合っています。 それはすぐにいつでも変わる可能性はありません。

「エッジとクラウドコンピューティングの組み合わせの例は、Teslaの自動操縦機能にあります。自動操縦システムは、刻々と変化する運転状況を感知し、反応する必要があります。これは、機械学習アルゴリズムを使用して、 PNNLのソフトウェアエンジニアであるWilliam Moeglein氏は、このデータを使用してリアルタイムで意思決定を行う一方で、クラウドと共有し、すべてのドライバーの自動操縦機能を改善するためにも使用しています。

エッジとクラウドのコンボプレイは、それが機能するという理由だけで一般的です。 両方の長所を活用していますが、町で唯一のゲームではありません。 実際、社長のボブ・オドネルのレポートによると、「エッジでの計算：調査のハイライト」によると、エッジ分析の36％は企業データセンターに、34％はエッジに、29％はクラウドにあります。 TECHnalysis Researchのチーフアナリスト。 これは、エッジ分析の実装方法にオプションがあることを意味します。 選択は、何をしようとしているか、その目標を達成しようとしている条件に完全に依存します。

「デバイスがバッテリーで動作している場合、コンピューティング電力とエネルギー使用量のトレードオフが制限要因になる可能性があります。電力消費が重要な場合、連続センサー読み取り値にアクセスしているにもかかわらず、データの小さなサンプルに基づいて決定を下すことができます」と述べましたPNNLのMoeglein。

「エッジコンピューティングは、通信が保証されていない、一方向、または制限されている分野のデバイスのフィードバックを可能にします」とMoegleinは続けました。 「システムがバッテリーで数年または数十年にわたって動作することが予想される場合、エッジコンピューティングを使用して、送信されるデータを減らすことにより、デバイスの寿命を延ばすことができます。」

上記のフォグコンピューティンググラフィックは、 Cisco Systems、Inc.の 許可を得て転載しています 。

Edge Cloudの曇り除去

分析がどこでどのように行われるかを管理および最適化する自動化がまもなく行われ、それにより「フォグコンピューティング」という概念が生まれました。これはITおよびネットワークベンダーのシスコシステムズが生み出した用語です。 この戦略では、シスコがホワイトペーパーで説明しているように、「ネットワークエッジでフォグノード用のIoTアプリケーションを開発または開発します。ネットワークエッジに最も近いフォグノードがIoTデバイスからデータを取り込みます。霧のIoTアプリケーションは、さまざまな種類のデータを分析に最適な場所に導きます。」 上の図に示されているように、シスコの見解では、フォグコンピューティングはクラウドをデータ収集を行う実際のデバイスに近づけます。 フォグノードをIoTデバイスの近くに配置することにより、シスコは遅延を減らしながら分析を高速化しようとしています。

多くの場合、実際にはIoTデバイスでネットワークのエッジでコンピューティングしているエッジコンピューティングとは対照的に、クラウドコンピューティングがエッジにプッシュされた、つまり分散型であると考える方が簡単だと言う人もいます。 確かに非常に微妙な違いです。

多くの場合、2つの概念が非常に似ているため、人々は「エッジコンピューティング」と「フォグコンピューティング」を交換可能に使用します。 フォグコンピューティングは、データを並べ替えてさまざまな場所にルーティングし、分析することで際立っています。 それと、フォグコンピューティングは、IoTデバイスなどのエッジ上にあるというよりも、「エッジに近い」（つまり、ゲートウェイ）場合がほとんどです。

要するに、正確にはエッジコンピューティングとは何のコンセンサスもありませんが、問題を曇らせることは何の助けにもならないという多くの人々です。 前述のTECHnalysis Researchレポートによると、「エッジコンピューティングはゲートウェイ（13.2パーセント）よりもエンドポイント（29.8パーセント）で作られていると考える人が多く、44パーセントが両方であると考えています。」

いずれにせよ、「最終用途のアプリケーションは最終的にシステムのニーズを促進し、エッジまたはクラウドでの処理の利点間のバランスを見出すことを目指しています」とPNNLのVee Creeは述べています。

経験則は1つだけです：ほぼリアルタイムまたはリアルタイムで決定が必要な場合は、可能な限りデータソースの近くで処理を行います。 エッジコンピューティングは、待ち時間をなくし、エネルギー消費を抑え、ネットワークトラフィックを削減するための選択肢です。

API、アプリ、エコシステム

一般に、エッジコンピューティングと組み合わせて使用​​されるアプリは、速度と効率を達成することを目的としています。 ここでは、スタンドアロンのビジネスインテリジェンス（BI）アプリを見つける可能性は低くなりますが、IoTデータをクラウド内の既存のBIアプリとフレームワークに結合するための組み込みBI機能、そしてもちろんアプリケーションプログラミングインターフェイス（API）を見つける可能性は低くなります。

