Azure Stack Edge とは
パブリック クラウドの普及に伴い、今後は顧客がオンプレミスのデータを Azure にアップロードし、Azure Machine Learning を使って大規模な分析を行うことが一般的になってきます。 多くの場合、顧客はオンプレミスでこのようなデータを事前処理したいと考えています。 この事前処理は、予備的な分析に基づいてすぐにフィードバックを取得したり、データ アップロードの量を制限したり、機密の可能性があるデータを除外して内部ネットワークから漏れるのを防いだりする際に役立つ場合があります。 機械学習 (ML) を使って顧客データの処理と分析を行ってから、長期的なアーカイブのためにデータを Azure Storage にアップロードする Contoso 社の研究用途は、これらのシナリオの例の 1 つです。 このようなニーズには、Azure Stack Edge を使って対処できます。 このユニットでは、Azure Stack Edge とは何か、いつ使うべきか、そのベネフィットは何かについて学びます。
Azure Stack Edge とは
Azure Stack Edge を使用すると、オンプレミスの場所にある、Microsoft 提供の専用アプライアンスを使用して、オンプレミス データの処理と ML ベースの推論を実行し、Azure にデータをアップロードすることができます。 Microsoft は、サブスクリプション ベースと複数のフォーム ファクターでこうしたアプライアンスを提供しており、幅広いデプロイ シナリオが簡単になります。 小売店、野戦病院、地方の診療所、工場のフロア、災害地などの環境が含まれます。
Azure Stack Edge では、仮想化されコンテナー化された汎用的なワークロードがサポートされます。また、これはエッジでのデータの処理と分析、クラウドへの結果の転送用に最適化されています。 Azure Stack Edge では、仮想化されコンテナー化された多様なワークロードの実装ではなく、データの処理、分析、および転送に重点が置かれています。 これらの特殊な機能を提供するために、Azure Stack Edge は、グラフィックス プロセッシング ユニット (GPU) ベースの、または Field Programmable Gate Array (FPGA) ベースのアプライアンスを提供します。 これらのアプライアンスと Vision Processing Unit (VPU) を併用することで、高速な人工知能推論を可能にし、ネットワーク ストレージ ゲートウェイ機能を利用できます。
Note
簡単に言うと、Azure Stack Edge は、エッジの場所でのデータの処理と分析、および Azure への転送に使用できる、事前に構築された専用のアプライアンスと考えることができます。
Note
Azure Stack Hub や Azure Stack HCI とは異なり、Azure Stack Edge アプライアンスは、サブスクリプションごとに Microsoft から直接入手できます。
Azure Stack Edge の実装には、次の主要コンポーネントが含まれています。
| コンポーネント | 説明 |
|---|---|
| Azure Stack Edge の物理アプライアンス | お客様がオンプレミスのエッジの場所に配置し、ローカル共有経由でアクセスできるネットワーク ストレージ ゲートウェイとして機能するアプライアンス。 このアプライアンスでは、GPU または FGPA ベースのコンピューティング機能も提供されます。このため、機械学習 (ML) モデル向けの高速 AI 推論が可能になります。 ローカル コンピューティングでは、マネージド Kubernetes 環境のコンテナーを使用してデータが処理されます。 これらのコンテナーは、Azure IoT システムを使用する IoT Hub 経由で、または Arc 対応 Kubernetes を使用してデプロイおよび管理できます。 どちらの場合も、エンド ツー エンドで統合されています。 統合されているので、ローカルの Kubernetes 環境を作成し、GPU または VPU アクセラレーションにアクセスし、IoT Hub または Arc 対応 Kubernetes に接続できます。 |
| Azure portal を介してアクセスできる Azure Stack Edge リソース | このリソースを使って、複数の Azure Stack Edge 物理アプライアンスを管理および監視することができます。 処理され Azure Storage に転送されるデータをホストするそれらのローカル共有の管理も含まれます。 さらに、Azure Stack Edge リソースを使うと、データ処理を管理する Azure Stack Edge アプライアンスでコンピューティング ロールを構成することもできます。 |
| Azure Stack Edge ローカル Web ユーザー インターフェイス (UI) | この UI を使って、個々の Azure Stack Edge アプライアンスに直接接続できます。 この接続により、初期インストールと管理機能のサポートが簡単になります。 たとえば、アプライアンスの再起動やローカル ログの確認とコピーなどです。 |
Azure Stack Edge の一般的なユースケース
Azure Stack Edge では、3 つの機能グループを同じ物理アプライアンスに結合しています。 データ処理ユニット、高速 AI 推論モデルのデプロイ ターゲット、データ ゲートウェイとしての役割を表しています。 これらのロールは、Azure Stack Edge の主な 3 つのユースケースに対応します。
| ユース ケース | 説明 |
|---|---|
| データ処理 | Azure Stack Edge を使ってデータを変換し、その後の転送を最適化したり、分析を効率化したり、セキュリティやプライバシーの観点から機密と見なされるコンテンツを削除したりすることができます。 データの集計、フィルター処理、および重複除去によって、これらの目的の一部またはすべてを達成できます。 また、データ処理の際には、IoT イベントの分析と応答が必要な場合もあります。 |
| Azure Machine Learning モデルによる推論 | データをクラウドに転送する前に、Azure Stack Edge を使用して ML モデルを実行することができます。 場合によっては、クラウド リソースを使って ML モデルの再トレーニングと最適化を行うために、全データセットの転送を検討する必要があります。 |
| Azure へのオンプレミス データの転送 | Azure Stack Edge を使うと、オンプレミス データを Azure Storage に継続的に転送して、長期保存や追加の処理と分析を行うことができます。 |
データ転送後に推論を実装することもできますが、コンピューティング タスクを Azure Stack Edge アプライアンスにシフトすることで、以下のようなさまざまなメリットを得ることができます。
- Azure へのデータ転送が終了するのを待つことなく、Azure Stack Edge アプライアンス内の ML モデルによって生成された結果に対して即時応答することができます。
- Azure Storage に転送されるデータの量が最小限に抑えられ、コストと帯域幅が節約されます。
- 保存データおよび転送中のデータが自動的に暗号化されます。Azure Stack Edge のアプライアンスでは、HTTPS を介して Azure Storage に転送される、ローカルに保存されたデータが BitLocker によって暗号化されます。
以下の各質問に最も適した回答を選んでください。次に、[答えを確認する] を選択します。