編集

次の方法で共有

Azure パブリック マルチアクセス エッジ コンピューティングのデプロイ

Azure Virtual Network
Azure Kubernetes Service (AKS)
Azure Machine Learning
Azure AI サービス

この記事では、ビデオ ストリーミングと分析のためのハイブリッド アーキテクチャについて説明します。 待ち時間の影響を受けやすいアプリケーションを Azure パブリック MEC で実行し、コントロール プレーン、AI、機械学習サービスなどの他のサービスを、Azure リージョンで実行します。

注意

このアーキテクチャによって Web ユーザーに提供される低遅延のストリーミングは、ビデオの処理と Web アプリのホストを行う Azure パブリック MEC にルーティングされるユーザーにのみ適用されます。 一般に、これには他の地理的領域のユーザーは含まれません。

アーキテクチャ

応答をスピードアップし、帯域幅の要件を下げるためにエッジでアプリケーションをホストする Azure パブリック MEC を使用するアーキテクチャ。

このアーキテクチャの Visio ファイルをダウンロードします。

ワークフロー

  1. カメラのビデオは、Azure パブリック MEC で実行されているビデオ処理サービス エンドポイントにストリーミングされます。 電話会社の 5G ネットワークによりストリームが伝送されます。

  2. Azure Kubernetes Service (AKS) クラスターで実行されるビデオ処理パイプラインによって、ビデオが処理されます。 Azure パブリック MEC にサービスを配置すると、処理のためにビデオをクラウドに送信する場合と比べて、ネットワーク ラウンドトリップ時間と帯域幅のコストが削減されます。

    やはり Azure パブリック MEC で実行されている AI 推論サービスにより、処理パイプラインによって処理された後のビデオが分析されて、分析情報が提供されます。

  3. 推論パイプラインによるビデオの分析の後、ビデオ ストリームは Web アプリによって公開サービスから取得されて、Web ユーザーに配信されます。 また、Azure Content Delivery Network プロファイルを使って、静的ファイルを配布することもできます。

  4. 推論サービスによって生成されたビデオの分析情報とメタデータは、クラウドに送信され、そこで Azure SQL Database に格納されます。 ビデオ処理パイプラインでは、未加工のビデオを、さらに処理するために、クラウドの Azure Blob Storage アカウントに格納できます。

  5. ストレージにキャプチャされたデータは、さまざまな目的に使用できます。

    1. Azure Machine Learning は、機械学習のバッチ プロセスを実行してモデルを改善できます。
    2. Microsoft Power BI と Azure Notification Hubs では、そのデータを使って通知を送信し、ダッシュボードを設定できます。

  6. Machine Learning は、Azure パブリック MEC で実行されている AI 推論モデルを更新します。

コンポーネント

このセクションには、Azure パブリック MEC 内のコンポーネントと Azure リージョン内のコンポーネントの 2 つの一覧があります。

Azure パブリック MEC

  • Azure パブリック MEC でのビデオ処理: ビデオ処理パイプライン、AI 推論サービス、Web アプリは、Azure Kubernetes Service (AKS) クラスターで実行されるマイクロサービス ベースのアプリケーションです。 AI 推論サービスは、AI 推論モデルを使ってビデオ ストリームを分析し、分析情報を提供します。 Web アプリは、処理されたビデオを Web ユーザーに配信します。
    • ビデオ処理パイプライン: 一般的なビデオ処理パイプラインには、カメラからビデオ フィードをキャプチャし、処理して公開するサービスがあります。 これらのサービスをエッジにデプロイすると、処理のためにビデオをクラウドに送信する場合と比べて、待機時間と帯域幅の使用が減ります。
    • AI 推論サービス: このサービスは、処理済みのビデオを入力として受け取り、それについての分析情報を提供します。 オブジェクトと人の検出と追跡、画像分類、異常検出、セキュリティ アラートなどのタスクに役立つ、Azure AI モデルまたは他のソースからの AI モデルをデプロイできます。
    • Web アプリ サービス: Web アプリ サービスは、ユーザーにビデオを提供する Web ページをホストします。 Web アプリは、ビデオ処理パイプラインの公開サービスから入力を受け取り、ライブ フィードを送信します。
  • Azure Content Delivery Network プロファイル: Web アプリは、Content Delivery Network プロファイルを使って Web アプリの静的イメージを送信し、アプリケーションの応答性を向上させることができます。

