クラウドからクラウドレットへ: データ処理への新しいアプローチ?

重要なポイント

端末デバイスからのデータがクラウドで処理されることが増えていますが、これはリソースを大量に消費し、時間がかかり、非効率的であり、大規模なモノリシッククラウドでは処理できないことがますます認識されています。
音声認識のために、すべての IoT デバイスからクラウドベースのニューラルネットワークにデータを転送するのは、単純に実現不可能です。ただし、これらのデバイスと中央クラウドの間にインタースティシャルクラウドを使用することで、ニューラルネットワークは、最小の IoT デバイスの動作にも情報を提供できるようになります。
クラウドレットが直面している最大の課題はセキュリティです。データが複数のストレージおよび処理デバイスに分散されると、安全に管理することが難しくなるためです。最も効果的なセキュリティ対策は、クラウドレット、デバイス、クラウド間でデータが移動するときにデータを暗号化することです。
Cloudlet モデルが提供するすべての機会にもかかわらず、2020 年現在、それらはまだかなり珍しいものです。

新しいテクノロジーは常に登場していますが、過去 10 年間の開発の全体的な方向性は、ローカル分散データ処理からクラウドストレージへと明確になっています。

この変化は、過去 10 年間で接続デバイスの数が爆発的に増加したことが一因であり、これにより、データを 1 か所に集中させて処理および保存する必要も生じています。

しかしながら、今、奇妙な逆転が起こっているのかもしれない。小規模な分散型クラウド、または専門用語で「クラウドレット」と呼ばれるクラウドの人気が高まっていることは、「従来の」クラウドモデルの限界を暗黙的に認識していることであり、データの収集、保存、処理方法に大きな変化が起こる兆しとなる可能性があります。

この記事では、クラウドレットの台頭について探ります。クラウドレットとは何か、クラウドレットがもたらす課題は何か、そしてクラウドレットは私たちが慣れ親しんできたクラウドよりもデバイスをネットワーク化するより現実的な方法であるかどうかについて説明します。

ハイパースケールとローカルスケール

「クラウドレット」という用語はまだ比較的新しい（そしてあまり知られていない）ものですが、その中核となる概念はそうではありません。クラウドコンピューティングの初期の頃から、大量のデータをクラウドに送信して処理すると帯域幅の問題が発生することが認識されていました。過去 10 年間の大部分において、この問題はクラウドと共有されるデータデバイスの量が比較的少なかったために隠されていました。

しかし現在、標準的なクラウドモデルの限界が明らかになりつつあります。端末デバイスからクラウドに送信されて処理されるデータはますます増えていますが、これはリソースを大量に消費し、時間がかかり、非効率的であり、大規模なモノリシッククラウドでは処理できないことがますます認識されています。

むしろ、一部のアナリストは、データはローカルで処理したほうがよいと主張している。この処理は、このデータを生成するデバイス上、またはデバイスと組織の中央クラウドストレージ間のセミローカルクラウド内で実行する必要があります。

「クラウドレット」とは、スマートデバイス、クラウドレット、クラウドを意味します。 Cloudlet は箱の中にあるデータセンターと考えることができます。その目的は、デバイスに処理能力を提供することでクラウドをデバイスに近づけることです。少なくともいくつかのローカルデータ。

このアプローチは、IoT インフラストラクチャが想定される動作方法とは大きく異なることに注意してください。ほんの数年前までは、5G接続により、自動運転車を含むIoTデバイスに必要なすべてのデータ処理をクラウドで実行できるようになると考えられていました。

しかし、これらのデバイスのコンピューティング需要、特に音声認識インターフェースを装備したいという要望は、モノリシッククラウドが処理できる範囲をはるかに超えていることがますます明らかになっています。

機会と課題

同時に、組織もエンジニアも、クラウドストレージと処理の利点をすべて失うことに非常に消極的です。クラウドモデルによってもたらされるさらなる利便性とセキュリティは、昨年よりも今年クラウドベースのアプリケーションを使用する企業が 36% 増加した主な理由の 1 つです。ただし、これらのアプリケーションの一部をデータソースの近くに移動することで、効率が向上することが期待されます。

