توضح هذه البنية المرجعية كيفية استخدام Azure Stack Edge لتوسيع استنتاج التعلم الآلي السريع من السحابة إلى سيناريوهات محلية أو حافة. تقدم Azure Stack Hub إمكانات Azure، مثل الحوسبة والتخزين والشبكات والتعلم الآلي المسرع بالأجهزة إلى أي موقع متطور.
بناء الأنظمة
قم بتنزيل ملف Visio لهذه البنية.
سير العمل
يتكون التصميم من المكونات التالية:
- التعلم الآلي من Azure. يتيح لك التعلم الآلي إنشاء نماذج التعلم الآلي وتدريبها ونشرها وإدارتها في بيئة مستندة إلى السحابة. يمكن بعد ذلك نشر هذه النماذج في خدمات Azure، بما في ذلك (على سبيل المثال لا الحصر) مثيلات حاوية Azure وخدمة Azure Kubernetes (AKS) وAzure Functions.
- Azure Container Registry. Container Registry هي خدمة تنشئ وتدير Docker Registry. ينشئ سجل الحاوية صور حاوية Docker ويخزنها ويديرها ويمكنه تخزين نماذج التعلم الآلي الحاوية.
- Azure Stack Edge. Azure Stack Edge هو جهاز حوسبة حافة مصمم لاستدلال التعلم الآلي على الحافة. تتم معالجة البيانات مسبقا على الحافة قبل نقلها إلى Azure. يتضمن Azure Stack Edge أجهزة تسريع الحوسبة المصممة لتحسين أداء الاستدلال الذكاء الاصطناعي على الحافة.
- البيانات المحلية. تشير البيانات المحلية إلى أي بيانات تستخدم في تدريب نموذج التعلم الآلي. يمكن أن تكون البيانات في أي حل تخزين محلي، بما في ذلك عمليات نشر Azure Arc.
المكونات
- التعلم الآلي من Microsoft Azure
- Azure Container Registry
- Azure Stack Edge
- Azure IoT Hub
- مخزن البيانات الثنائية كبيرة الحجم لـ Azure
تفاصيل السيناريو
حالات الاستخدام المحتملة
هذا الحل مثالي لصناعة الاتصالات. تتضمن الاستخدامات النموذجية لتوسيع الاستدلال عندما تحتاج إلى:
- قم بتشغيل استدلال التعلم الآلي المحلي السريع مقابل البيانات أثناء استيعابها ولديك بصمة أجهزة محلية كبيرة.
- إنشاء حلول بحثية طويلة الأجل حيث يتم تنظيف البيانات المحلية الموجودة واستخدامها لإنشاء نموذج. ثم يتم استخدام النموذج محليا وفي السحابة؛ تتم إعادة تدريبه بانتظام مع وصول بيانات جديدة.
- إنشاء تطبيقات برامج تحتاج إلى إجراء استدلالات حول المستخدمين، سواء في موقع فعلي أو عبر الإنترنت.
التوصيات
استيعاب البيانات المخزنة محليا وتحويلها ونقلها
يمكن لـ Azure Stack Edge تحويل البيانات المصدر من التخزين المحلي قبل نقل تلك البيانات إلى Azure. يتم هذا التحويل بواسطة جهاز Azure IoT Edge الذي تم نشره على جهاز Azure Stack Edge. ترتبط أجهزة IoT Edge هذه بمورد Azure IoT Hub على النظام الأساسي السحابي لـ Azure.
كل وحدة IoT Edge هي حاوية Docker تقوم بمهمة معينة في سير عمل استيعاب وتحويل ونقل. على سبيل المثال، يمكن لوحدة IoT Edge جمع البيانات من مشاركة Azure Stack Edge المحلية وتحويل البيانات إلى تنسيق جاهز للتعلم الآلي. ثم تنقل الوحدة البيانات المحولة إلى مشاركة سحابة Azure Stack Edge. يمكنك إضافة وحدات نمطية مخصصة أو مضمنة إلى جهازIoT Edge أوتطوير وحدات IoT Edge مخصصة.
إشعار
يتم تسجيل وحدات IoT Edge كصور حاوية Docker في Container Registry.
في مورد Azure Stack Edge على النظام الأساسي السحابي Azure، يتم دعم مشاركة السحابة بواسطة مورد حساب تخزين Azure Blob. سيتم تحميل جميع البيانات في مشاركة السحابة تلقائيا إلى حساب التخزين المقترن. يمكنك التحقق من تحويل البيانات ونقلها إما عن طريق تحميل المشاركة المحلية أو السحابية، أو عن طريق اجتياز حساب Azure Storage.
تدريب نموذج ونشره
بعد إعداد البيانات وتخزينها في تخزين Blob، يمكنك إنشاء مجموعة بيانات التعلم الآلي تتصل بـ Azure Storage. تمثل مجموعة البيانات نسخة واحدة من بياناتك في التخزين يشار إليها مباشرة بواسطة التعلم الآلي.
يمكنك استخدام واجهة سطر الأوامر التعلم الآلي (CLI) أو R SDK أو Python SDK أو المصمم أو Visual Studio Code لإنشاء البرامج النصية المطلوبة لتدريب النموذج الخاص بك.
بعد تدريب النموذج وتجهيزه للتوزيع، يمكنك نشره على خدمات Azure المختلفة، بما في ذلك على سبيل المثال لا الحصر:
- Azure Container Registry. يمكنك نشر النماذج إلى سجل Docker خاص مثل Azure Container Registry نظرا لأنها صور حاوية Docker.
