IoT におけるエッジ コンピューティングとは何ですか?

「接続された」デバイスの数の増加により、大量のデータが生成されており、モノのインターネット (IoT) のテクノロジーとユースケースが今後 2 年間で進化するにつれて、この傾向は続くでしょう。調査会社ガートナーによれば、2020年までに、接続されたデバイスの数は200億台に達し、ユーザー1人あたり数十億バイトのデータが生成されることになる。これらのデバイスには、スマートフォンやノートパソコンだけでなく、コネクテッドカー、自動販売機、スマートウェアラブルデバイス、外科用医療ロボットなども含まれます。

こうした種類のデバイスが何千台も生成する膨大な量のデータは、保存（データ管理）、分析、管理上の決定のために集中型クラウドにプッシュする必要があります。その後、分析されたデータ結果がデバイスに送信されます。この種のデータのやり取りは、インターネット インフラストラクチャとクラウド インフラストラクチャのリソースを大量に消費し、レイテンシと帯域幅消費の問題をさらに増大させ、重要な日常の IoT アプリケーションに影響を及ぼします。たとえば、自動運転のコネクテッドカーでは、1 時間ごとに大量のデータが生成されます。データをクラウドにアップロードし、分析し、コマンドを車に送り返す必要があります。低遅延やリソースの混雑により、車への応答が遅れ、深刻な場合には交通事故を引き起こす可能性があります。

IoTテクノロジー エッジコンピューティング

ここでエッジ コンピューティングが登場します。エッジ コンピューティング システム アーキテクチャを使用すると、クラウド コンピューティング システムを強化し、データ ソースに近いインターネットのエッジでのデータ処理と分析を容易に行うことができます。この方法では、データはクラウドやデータセンターに送信されるのではなく、デバイス自体の近くで収集および処理されます。

[[374460]]

エッジコンピューティングの利点:

1. エッジ コンピューティングにより、センサーと中央クラウド間で必要なサーバー帯域幅を削減し (つまり、レイテンシを短縮)、IT システム アーキテクチャ全体への負担を軽減できます。

2. データ接続なしでエッジデバイスでデータを保存および処理し、クラウドコンピューティングテクノロジーを実行します。これにより、高帯域幅の永続的なネットワーク接続の必要性がなくなります。

3. エッジ コンピューティングでは、ノード デバイスは初期データではなく、クラウド コンピューティングに必要な情報コンテンツのみをプッシュします。クラウド アーキテクチャにおける接続と冗長リソースのコストを削減するのに役立ちます。これは、産業機械によって生成される大量のデータをエッジで分析し、フィルタリングされたデータのみをクラウドにプッシュする場合に役立ち、IT インフラストラクチャの大幅な節約につながります。

4. 数学的計算を使用して、エッジ デバイスをクラウドのような操作のように動作させます。アプリケーションは迅速に実行され、ノードとの信頼性が高く応答性の高い通信を確立できます。

5. エッジ コンピューティングによるデータ セキュリティとプライバシーの実現: 機密データは、安全でないデータ転送や潜在的に損害を与える集中型データ センターではなく、エッジ デバイスで生成、処理、保存されます。エッジ コンピューティング エコシステムは、データの一貫性とプライバシーを実現するために、各エッジに共通の戦略 (自動化された方法で実行可能) を提供できます。

エッジ コンピューティングの出現によって、従来のデータ センターやクラウド コンピューティング インフラストラクチャの必要性がなくなるわけではありません。クラウドの数学的な計算がノードに送信されるため、クラウドと共存します。

インターネットのエッジにおける機械学習

機械学習 (ML) は、エッジ コンピューティングを補完するテクノロジーです。機械学習では、生成されたデータが ML システムに入力され、意思決定モデルが生成されます。 IoT テクノロジーとエッジ コンピューティングのシナリオでは、機械学習は 2 つの方法で実行できます。まず、ML 最適化アルゴリズムでは、クラウド内で意思決定を行うために膨大な計算能力が必要です。エッジから収集されたデータは ML システムに送られ、そこで学習された意思決定モデルが生成され、このモデル情報がネットワークのエッジにプッシュされます。このアプローチに基づいて、すべてのエッジ デバイスで分析管理の決定を行うことができます。このモデルでは、エッジ デバイスを使用してクラウド内で収集、分析、動作を行い、インテリジェンスを向上させます。

2 番目の方法: ノード デバイスがセンサーによって生成されたデータをクラウド内の ML システムにプッシュすると、ML システムは分析上の決定を下すためにデータの送信と処理に多くの時間を費やすことになります。したがって、インテリジェントな機械学習または人工知能 (AI) 集積回路を導入することができ、ノードデバイスは保存目的のみでデータをクラウドに送信します。インターネットのエッジで機械学習を機能させるには、必要な数学が少なくなります。

エッジコンピューティングとIoTテクノロジー

エッジ コンピューティングは、機械学習テクノロジーと組み合わせることで、将来の通信における IoT の柔軟性の基盤を築きます。今後の 5G 通信ネットワークは、IoT ユースケースに適したネットワークを提供します。 5G は、高速かつ低遅延のデータ伝送に加えて、モバイル エッジ コンピューティング (MEC) に基づく通信ネットワークも提供し、エッジ サービスとリソースの自動実行と展開を実現します。この変革において、IoT 機器メーカーやアプリケーション ソフトウェア開発者は、エッジ コンピューティングと分析の活用にさらに熱心になるでしょう。 IoT の使用事例が増え、スマート エッジ デバイスが増加するでしょう。