そうすることで得られるチャンスは非常に大きいものとなる可能性があります。現在、ニューラルネットワークを使用する際の最大の制限の 1 つは、効果的に機能させるために大量のデータを入力する必要があることです。

たとえば、音声認識のために各 IoT デバイスからクラウドベースのニューラルネットワークにデータを転送することは現実的ではありません。ただし、これらのデバイスと中央クラウドの間にインタースティシャルクラウドを使用することで、ニューラルネットワークは、最小の IoT デバイスの動作にも情報を提供できるようになります。パブリッククラウドエッジサービスのエッジサービスを介してデータストリームを移動するということは、国や州全体のサービスエリアにリンクするパイプを介してデータを移動することを意味します。そのため、小規模なクラウドを使用してデータを送信すると、より効率的になります。

これにはいくつかの連鎖的な影響が伴うでしょう。すでに述べたように、IoT デバイスでの音声認識システムの使用能力が大幅に向上します。同様に重要なもう 1 つの影響は、分散した場所で顔認識などの視覚 AI システムを使用する能力が向上することです。

ただし、クラウドレットへの移行には、データの配布、保存、セキュリティに関するいくつかの新たな課題も伴います。これらの中で最も基本的なものは、Cloudlet を設計するためのアーキテクチャモデルに関連しています。クラウドレットモデルの基本的な前提は、これらの小規模な分散クラウドは、大規模な集中型クラウドよりも高速にデータを処理できるということです。

ただし、このタイプのローカルなデータ処理には、ローカル処理ユニットに十分な電力が必要であり、これは本質的にポータブルな IoT デバイスにとっては課題となります。データを地理的に遠い距離に移動する必要がある場合、この問題はさらに複雑になります。

第二に、クラウドレットモデルの実現可能性を研究している研究者は、複数のデバイス間だけでなく複数のサブクラウド間でもデータの同期と一貫性を維持するという別の問題に直面しています。このようにデータの一貫性を確保することは、クラウドシステム自体の信頼性に影響するだけでなく、自動運転車の場合、安全な動作にとって非常に重要になる可能性があります。

セキュリティと断片化

しかし、クラウドレットが直面している最大の課題は、セキュリティです。クラウドインフラストラクチャへの移行を推進する主な要因の 1 つは、クラウドシステムではすべてのデータを 1 か所に集めて、アクセスと制御のための集中システムで管理できるため、分散システムよりも安全であるということです。このため、セキュリティを重視する組織や個人の間でクラウドストレージシステムが非常に人気を博しています。

データがクラウドレットに保存され、処理されるモデルに移行すると、データが複数のストレージおよび処理デバイスに分散されると安全に管理することが難しくなり、セキュリティが損なわれる可能性があります。さらに悪いことに、クラウドレットインフラストラクチャの提案されている用途の多くでは、ハッカーが物理的にアクセスできる可能性のあるデバイス上でデータを収集して保存する必要があります。

最も明白な例は、自動運転車向けに提案されているタイプのクラウドレットです。たとえば、これらの車両をクラウドレットで相互に接続し、集中型のインフラストラクチャに依存せずに地域の交通状況に関する情報を共有できるようになることは想像に難くありません。問題は、分散型クラウドに大量のデータを保存すると、データセンターよりも車に物理的にアクセスする方が簡単であるため、物理的な攻撃に対して脆弱になることです。

クラウドレットシステムのセキュリティに関する 2 番目の問題は、その性質上、カスタムで個別に調整されたシステムであるということです。言い換えれば、集中型システムと同じリソースを大量に消費するソフトウェアで実行するだけなら、中間クラウドに投資してもあまり意味がありません。

同様にカスタマイズされた IoT デバイスの特定のニーズに対応するためにカスタムクラウドレットシステムを設計すると、それらのデバイスの効率は向上しますが、セキュリティが低下する可能性もあります。大規模なモノリシッククラウドシステムでは、潜在的な脅威を監視するセキュリティエンジニアが何百人もいる可能性があります。社内で開発されたクラウドレットシステムでは、そのレベルの監視には対応できません。最近のアプリケーションセキュリティテストの進歩により、クラウドレットシステムの多くのセキュリティ脆弱性が解決されましたが、まだやるべき作業は多く残っています。

