エッジツークラウドコンピューティングアーキテクチャがデジタルイニシアティブの鍵となる

HPE の最近の Discover 2021 カンファレンスでの基調講演と顧客向けデモンストレーションでは、「未来はエッジからクラウドへ」というスローガンが参加者の共感を呼びました。

HPE の社長兼 CEO であるアントニオ・ネリ氏は、エッジツークラウド アーキテクチャは、「データは豊富だが洞察力に乏しい」情報時代から「洞察力の時代」に移行し、増大するデータからより大きなビジネス価値を引き出したいと考えている企業にとって最優先の戦略になるだろうと述べています。

多くの企業は長い間、リモート、ブランチ、サテライト サイトからコア データ センターにデータを転送しており、パブリック クラウドへの転送も増えています。しかし、IoT、センサー、その他の長距離データからより深い洞察を得るために多くの企業がデジタル変革の取り組みを進めているため、エッジ コンピューティング施設でのデータ処理を容易にするために IT インフラストラクチャを再考する必要に迫られる企業もあるかもしれません。

ストレージをエッジへ移行

調査会社ガートナーによれば、2025年までに企業のストレージ インフラストラクチャの 40% 以上がエッジに導入されるようになると予想されていますが、現在はわずか 15% です。 Gartner によると、エッジ ストレージは、データが生成または消費される場所またはその近くで、データ サービスを作成、分析、処理、配信する役割を担っています。

ガートナーのリサーチ担当副社長であるジュリア・パーマー氏は、産業用 IoT、エッジ ビデオ監視、推論は、エッジからクラウドまでのデータ処理を必要とする新しいワークロードのほんの一部に過ぎないと指摘しました。パブリック クラウドに移行する企業が増えるにつれ、データの取り扱いが最も解決が難しい問題であることがわかります。

「光の速度とデータの重力のため、すべてのデータとストレージをパブリッククラウドに置くことはできないし、置くべきでもない」とパーマー氏は述べた。

パーマー氏は、企業が大量のデータを処理できるほどソフトウェア定義で拡張可能なストレージ プラットフォームを選択することを推奨しています。彼女は、ストレージ製品の導入では、管理を簡素化するために、データ管理、データ転送、パフォーマンス密度、自律操作にも重点を置く必要があると指摘しました。

HPEはGreenLakeをサービスとして重視

HPE の場合、エッジツークラウド アーキテクチャは GreenLake as-a-Service プラットフォームを中心に構築されており、パブリック クラウドの実行方法と同様にオンプレミス インフラストラクチャの実行を簡素化するように設計されています。 GreenLake のお客様は、必要なときにコンピューティング、ストレージ、ネットワーク リソースを取得し、使用した分だけ料金を支払います。 GreenLake マネージド サービスは、監視、運用、管理、システム最適化にも利用できます。

GreenLake Lighthouse ソリューションは、クラウド プラットフォームと同様に簡単に構成できるハードウェア、ソフトウェア、サービスを統合する、標準の構成可能なクラウド ネイティブ プラットフォームを提供することで、複雑さをさらに軽減します。顧客は自社のデータセンター、ホスティング プロバイダー、またはエッジ コンピューティング施設でクラウド サービスを実行でき、HPE は仮想マシン、コンテナー、ベアメタルの展開をサポートします。

「スタックのこの柔軟性は、当社の戦略の重要な要素です」と、HPEの最高技術責任者オフィスの戦略担当副社長、ロバート・クリスチャンセン氏はCNBCに語った。

クリスチャンセン氏は、顧客は GreenLake が提供するインフラストラクチャ上にソフトウェアやアプリケーションを積み重ねて実行できると述べた。 HPE は過去数年にわたって一連の買収を行い、コンテナベースのアプリケーションを展開および管理するための Ezmeral Container Platform を含むプラットフォームを構築してきました。データの取り込み、保存、管理、処理のための Ezmeral Data Fabric。機械学習のユースケース向けのデータの準備、モデルの構築、トレーニング、デプロイを行う Ezmeral MLOps も用意されています。

可変エッジを備えたハイブリッドマルチクラウド

クリスチャンセン氏は、HPE のエッジツークラウド アーキテクチャ モデルはハイブリッド マルチクラウド環境を想定しており、エッジ コンピューティング施設の近接性と規模は顧客の規模、機能、ニーズによって決まると述べました。

「私たちが知っているのは、顧客は製造現場や小売店、分散型の医療・保険組織など、ビジネスが取引される場所で行動を起こしたいと考えているということであり、『エッジ』という用語は顧客と業界に基づいて定義される必要があるということです」とクリスチャンセン氏は述べた。