Azure リージョン

  • データベース サービス: Azure には、Azure SQL Database、Azure Database for MySQL、Azure Database for PostgreSQL、Azure Cosmos DB など、さまざまなデータベース オファリングが用意されています。 これらを使用して、推論サービスの出力を格納できます。
  • Azure Blob Storage: Blob Storage を使って、ビデオ オン デマンドやビデオ分析など、将来の使用のためにビデオ ストリームを保持できます。
  • Azure Machine Learning: このアーキテクチャでは、Machine Learning はデータベースから入力を受け取って機械学習モデルをトレーニングした後、推論サービスが使うモデルを更新します。
  • その他のサービス: Azure Notification Hubs を使うと、ビデオで検出された異常についてユーザーに警告でき、Microsoft Power BI を使うと、ダッシュボードを設定してレポートを生成でき、Azure Stream Analytics を使うと、ビデオ ストリームに関する分析情報を取得できます。

代替

AKS をデプロイする代わりの方法としては、Azure パブリック MEC に Azure IoT Edge をデプロイし、既に説明したサービスと同様の機能を提供する Azure モジュールを実行します。 使用できるもの:

シナリオの詳細

エッジでアプリケーションをホストすると、応答性が向上し、ネットワーク帯域幅の要件が軽減されます。 Azure パブリック マルチアクセス エッジ コンピューティング (Azure パブリック MEC) は、Microsoft のコンピューティング、ネットワーク、アプリケーションのサービスを 1 つのポートフォリオにまとめてクラウドから管理できるようにするエッジ コンピューティング ソリューションです。 それを使って 5G の速度を利用し、低遅延で高帯域幅のシナリオを実現できます。

ただし、Azure パブリック MEC は、アプリケーション スタック全体をエッジでホストするためのものではありません。 Azure パブリック MEC で実行する必要があるアプリケーションの部分と、Azure リージョンまたはオンプレミスで実行する必要がある部分を、理解することが重要です。

イベントのライブ ストリーミングは、リアルタイムでパーソナライズされたビューをユーザーに提供するために高速のビデオ処理が必要なので、エッジ ソリューションの候補に適しています。

考えられるユース ケース

高需要の状況でも高速なアプリケーション応答を必要とする組織は、Azure パブリック MEC を使って、アプリケーションの待ち時間の影響を受けやすい部分をホストすることを、検討する必要があります。

特に、Computer Vision モデルに基づくビデオ分析は、次世代の小売、スマート シティ、コネクテッド カーなど、さまざまな業界で使われています。 このようなアプリケーションは、このアーキテクチャの候補になります。

考慮事項

以降の考慮事項には、ワークロードの品質向上に使用できる一連の基本原則である Azure "Well-Architected Framework" の要素が組み込まれています。 詳細については、「Microsoft Azure Well-Architected Framework」を参照してください。 このフレームワークは、優れたアーキテクチャの 5 つの柱で構成されています。

  • [信頼性]
  • セキュリティ
  • コストの最適化
  • オペレーショナルエクセレンス
  • パフォーマンス効率

デプロイ

通常、Azure パブリック MEC へのリソースのデプロイに関連する価格プレミアムがあります。 コストを抑えるには、Azure パブリック MEC で実行するとメリットがある可能性のある、待ち時間の影響を受けやすいクリティカルなコンポーネントを特定することが重要です。 コストを削減するには、アプリケーションの他のすべてのコンポーネントを Azure リージョンにデプロイする必要があります。

スケーラビリティ

Azure パブリック MEC では、AKS と Azure Virtual Machine Scale Sets がサポートされています。これを使うと、アプリケーションの要件に合わせて、コンピューティング ワークロードと待ち時間の影響を受けやすいワークロードをスケーリングできます。

負荷分散のオプション

AKS では、着信トラフィックを負荷分散するための複数のオプションが内部的にサポートされています。 アーキテクチャの図には NGINX イングレス コントローラーが示されていますが、AKS で使用できるロード バランサーは他にもあります。 詳しくは、「Azure Kubernetes Service (AKS) で内部ロード バランサーを使用する」をご覧ください。

パフォーマンス

Azure パブリック MEC では、コンピューティング集中型ビデオ ストリーム処理用の GPU 固有の SKU など、さまざまな仮想マシン SKU が提供されています。

ストレージ オプション

Azure パブリック MEC では Azure ストレージ アカウントはサポートされていないため、Blob Storage は Azure リージョンにのみ存在できます。

コストの最適化

コストの最適化とは、不要な費用を削減し、運用効率を向上させる方法を検討することです。 詳しくは、コスト最適化の柱の概要に関する記事をご覧ください。

共同作成者

この記事は、Microsoft によって保守されています。 当初の寄稿者は以下のとおりです。

プリンシパル作成者:

  • Adhip Gupta | シニア プログラム マネージャー

次のステップ