一方、クラウドレットシステムは、フルクラウドシステムよりも安全であると考えられる理由がいくつかあります。これは、これらの小規模なシステムによって収集されるデータは、多くのクラウドシステムで利用可能なフルスペクトルデータに比べて本質的に詳細度が低く、したがって価値が低いためです。

もちろん、多数のインタースティシャルデバイス間でデータを共有するシステムを構築する場合は、より多くの保護層を導入することも可能です。

ただし、実際には、最も効果的なアプローチは、クラウドレット、デバイス、クラウド間でデータが移動するときにデータを暗号化することです。これを実現する最も簡単な方法の 1 つは、L2TP または IKEv2 プロトコルを使用する仮想プライベートネットワークに依存することです。どちらのプロトコルも、新しいトンネルセッションをネゴシエートするときに優れたセキュリティと信頼性を提供します。現在、デバイスもクラウドレットも、十分なパフォーマンスを維持しながら強力な暗号化を展開できる計算能力を備えていません。

コミュニケーション

Cloudlet モデルが提供するすべての機会にもかかわらず、2020 年現在、それらはまだかなり珍しいものです。その理由の 1 つは、これらのシステムを大規模に導入するために必要なインフラストラクチャがまだ展開中であるためです。

こうした要件の 1 つは 5G 接続である可能性があります。ただし、5G 標準が世界中でどのように採用されるかは、Cloudlet モデルの実行可能性に大きな影響を与える可能性があります。

具体的には、クラウドレットシステムの主な用途の 1 つは、建設ロボットがクラウドレットとクラウドの階層的な「ピラミッド」で相互にリンクされる産業 (特に自動車) 製造業であると考えられます。

しかし、米国では、5Gはレーダーにも使用されるより高いSバンドで標準化されています。したがって、これらのロボットが 5G を使用して通信できるようにするのは非常に困難です。異なる 5G 規格を実装している他の国では、この追加の接続を使用して製造業にクラウドレットを実装する方が簡単な場合があります。

ただし、5G には独自のセキュリティ上の懸念があることにも留意する必要があります。現在、5G ネットワークを介して送信されるデータの大部分は暗号化されていますが、これはクラウド内でのみ処理および保存されるため可能です。クラウドレットはこれらのシステムの表面攻撃領域を拡大し、データが盗まれたりスパイされたりする可能性があるという懸念を引き起こします。

未来

Xiaoyun に将来性があるかどうかはまだ分からない。多くの点で、このモデルはネットワークエンジニアに両方の長所、つまり関連する帯域幅の問題なしに分散機器に高度な機能を展開する方法を提供できます。一方、このトレードオフを実現しようとする Cloudlet モデルは、特にうまく機能していないとも言えます。具体的には、クラウドレットは、より多くの計算能力を提供することなく、集中型システムの固有のセキュリティを損なう可能性があります。

この観点から見ると、小雲は今後数年間で重要な「戦場」になる可能性が高い。この戦いの一方には、エッジコンピューティングテクノロジーを推進し、コンピューティングの場所をデータフローの「さらに左」、つまりエンドデバイスやエッジデータセンターに移動することに熱心な企業があります。一方、コンピューティングタスクをクラウドに保持することに強い関心を持つ、大規模でリソースが豊富なクラウドストレージおよびセキュリティ企業があります。

実際、今後 10 年間でハイブリッドモデルが登場する可能性が高いですが、それは欲求というよりも必要性によるものです。結局のところ、現在存在するすべてのデータの 90% は過去 2 年間に作成されたものであり、そのうちの 80% はビデオまたは画像です。これを踏まえると、デバイス上またはクラウド上でデータを保存および処理し続けることは、単純に実現不可能です。

言い換えれば、必要なのは、インタースティシャルコンピューティングおよびストレージシステム、そして最も重要なのは、リクエストをインテリジェントに管理できるシステムです。