Christiansen 氏は、米国と香港で事業を展開している医療サービス提供者の例を挙げ、顧客が 2 つの拠点間で共通のデータ レイヤーを望んでいたことを説明しました。同氏によると、クライアントは病院で使用されているビデオ分析システムから収集された患者データを使用して、AIと機械学習（ML）のトレーニングに重点を置いているという。

顧客の使用事例

テキサス小児病院も HPE の顧客です。同病院の最高情報・イノベーション責任者であるマイラ・デイビス氏は、20年以上保存されたデータは、病気や診断についてより深い洞察を得るための「無限の機会」を提供し、対象集団のニーズを予測することさえ可能だと認識していると述べた。

ノバルティスのデジタルヘルスソリューション部門グローバルヘッド、スティーブン・ボイス氏は、同製薬会社はHPEと協力して、疾病発生の背景にあるデータを研究し、その知見を世界の保健目的に活用する機会を模索していると語った。このデータの一部は、医療従事者が使用するエッジデバイスから取得される可能性があります。

HPEの別の顧客であるウェルズ・ファーゴの消費者データおよびエンゲージメント・プラットフォーム責任者、サンドラ・ヌーデルマン氏は、同社ではエッジまたはその近くのエンドポイントからモバイルアプリを通じて銀行取引を行う顧客が増えていると語った。金融機関は現在、規制要件を満たし、洞察を生成するために、データを中央データセンターに返しています。しかし、今後、銀行はパーソナライゼーションを含む新たな取り組みを開始する予定であり、そのためには、コンピューティングをエッジデバイスや顧客に近づけて、データをリアルタイムで提供することが必要になるだろう。

ビジネスケースに時間を費やす

IT コンサルタント会社 Insight のクラウドおよびデータ センター変革担当チーフ アーキテクトである Juan Orlandini 氏は、エッジ データをより有効活用したいと考えている企業に次のようなアドバイスを提供しています。「適切なビジネス ケースがあることを確認し、概念実証を行うために時間をかけましょう。ビジネスへの価値が証明されたら、スケールアップします。順序を逆にしないでください。」

オルランディーニ氏は、市場調査によれば近い将来、コアデータセンターよりもエッジコンピューティング施設で生成されるデータが増えると指摘した。同氏は、5G、Wi-Fi 6、LoRaWANなどの高性能ネットワークと接続オプションにより、エッジコンピューティング施設に大量のデバイスを導入するコストが削減されていると述べた。

顧客も収集したデータを分析するための計算能力とツールを手に入れたので、データからより多くの価値を引き出してビジネスを変革したり、顧客体験を向上させたりする新しい方法を考え出すことができるとわかっています。しかし、多くの企業がどこから始めればよいか分からず苦労しており、アイデアが浮かばない企業もあることに気づいた。

「これまでは、物事を接続し、計算し、多数のデバイスを管理するのが大変だった」とオルランディーニ氏は言う。 「今難しいのは、そのデータをどうするかを考えることです。」

インフラストラクチャオプション

オルランディーニ氏は、インフラをサポートするために、ほとんどの企業は既存のシステムを全面的に改修して置き換えるのではなく、特定のユースケースに合わせてエッジツークラウドのアーキテクチャを採用するだろうと述べた。同氏は、シスコ、デル、HPE、ネットアップ、ピュア・ストレージなどの大手ベンダーが提供するサービスとしてのオプションは、スケーラビリティの問題を抱えている顧客や、プロジェクトをより迅速に開始したい顧客に役立つ可能性があると述べた。

コンサルタント会社 Dragon Slayer の社長 Staimer 氏は、エッジツークラウド インフラストラクチャの代替案には、パブリック クラウド プロバイダーのオンプレミス オプション (具体的には AWS Outposts、Microsoft Azure Stack、Oracle Cloud@Customer) も含まれ、顧客がクラウド内外で処理とストレージを動的に移動できるようになると付け加えました。

Staimer 氏は、最新のエッジツークラウド コンピューティング アプローチは、リアルタイムの意思決定の必要性によって推進されていると考えています。 AIや機械学習システムが、届いた荷物が爆弾なのか日常的な物なのかを判断したり、自動運転車が路上の障害物がバッグなのか人なのかを区別したりする必要がある場合、数秒、あるいは数ミリ秒の処理時間さえも重要になる可能性があるとステイマー氏は述べた。

「ワームホール技術を開発する前は、光速の遅延に対処する唯一の方法は、計算をデータに移すことでした」とステイマー氏は語った。 「そして、移動する距離が 1 メートル増えるごとに、遅延も増えます。回避する方法はありませんが、少量のデータをコンピューターに移動する方が、大量のデータをコンピューターに移動するよりもはるかに時間がかかりません。」