IoTデータ管理には重要なタスクを処理するためのエッジコンピューティングが必要

エッジ コンピューティング データを最大限に活用するには、IT プロフェッショナルは機械学習アルゴリズムを使用してデータをリアルタイムまたは従来のクラウド コンピューティング プロセスに送信する方法を知っておく必要があります。

[[276839]]

IoT の普及により、組織の業務は世界へと拡大し、エッジ コンピューティングもそれに伴って拡大します。企業は、データの急激な増加に対応し、エッジ コンピューティング データのセキュリティを強化するために、IoT データ管理にエッジ コンピューティングを使用する方法を理解する必要があります。

クラウド コンピューティングの成長と比較すると、エッジ コンピューティングはより速く、より広範囲に拡大しています。調査会社ガートナーの調査によると、来年末までに世界中で導入される IoT デバイスの数は 400 億近くに達すると予想されており、IoT デバイスを導入する組織はエッジ コンピューティング処理リソースを確立する必要があります。 IoT は攻撃対象領域が広く、ハッカーにとって大きなチャンスとなるため、セキュリティはより大きな問題となる可能性があります。 IoT ネットワークでは、デバイスの出力をロックダウンするためにエッジ コンピューティング ゲートウェイが必要です。しかし、エッジ コンピューティングの役割は、IoT に対する急速に高まる期待に応えるために、はるかに多岐にわたります。

IoTデータの保護、共有、クリーンアップ

エッジ コンピューティング サーバーの負担の大部分は、IoT とデバイスが接続するクラウド プラットフォーム間のパイプの穴を塞ぐことです。交通管理やサプライ チェーン運用などの大規模なシナリオでは、エッジ コンピューティング処理で、データを共有するパートナー組織のクラウド プラットフォームを含む複数のクラウド プラットフォームに IoT データを動的にルーティングすることがあります。

IoT データにもさらなる価値がなければなりません。 IoT デバイスは、セキュリティ、プロトコル、フォールト トレランスなど、機能のどの領域でも共通標準を満たしていません。 IoT ハードウェアの耐用年数は 20 年に延長される可能性があり、これによりデータ干渉が大幅に増加します。エッジ コンピューティング サーバーでは、データ ノイズの処理も困難です。

リアルタイムの対応と意思決定支援はより大きな問題を引き起こす

セキュリティとデータ ルーティングが主な課題ですが、IoT データ管理は現在、さらに大きな課題に直面しています。工場の停電や輸送システムの障害などが発生した場合、IoT ネットワークは即座に対応したり、リアルタイムで意思決定をサポートしたりする必要があります。

ますます日常的になるこのシナリオでは、データの処理、問題の分析、結果の返却のためにクラウドへの往復を行う時間はありません。 IoT テクノロジーは、数時間や数分ではなく、数秒以内に応答を受け取る必要があります。

どちらの状況でも動的な対応が必要です。テクノロジーは、急激な温度変化や機器の故障の警告など、物理的環境の特定の変化を補正して対応したり、貨物輸送に伴う交通事故などの予期しない混乱に基づいて複雑なワークフローを変更したりする必要があります。応答をトリガーするイベントにはアクションが必要な場合があり、介入のしきい値自体が動的である可能性があります。ここで人工知能が役に立ちます。

AI アルゴリズムは、人間の作業員が関与する時間や機会​​がない場合に、動的な対応を必要とするシナリオを処理するための優れた方法です。 IoT 自体は、即座に意思決定を行えるインテリジェントなシステムである必要があり、エッジで真に機能し、稼働する必要があります。

エッジ コンピューティング構造では、IoT データを、ホーム クラウドや B2B パートナーのクラウド プラットフォームのコンテンツだけでなく、リアルタイム プロセスや従来のプロセスに必要なデータを通じて解析する必要があります。定義上、一時データはこれらのプロセスにすぐにフィルタリングされる必要があります。バッチ データは一時的なストレージ デバイスに保存され、アイドル時にクラウドに転送されます。

エッジでの改善

優れた実践には 2 つの重要な革新が含まれています。データ転送の管理を含む IoT データ管理タスクは、クラウドではなくエッジで実行する必要があります。 IoT は、既存の集中型テクノロジーに接続された新しいアーキテクチャで構成されることが多いため、エッジ コンピューティングによって収集された新しいデータを管理するためにトップダウン アプローチを採用したくなることがあります。クラウド コンピューティング システムはもはや集中化されたエンドポイントではありません。彼らは多くのターゲットのうちの1つです。 IoT テクノロジーは、エッジで多くのクローズドループ プロセスを実行します。特にルーティングとアプリケーションが動的である場合は、データが収集されるサーバーからデータを管理する方が合理的です。

エンタープライズ ソフトウェア業界がターンキー テクノロジーを開発する前は、分散プロセスで簡単に保守および拡張できるカスタム パイプラインとマイクロサービスを使用するのが最もコスト効率の高いデータ管理方法でした。データ トラフィック分析用のダッシュボードの作成は非常に簡単で、実装には Python が最適です。

モデルと機械学習をクラウドに配置します。特定の IoT 実装の目標が物理環境でのリアルタイム応答またはリアルタイム意思決定サポートである場合、分析と AI を IoT テクノロジーから分離することが適切なアプローチです。モデルと機械学習プロセスをクラウドに保存します。モデルが変更されると、IoT 分析を生成するために使用されるアルゴリズムも順番に更新されます。これには多少の追加作業が必要ですが、維持がより困難になるエッジでの機械学習の導入よりもはるかに少ない作業で済みます。

現在、これに関する業界標準はありませんが、エッジ コンピューティング サーバーを展開するほとんどの組織にとってセキュリティは差し迫った懸念事項であるため、通常は IT インフラストラクチャを保守する担当者がセキュリティに取り組みます。彼らはどんな状況にも関与する必要がありますが、IoT データ管理とエッジ コンピューティング プロセスのサポートには、データ アーキテクトとエンタープライズ ソリューション アーキテクトを含める必要があります。非常に効果的なデータ モデリングと、それに合わせて最適化された強力なワークフローがなければ、ルーティングとリアルタイム処理は不可能です。