「エッジコンピューティングの概念は、待ち時間と接続性が問題となるシナリオでも、企業がクラウドコンピューティングの利点を活用するのに役立ちます。一部のアプリケーションは、クラウドへのラウンドトリップを禁止するデータサイズまたは速度要件を処理します。そのような場合、Tableau Tableau Softwareの製品マーケティング担当副社長であるMark Jewett氏は、次のように述べています。

「その他の場合、エッジコンピューティングは、接続が信頼できない、または高価または定期的であるシナリオに対処する方法を提供します。船などの移動するもの、石油プラットフォームや鉱山などの遠隔のもの、または状況などの例接続性は良好であるが、ダウンタイムが非常に高価な製造プラントシステムなど、中断のリスクを冒す価値がない場合。アナリストや他のユーザーは、フルワークステーションにアクセスできない場合がありますが、分析力は同じです。知るようになりました。」

Tableauは、エッジでデータの処理を行っている、またはデータを処理している唯一のBIベンダーではありません。 マイクロソフトは、顧客の1つであるSchneider Electricを事例として指摘しました。 Schneider Electricには、Azure Machine LearningとAzure IoT Edgeを使用して安全性を向上させ、遠隔地でのインシデントを削減する、オイルロッドの予測メンテナンスを行うエッジアプリがあります、とMicrosoftの広報担当者は言いました。 データ処理はデバイス上で実行されます。 これは、クラウドインテリジェンス（クラウドでトレーニングしたMLモデル）をエッジデバイス自体にもたらすことで実現されます。 これにより、大規模なトレーニングデータセットに基づいて異常をより迅速に検出できます。

一方、IBM Watsonは、アンビエントおよびデバイスの音声と会話の分析、ドローンの画像とビデオの分析、メンテナンスと安全の音響分析など、無数のユースケースを報告しています。

「これらすべてのケースにおいて、エッジ分析はデバイスでローカルに動作することでパフォーマンス、コスト、プライバシーの改善を可能にします」と消費者向けオファリングのIBM Watson IoTの副社長であるBret Greensteinは述べています。 「エッジのコンピューティングパワーが成長し、MLが成熟し、より専門的なユースケースを作成するにつれて、成長は刺激的です。

「デバイスは、見たり聞いたりするものを「理解」し、その理解を活用してより良いサービスを提供し、より良い選択を行うことができます。これはリアルタイムで行われます。そして、実際のデータはエッジデバイスのインサイトに変換できるため、データをクラウドに送信する必要があります。これにより、コストが改善され、新しい形式のプライバシー保護が可能になります。」

プライバシー保護の新たなレイヤーを追加することは、企業が成功するために必要なデータを提供しながら、企業の負債を減らすのに大いに役立ちます。

数字によるエッジコンピューティングアプリ

TECHnalysis Researchによると、エッジコンピューティングはまだ初期段階にあることを念頭に置いて、エッジコンピューティングアプリのごく一部（39％）のみが新しいのは驚くことではありません。 大半（61パーセント）は移行されたクラウドアプリです。 とはいえ、次のトップコンピューティングアプリは次のとおりです。

運用分析（44パーセント）

プロセス監視（35パーセント）

従業員の監視（32パーセント）

リモート資産監視（28パーセント）

職場/安全コンプライアンス（24パーセント）

予測メンテナンス（22パーセント）

オンサイトの物理的資産追跡（20パーセント）

同じTECHnalysis Researchレポートによると、クラウドアプリをエッジに移行する5つの理由は、セキュリティの向上、コストの削減、遅延の削減、ローカル制御の改善、ネットワークトラフィックの削減です。

BIのレンズを通して、エッジコンピューティングにより効率と機会が強化されます。 したがって、最初にクラウドアプリを移行するか、既存のIoTアプリにアナリティクスを埋め込み、最速で最高の位置に配置することができます。 たとえば、工場のロボットユニットからすべてのデータをストリーミングおよび分析する代わりに、センサーによって生成される一見限りの量の反復情報であるフロートサムを捨てることができます。

代わりに、エッジコンピューティングを使用して、「変更データ」、つまり同じソースからストリーミングされる他のデータとは何らかの方法で異なるデータのみを記録および分析できます。 たとえば、北極圏の風車が「元気です。元気です。元気です。ブレードが2秒間止まりました。元気です。元気です。元気です。」と報告します。 ブレードの固着に関するビットは、変更データです。 そのため、マシンを回転させてより多くのエネルギーを集める「ウィンドシフト」も発生します。 変更データは、変更を記録するため、最も重要なデータポイントです。