- Azure Container Instances. يمكنك نشر صورة حاوية Docker الخاصة بالنموذج مباشرة إلى مجموعة حاويات.
- خدمة Azure Kubernetes. يمكنك استخدام Azure Kubernetes Service لتوسيع نطاق صورة حاوية Docker للنموذج تلقائيا لتوزيع الإنتاج على نطاق واسع.
- Azure Functions. يمكنك حزم نموذج لتشغيله مباشرة على مثيل وظائف .
- التعلم الآلي من Azure. يمكنك استخدام مثيلات الحوسبة، ومحطات عمل التطوير المستندة إلى السحابة المدارة، لكل من التدريب والاستدلال على النماذج. يمكنك أيضا نشر النموذج بشكل مماثل على أجهزة IoT EdgeوAzure Stack Edge المحلية.
إشعار
بالنسبة إلى هذه البنية المرجعية، ينشر النموذج إلى Azure Stack Edge لجعل النموذج متاحا للاستدلال المحلي. ينشر النموذج أيضا في Container Registry للتأكد من أن النموذج متاح للاستدلال عبر أوسع مجموعة متنوعة من خدمات Azure.
الاستدلال باستخدام نموذج تم نشره حديثا
يمكن لـ Azure Stack Edge تشغيل نماذج التعلم الآلي محليا بسرعة مقابل البيانات المحلية باستخدام أجهزة تسريع الحوسبة المضمنة الخاصة به. يحدث هذا الحساب بالكامل على الحافة. والنتيجة هي رؤى سريعة من البيانات باستخدام الأجهزة الأقرب إلى مصدر البيانات من منطقة السحابة العامة.
بالإضافة إلى ذلك، يستمر Azure Stack Edge في نقل البيانات إلى التعلم الآلي لإعادة التدريب والتحسين المستمر باستخدام مسار التعلم الآلي المرتبط بالنموذج الذي يعمل بالفعل مقابل البيانات المخزنة محليا.
الاعتبارات
تنفذ هذه الاعتبارات ركائز Azure Well-Architected Framework، وهو عبارة عن مجموعة من المبادئ التوجيهية التي يمكن استخدامها لتحسين جودة حمل العمل. لمزيد من المعلومات، يرجى مراجعةMicrosoft Azure Well-Architected Framework.
التوافر
- ضع في اعتبارك وضع مورد Azure Stack Edge في نفس منطقة Azure مثل خدمات Azure الأخرى التي ستدخل إليه. لتحسين أداء التحميل، ضع في اعتبارك وضع حساب تخزين Azure Blob في المنطقة التي يحتوي فيها جهازك على أفضل اتصال بالشبكة.
- ضع في اعتبارك Azure ExpressRoute للحصول على اتصال ثابت ومكرر بين جهازك وAzure.
قَابلية الإدارة
- يمكن للمسؤولين التحقق من نقل مصدر البيانات من التخزين المحلي إلى مورد Azure Stack Edge بشكل صحيح. يمكنهم التحقق عن طريق تحميل مشاركة ملف Server Message Block (SMB)/Network File System (NFS) أو الاتصال بحساب تخزين Blob المقترن باستخدام Azure Storage Explorer.
- استخدم مجموعات بيانات التعلم الآلي للإشارة إلى بياناتك في تخزين Blob أثناء تدريب النموذج الخاص بك. يلغي الرجوع إلى التخزين الحاجة إلى تضمين البيانات السرية أو مسارات البيانات أو سلاسل الاتصال في البرامج النصية للتدريب.
- في مساحة العمل التعلم الآلي، سجل نماذج التعلم الآلي وتعقبها لتتبع الاختلافات بين نماذجك في نقاط زمنية مختلفة. يمكنك بالمثل عكس بيانات تعريف تعيين الإصدار والتعقب في العلامات التي تستخدمها لصور حاوية Docker التي يتم نشرها في Container Registry.
DevOps
- راجع نهج إدارة دورة حياة MLOps للتعلم الآلي. على سبيل المثال، استخدم GitHub أو Azure Pipelines لإنشاء عملية تكامل مستمرة تقوم تلقائيا بتدريب نموذج وإعادة تدريبه. يمكن تشغيل التدريب إما عندما تملأ البيانات الجديدة مجموعة البيانات أو يتم إجراء تغيير على البرامج النصية للتدريب.
- ستقوم مساحة عمل Azure التعلم الآلي تلقائيا بتسجيل صور حاوية Docker وإدارتها لنماذج التعلم الآلي ووحدات IoT Edge.
تحسين التكلفة
يركز تحسين التكلفة على البحث عن طرق للحد من النفقات غير الضرورية وتحسين الكفاءة التشغيلية. لمزيد من المعلومات، راجع نظرة عامة على ركيزة تحسين التكلفة.
- استخدم حاسبة تسعير Azure لتقدير التكاليف.
- يتم حساب تسعير Azure Stack Edge كاشتراك شهري بمعدل ثابت مع رسوم شحن لمرة واحدة.
- يقوم Azure التعلم الآلي أيضا بتوزيع خدمات Container Registry وAzure Storage وAzure Key Vault، والتي تتحمل تكاليف إضافية. لمزيد من المعلومات، راجع كيف يعمل التعلم الآلي من Microsoft Azure: البنية والمفاهيم.
- يتضمن تسعير Azure التعلم الآلي رسوم الأجهزة الظاهرية المستخدمة لتدريب النموذج في السحابة العامة.
الخطوات التالية
وثائق المنتج
وحدات Microsoft Learn: