Fonctionnement d’IoT Edge
Azure IoT Edge comprend trois composants :
Les modules IoT Edge sont des unités d’exécution, implémentées en tant que conteneurs compatibles Docker. Les modules IoT Edge peuvent exécuter la logique métier à la périphérie. Les modules IoT Edge peuvent exécuter des services Azure, des services tiers ou votre code. Ils sont déployés sur des appareils IoT Edge et s’exécutent localement sur ces appareils. Vous pouvez configurer les modules pour qu’ils communiquent entre eux afin de créer un pipeline pour le traitement des données. Les modules peuvent s’exécuter si nécessaire hors connexion.
Le runtime IoT Edge s’exécute sur chaque appareil IoT Edge, et gère le runtime et la communication pour les modules déployés sur chaque appareil. Le runtime IoT Edge garantit que les modules sont toujours en cours d’exécution et signalent l’intégrité du module au cloud.
Le runtime effectue plusieurs fonctions, comme :
- Installation et mise à jour des charges de travail
- Maintien des standards de sécurité d’IoT Edge
- Gestion de la communication entre les appareils de nœud terminal en aval et l’appareil IoT Edge
- Gestion de la communication entre les modules sur un appareil IoT Edge, et gestion des communications entre un appareil IoT Edge et le cloud.
L’interface cloud IoT Edgevous permet de superviser et de gérer des appareils IoT Edge à distance. Si votre solution utilise un ensemble varié d’appareils à grande échelle, vous pouvez créer et configurer une charge de travail pour qu’elle s’exécute sur un type spécifique d’appareil. Vous devez ensuite déployer la charge de travail sur un ensemble d’appareils de ce type. Une fois les appareils en cours d’exécution, vous devez superviser les charges de travail de façon centralisée. L’interface cloud IoT Edge vous permet de gérer ce cycle de vie global à grande échelle pour un ensemble diversifié d’appareils, qui peuvent être géographiquement dispersés.
Il est difficile de gérer le cycle de vie des logiciels pour des millions d’appareils IoT qui sont souvent de marques et de modèles différents, ou situés à différents endroits. Les charges de travail sont créées et configurées pour un type particulier d’appareil, déployées sur tous vos appareils et supervisées pour intercepter tous les appareils présentant un dysfonctionnement. Ces activités ne peuvent pas être effectuées sur chaque appareil : elles doivent être appliquées à grande échelle.
Prenons le cas du déploiement d’un traitement d’événements complexe ou de machine learning sur des appareils de périphérie. Si vous voulez implémenter du machine learning sur des appareils de périphérie, vous devez d’abord entraîner le modèle dans le cloud. Après avoir entraîné le modèle, vous devez le déployer sur un large éventail d’appareils de périphérie, souvent dans différentes zones géographiques. Une fois déployés, ces modèles s’exécutent souvent hors connexion sur l’appareil. Vous devez aussi mettre régulièrement à jour le modèle. En encapsulant les modèles dans des conteneurs compatibles Docker, IoT Edge pouvez gérer le cycle de déploiement de bout en bout pour le machine learning sur IoT. Le runtime et l’interface cloud IoT Edge peuvent superviser l’état des modules de machine learning.
Sans IoT Edge, le développeur devrait créer les fonctionnalités supplémentaires nécessaire à la gestion du module.
