¿Qué es Azure Stack Edge?
Teniendo en cuenta la popularidad creciente de la nube pública, cada vez es más común que los clientes carguen los datos del entorno local en Azure para analizarlos a gran escala con Azure Machine Learning. En muchos casos, los clientes quieren poder preprocesar los datos en el entorno local. Este preprocesamiento puede ser beneficioso para obtener comentarios inmediatos basados en un análisis preliminar, limitar el volumen de la carga de datos o filtrar los datos para retirar los datos potencialmente confidenciales y evitar así que salgan de la red interna. La aplicación de investigación de Contoso que utiliza Machine Learning (ML) para procesar y analizar los datos de los clientes y, después, los carga en Azure Storage para archivarlos a largo plazo es un ejemplo de estos escenarios. Puede solucionar esta necesidad con Azure Stack Edge. En esta unidad aprenderá qué es Azure Stack Edge, cuándo usarlo y cuáles son sus ventajas.
Qué es Azure Stack Edge
Azure Stack Edge permite realizar el procesamiento y la inferencia basada en ML de los datos locales, y cargarlos en Azure mediante un dispositivo, diseñado específicamente y proporcionado por Microsoft, que se encuentra en una ubicación local. Microsoft ofrece estos dispositivos por suscripción y con diferentes factores de forma, lo que permite un amplio abanico de escenarios de implementación, como tiendas minoristas, hospitales de campo, clínicas rurales, plantas de producción y zonas siniestradas.
Azure Stack Edge admite cargas de trabajo genéricas virtualizadas y contenedorizadas, pero está optimizado para el procesamiento y el análisis de datos en el perímetro, y para la transferencia de los resultados a la nube. Azure Stack Edge se centra en el procesamiento, el análisis y la transferencia de datos, en lugar de en la implementación de una amplia variedad de cargas de trabajo virtualizadas y en contenedores. Para proporcionar esta funcionalidad especializada, Azure Stack Edge ofrece dispositivos basados en unidades de procesamiento gráfico (GPU) o en matrices de puertas programables (FPGA). Junto con una unidad de procesamiento de visión (VPU), estos dispositivos aceleran la inferencia con inteligencia artificial y proporcionan funcionalidad de puerta de enlace para el almacenamiento de red.
Nota:
Dicho de forma sencilla, puede pensar en Azure Stack Edge como si fuera un dispositivo especializado prediseñado que puede usar para procesar y analizar datos en ubicaciones perimetrales y transferirlos a Azure.
Nota:
A diferencia de Azure Stack Hub y Azure Stack HCI, los dispositivos de Azure Stack Edge están disponibles directamente en Microsoft por suscripción.
Una implementación de Azure Stack Edge se compone de los componentes principales siguientes:
| Componente | Descripción |
|---|---|
| Un dispositivo físico de Azure Stack Edge | Dispositivo que los clientes ponen en el perímetro de su entorno local para que funcione como puerta de enlace para el almacenamiento de red, accesible desde un recurso compartido local. El dispositivo también ofrece capacidades de proceso basadas en GPU o FGPA, que proporcionan una inferencia de IA acelerada para los modelos de Machine Learning (ML). El proceso local usa contenedores en un entorno de Kubernetes administrado para procesar los datos. Estos contenedores se pueden implementar y administrar a través de IoT Hub, mediante el sistema de Azure IoT, o con Kubernetes habilitado para Arc. En ambos casos, la integración es total. La integración permite crear el entorno de Kubernetes local, acceder a la aceleración de GPU o VPU, y conectarse a IoT Hub o a Kubernetes habilitado para Arc. |
| Un recurso de Azure Stack Edge accesible a través de Azure Portal | Este recurso permite administrar y supervisar varios dispositivos físicos de Azure Stack Edge, incluida la administración de los recursos compartidos locales que hospedan los datos que se procesan y transfieren a Azure Storage. Además, el recurso de Azure Stack Edge permite configurar el rol de proceso en el dispositivo de Azure Stack Edge que administra el procesamiento de los datos. |
| Una interfaz de usuario (UI) web local de Azure Stack Edge | Esta interfaz de usuario proporciona conexión directa a dispositivos individuales de Azure Stack Edge. La conexión facilita la instalación inicial y la funcionalidad de administración auxiliar. Por ejemplo, reiniciar el dispositivo o revisar y copiar los registros locales. |
Casos de uso comunes de Azure Stack Edge
Azure Stack Edge combina tres grupos de características en el mismo dispositivo físico que representan su rol como unidad de procesamiento de datos, destino de implementación para modelos de inferencia con inteligencia artificial acelerada y puerta de enlace para los datos. Estos roles se corresponden con los tres casos de uso principales de Azure Stack Edge:
| Caso de uso | Descripción |
|---|---|
| Procesamiento de datos | Puede usar Azure Stack Edge para transformar los datos con el fin de optimizar la transferencia, simplificar el análisis posterior o quitar contenido confidencial desde el punto de vista de la seguridad o la privacidad. Es posible lograr algunos de estos objetivos, o todos ellos, a través de la agregación, filtrado y desduplicación de datos. Además, el procesamiento de datos también puede implicar el análisis y la respuesta a los eventos de IoT. |
| Inferencia con modelos de Azure Machine Learning | Puede usar Azure Stack Edge para ejecutar modelos de ML antes de transferir datos a la nube. Es posible que quiera considerar la posibilidad de transferir el conjunto de datos completo para volver a entrenar y optimizar los modelos de ML usando recursos en la nube. |
| Transferencia de datos locales a Azure | Puede usar Azure Stack Edge para facilitar la transferencia continua de datos del entorno local a Azure Storage con fines de retención a largo plazo o para seguir procesándolos y analizándolos. |
Aunque es posible implementar la inferencia mediante la transferencia de datos, cambiar las tareas de proceso a un dispositivo de Azure Stack Edge ofrece varias ventajas:
- Respuesta inmediata a los resultados que generan los modelos de ML en el dispositivo de Azure Stack Edge, sin necesidad de esperar a realizar la transferencia de datos a Azure.
- Cantidad minimizada de datos transferidos a Azure Storage, lo que supone un ahorro de costos y de ancho de banda.
- Cifrado automático de datos en reposo y en tránsito, el dispositivo de Azure Stack Edge cifra los datos almacenados localmente con la transferencia de BitLocker a Azure Storage a través de HTTPS.
Elija la mejor respuesta para cada una de las preguntas siguientes y luego seleccione Comprobar las respuestas.