The Doppler Quarterly (日本語) 秋 2016 - Page 48

エッジ処理を実現する物理アーキテクチャー 即座に処理する必要がある大量のデータをデバイスが生成するのであれば、そのデータを 集中型データベースに移動することによりレイテンシが生じるという一般的な問題が、長年に わたり続いています。IoT には、レイテンシに対する処理パフォーマンスについての同様の問 題があります。 たとえば、製造工程中に自動車部品の品質を分析する装置について考えてみましょう。その 装置は部品を光学的にスキャンし、品質基準を満たしていないと判断された場合、その部 品は自動的に却下されます。これにより、必要とされる人的労働は少なくなりますが、製造工 程の合否を判断し、結果を装置に再度伝える集中型データベースやコンピュートエンジンに データを送信するためには、依然として長い時間がかかります。高帯域幅では低レイテンシは 保証されないため、このような遅延は高速ネットワークの場合であっても問題となります。 クラウドでは、このプロセスがさらに複雑になります。データをデバイスから送信してデータ センターに戻す代わりに、データは、数千マイルも離れている場合があるリモートサーバーに 送信され、さらに悪いことに、データはオープンなインターネットを介して送信されます。ただ し、そのような場合に必要とされる処理量の理由から、クラウドは開発者にとって最もコスト 効率の高いソリューションとなるでしょう。 エッジコンピューティングにより、ほとんどのデータ処理はソース ( センサーなどの IoT デバイ ス ) に近いネットワークのエッジに押し出されます。このモデルを使用することにより、 ( 従来 はパブリッククラウドにあった ) データセグメントと (IoT デバイスの近くにある ) コンピュート セグメントの間でワークロードを分割できます。エッジコンピューティングの目標は、結果 ( こ こでの事例では、自動車部品の実際の製造についての合格または不合格を示す合否の結 果 ) をデバイスにすばやく返すことができるように、短い所要時間を必要としているデータを 処理することです。さらには、セントラルシステムとの通信が中断された場合に、処理を続行 する機能もエッジコンピューティングの目標です。 ただし、データはデバイスの近くに格納する必要がありますが、通常これは一時的なものであ り、最終的には、恒久的な格納のためにパブリッククラウドに移行する必要があります。した がって、処理およびデータストレージをソースの近くで複製しますが、これはむしろ、集中型 システムが最終的にすべてのデータの「真のソース」となるアーキテクチャーのマスター/ ス レーブタイプであり、エッジ処理は単なる集中型システムのノードにすぎません。 必要とされるのは、より優れた戦略、あるいは開発プロセスにおける時間やコストの投資に より、高まり続ける IoT の需要や複雑性にコスト効率の高い方法で対応できる、よりハイパ フォーマンスな、より適切に設計された IoT システムを生み出すことです。 目的 IoT により、データの処理や管理の要件は劇的な変化を遂げています。コモディティクラウド および非クラウドテクノロジーを活用するものであり、かつ、既存のテクノロジーおよび新興テ クノロジーに容易にマッピングできる共通のアーキテクチャーを通じて、実際に運用コストの 削減につながる、より応答性の高い IoT データ処理モデルの堅牢なフレームワークが提供さ れます。 このようなアーキテクチャーは、ネットワークエッジに存在するコグニティブコンピューティン グだけではなく、データ応答処理を活用できる必要もあるため、監視 / 制御されているセン サーやデバイスの近くに配置されます。さらに、 IoT データの使用における応答性を向上させ るためには、アーキテクチャーがル w ߎ+ #ϖ.Ws KnӚ:CB#g /(؁Q!=AA1H؃Ӟ/>