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」デバイスの数が増えると過剰なデータが生成されますが、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、外科用医療ロボットなども含まれます。

[[242312]]

このような無数の種類のデバイスによって生成される膨大な量のデータは、保存（データ管理）、分析、意思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。分析されたデータ結果はデバイスに送り返されます。このデータのラウンドトリップは、ネットワーク 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の消費の問題をさらに増大させ、ミッション クリティカルな IoT の使用に影響を与えます。たとえば、自動運転のコネクテッドカーでは、毎時間膨大な量のデータが生成されます。そのデータはクラウドにアップロードされ、分析され、指示が車に送り返される必要があります。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 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役立ちます。エッジ コンピューティング 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 システムを最適化して、データ ソースに近いネットワークのエッジでデータ処理と分析を実行できます。このアプローチにより、データをクラウドやデータセンターに送信するのではなく、デバイス自体の近くで収集および処理できるようになります。

エッジコンピューティングの利点:

• 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の必要なネットワーク帯域幅を削減し (つまり、レイテンシを低減)、IT インフラストラクチャ全体の負担を軽減できます。
• クラウド コンピューティング用のネットワーク接続を必要とせずに、エッジ デバイスでデータを保存および処理します。これにより、高帯域幅の継続的なネットワーク接続が不要になります。
• エッジ コンピューティングでは、エンドポイント デバイスは生データではなく、クラウドに必要な情報のみを送信します。クラウド インフラストラクチャの接続コストと冗長リソースの削減に役立ちます。これは、産業機械によって生成される膨大な量のデータがエッジで分析され、フィルタリングされたデータのみがクラウドにプッシュされる場合に有益であり、IT インフラストラクチャの大幅な節約につながります。
• コンピューティング能力を活用して、エッジ デバイスをクラウドのような操作と同様に動作させます。アプリケーションは迅速に実行され、エンドポイントとの信頼性が高く応答性の高い通信を確立できます。
• 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: 機密データは、安全でないネットワーク経由で送信され、集中型データ センターに危険が及ぶ可能性がなく、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、データの整合性とプライバシーのための共通ポリシー (自動的に実装可能) を各エッジに提供できます。

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。代わりに、クラウドのコンピューティング能力がエンドポイントに分散されるため、クラウドと共存します。

ネットワークエッジでの機械学習

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 システムに送られ、分析的な意思決定モデルが生成されます。 IoT およびエッジ コンピューティングのシナリオでは、機械学習を 2 つの方法で実装できます。

• 最初のアプローチ: ML アルゴリズムでは、クラウド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、そこで学習分析決定モデルが生成され、ネットワークのエッジにプッシュされます。このようにして、すべてのエッジ デバイスで分析上の決定を下すことができます。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、アクションを実行し、インテリジェンスを強化します。
• 2 番目のアプローチ: エンドポイント デバイスがセンサー生成データをクラウド内の ML システムに送信する場合、ML システムは分析上の決定を生成する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。この目的のために、スマート機械学習または人工知能 (AI) チップを導入し、エンドポイント 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。ネットワークのエッジで機械学習機能を有効にするには、より少ない計算能力が必要です。

エッジコンピューティングとモノのインターネット

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、モノのインターネットにおける将来の通信の俊敏性の基盤を築きます。今後導入される 5G 通信ネットワークにより、IoT ユースケース向けのより高度なネットワークが提供されるようになります。 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装と展開を可能にします。この革命では、IoT デバイス メーカーとソフトウェア アプリケーション開発者は、エッジ コンピューティングと分析を活用することにさらに熱心になるでしょう。スマートな 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。

元のリンク:

http://www.futuriom.com/articles/news/what-is-edge-computing-for-iot/2018/08