このような場合、エッジのアプリは関連データのみで動作します。 一部の人はそれを「スマートデータ」と呼びます。 重要な詳細がすぐにわかるのに、なぜ海を沸かすのですか？ スマートデータアプリは、収集ポイントでデータを使用可能にし、従来のBIアプリでさらにブレンドおよび分析するためにクラウドに送信するデータを決定することもできます。 このようにして、データマイニングは最大のビジネス効果のために最適化されます。

BIおよびエッジコンピューティング戦略の4つのヒント

エッジコンピューティングのトレンドに飛びつき、クラウドからアプリを移行することから始めるのは比較的簡単です。 しかし、戦略なしで行動を起こすことは重大な間違いです。 トースターなどのランダムなものがすぐにインターネットに接続され、次のCESで誇らしげに表示されたIoTの初期の頃を覚えていますか？

戦略が無意味であるか、欠落している場合、スマートデータでさえ役に立ちません。 したがって、BIとエッジ戦略を形成する際に留意すべき4つの考慮事項があります。

1.追加のデータマイニングの機会について、現在のIoTプレイを再評価します。 たとえば、食料品店や製造業者は、原材料の供給元を確立または検証するために、冷凍センサーやトラック輸送センサーなどのサプライチェーンのデータを使用する場合があります。 持続可能性ブロックチェーンに追加されたこのような情報は、環境に配慮した消費者を引き付けるためにマーケティングで使用できます。

小売業者は、店舗でコンピュータービジョンとエッジコンピューティングを使用して消費者をスキャンし、買い物客が見ている衣服が実際にどのようにフィットするかを3Dでその場で表示します。 これにより、売り上げが向上するだけでなく、更衣室の必要性や関連するセキュリティとプライバシーの問題を排除できます。 ただし、データをクラウドに送信して、他の消費者データと混合し、会社のより大きな戦略を知らせることもできます。

使用しているIoTをさらに活用する機会を探してください。 それが生成するデータで他に何ができますか？ 他にどのようなデータを使用して収集および処理できますか？

2.必要なアプリを決定します。 アプリの移行、分析の埋め込み、またはカスタムアプリの作成が必要になる場合があります。 それはすべてあなたがやろうとしていることに依存します。 ビジネスの目標に沿ってアプリを選択してください。

最先端のアプリの開発について詳しく知るには、OpenStack Foundationが主催するOpenDevカンファレンスが最適です。 OpenStackはオープンソースのクラウドコンピューティングプロジェクトであり、エッジコンピューティングがそこで話題になっているのはまさにそのためです。 また、ほとんどすべてのコンピューティングでオープンソースがエッジコンピューティングで注目を集めています。 また、エッジコンピューティングベンダーが提供するアプリや、BIアプリベンダーが提供する組み込み分析を検討することもできます。

3.使用する新しい技術を選択します。 ベンダーにデモの提供を依頼して、使用する技術、利用可能なアプリ、およびそのためのアプリの開発に関するガイダンスを入手してください。 たとえば、Amazon Web Service（AWS）とAWS Greengrass、Microsoft Azure IoT Edge、CiscoとIBM Watson IoTは、テクノロジーとIoTエッジコンピューティングの分析とアプリのブレンドを提供します。

また、さまざまなブロックチェーン、CDN、ピアツーピア、およびその他の純粋なプレイベンダーを確認できます。 しかし、Dell Inc.、IBM Corp.、Hewlett Packard Enterprise（HPE）などのハイテク大手は見逃さないでください。これらはすべて、追加のストレージおよびコンピューティングおよび分析機能をハードウェアに追加してエッジデバイスに変換することに取り組んでいます。

ベンダーの真剣な評価を開始する前に、選択肢を感じてください。 また、ベンダーと話し始める前に、会社が現在使用しているIoT技術の種類と追加したい種類のインベントリを作成します。 そうすれば、軌道に乗る可能性が高くなります。

4.進化を計画します。 すべての未熟な技術とトレンドが従う成熟へのパスにはパターンがあります。 BIとエッジで同じ進化が起こることを期待してください。 そのため、はい、ベンダーの統合は何らかの点でありそうです。 それを覚えておいてください。

また、クラウドテクノロジーを適切なクラウドから切り離して、エッジでも使用できるようにしてください。 クラウドまたはエッジを使用する際に最大限の柔軟性が得られるようなデカップリングが必要になります。 単一のベンダーからではなく、多様なエコシステムからのよりスマートなアプリを通じて、コストを削減し、効率を高める可能性があります。 短期と長期の両方の計画を立てて、以前の投資に大きな損失を与えることなく予測可能な変更に適応できるようにします。