Bu makalede video akışı ve analiz için karma bir mimari sunun. Azure genel MEC'de gecikmeye duyarlı uygulamalar çalıştırır ve bir Azure bölgesinde denetim düzlemi, yapay zeka ve makine öğrenmesi hizmetleri gibi diğer hizmetleri çalıştırır.
Not
Bu mimarinin web kullanıcılarına sağladığı düşük gecikme süreli akış yalnızca video işlemeyi yapan ve web uygulamasını barındıran Azure genel MEC'ye yönlendirilen kullanıcılar için geçerlidir. Genel olarak bu, diğer coğrafi alanlardaki kullanıcıları içermez.
Mimari
Bu mimarinin bir Visio dosyasını indirin.
İş Akışı
Kamera video, Azure genel MEC'de çalışan video işleme hizmeti uç noktasına akışla gönderilir. Akışı bir telco 5G ağı taşır.
Video işleme işlem hattı bir Azure Kubernetes Service (AKS) kümesinde çalışır ve videoyu işler. Hizmetin Azure genel MEC'de olması, videoyu işlenmek üzere buluta göndermeye kıyasla ağ gidiş dönüş süresini ve bant genişliği maliyetlerini azaltır.
Azure genel MEC'de de çalışan yapay zeka çıkarım hizmeti, işleme işlem hattı tarafından işlendikten sonra videoyu analiz eder ve içgörüler sağlar.
Çıkarım işlem hattı videoyu analiz ettikten sonra, web uygulaması video akışını yayımlama hizmetinden alır ve web kullanıcılarına dağıtır. Ayrıca Azure Content Delivery Network profillerini kullanarak statik dosyaları dağıtabilir.
Çıkarım hizmeti tarafından oluşturulan video içgörüleri ve meta veriler, Azure SQL Veritabanı depolandıkları buluta gönderilir. Video işleme işlem hattı, daha fazla işlem için ham videoyu bulutta bir Azure Blob Depolama hesabında depolayabilir.
Depolama alanında yakalanan veriler çeşitli amaçlarla kullanılabilir:
- Azure Machine Learning, modellerini geliştirmek için makine öğrenmesi toplu işlemleri çalıştırabilir.
- Microsoft Power BI ve Azure Notification Hub, bildirimleri göndermek ve panoları doldurmak için verileri kullanabilir.
Machine Learning, Azure genel MEC'de çalışan yapay zeka çıkarım modellerini güncelleştirir.
Bileşenler
Bu bölümde, Azure genel MEC'de bulunan ve Azure bölgesinde bulunan iki bileşen listesi vardır.
Azure genel MEC
- Azure genel MEC'de video işleme: Video işleme işlem hattı, yapay zeka çıkarım hizmeti ve web uygulaması, Azure Kubernetes Service (AKS) kümesinde çalışan mikro hizmet tabanlı uygulamalardır. Yapay zeka çıkarım hizmeti, video akışlarını analiz etmek ve içgörüler sağlamak için yapay zeka çıkarım modellerini kullanır. Web uygulaması, işlenen videoyu web kullanıcılarına dağıtır.
- Video işleme işlem hattı: Tipik bir video işleme işlem hattı, kameralardan video akışları yakalayan, bunları işleyen ve yayımlayan hizmetlere sahiptir. Bu hizmetlerin uçta dağıtılması, videoyu işlenmek üzere buluta göndermeye kıyasla gecikme süresini ve bant genişliği kullanımını azaltır.
- Yapay zeka çıkarım hizmeti: Bu hizmet, işlenen videoyu giriş olarak alır ve bu video hakkında içgörüler sağlar. Nesne ve kişi algılama ve izleme, görüntü sınıflandırması, anomali algılama ve güvenlik uyarıları gibi görevlerde yardımcı olabilecek diğer kaynaklardan Azure AI modellerini veya yapay zeka modellerini dağıtabilirsiniz.
- Web uygulaması hizmeti: Web uygulaması hizmeti, kullanıcılara video sağlayan web sayfasını barındırıyor. Web uygulaması, video işleme işlem hattının yayımlama hizmetinden girdi alır ve canlı akışı iletir.
- Azure Content Delivery Network profilleri: Web uygulaması, uygulamanın yanıt hızını artırmaya yardımcı olmak üzere web uygulamasının statik görüntülerini iletmek için Content Delivery Network profillerini kullanabilir.
Azure bölgesi
- Veritabanı hizmeti: Azure, Azure SQL Veritabanı, MySQL için Azure Veritabanı, PostgreSQL için Azure Veritabanı ve Azure Cosmos DB gibi çeşitli veritabanı teklifleri sağlar. Çıkarım hizmetinin çıkışını depolamak için bunlardan herhangi birini kullanabilirsiniz.
- Azure Blob Depolama: İsteğe bağlı video ve video analizi gibi gelecekteki kullanımlar için video akışını tutmak için blob depolamayı kullanabilirsiniz.
- Azure Machine Learning: Bu mimaride Machine Learning, makine öğrenmesi modellerini eğitmek için veritabanından giriş alır ve çıkarım hizmetinin kullandığı modelleri güncelleştirir.
- Diğer hizmetler: Videoda algılanan anomaliler hakkında kullanıcıları uyarmak için Azure Notification Hubs'ı, panoları doldurmak ve rapor oluşturmak için Microsoft Power BI'ı ve video akışlarınız hakkında içgörü elde etmek için Azure Stream Analytics'i kullanabilirsiniz.
Alternatifler
AKS'yi dağıtmanın bir alternatifi, Azure IoT Edge'i Azure genel MEC'de dağıtmak ve daha önce bahsedilen hizmetlere benzer işlevler sağlayan Azure modüllerini çalıştırmaktır. Şunları kullanabilirsiniz:
- Video işleme işlem hattını oluşturmak için Azure Video Analyzer .
- İçgörüler sağlamak üzere videoyu analiz etmek için Azure Bilişsel Hizmetler .
- Akışlı videoda analiz hizmetlerini dağıtmak için Azure Stream Analytics .
- Analiz ve içgörüler üzerinde eylem çalıştırmayı Azure İşlevleri.
Senaryo ayrıntıları
Uygulamaları uçta barındırmak, daha hızlı yanıt vermelerini ve ağ bant genişliği gereksinimlerini kolaylaştırmalarını sağlayabilir. Azure genel çoklu erişimli uç işlem (Azure genel MEC), buluttan yönetilen Microsoft işlem, ağ ve uygulama hizmetleri portföyünü bir araya getiren bir uç bilgi işlem çözümüdür. 5G'nin hızından yararlanmak ve önemli düşük gecikme süresi ve yüksek bant genişliği senaryolarının kilidini açmak için kullanabilirsiniz.
Ancak Azure genel MEC,uygulama yığınınızın tamamını uçta barındırmak için tasarlanmamıştır. Uygulamanızın hangi parçalarının Azure genel MEC'de çalıştırılması gerektiğini ve bunun yerine bir Azure bölgesinde veya şirket içinde çalıştırılması gerektiğini anlamak kritik önem taşır.
Etkinliklerin canlı akışı, kullanıcılara gerçek zamanlı ve kişiselleştirilmiş bir görünüm sağlamak için hızlı video işleme gerektirir, bu nedenle uç çözüm için iyi bir adaydır.
Olası kullanım örnekleri
Yüksek talepli durumlarda bile hızlı uygulama yanıtına ihtiyaç duyan kuruluşlar, uygulamanın gecikme süresine duyarlı bölümlerini barındırmak için Azure genel MEC'yi kullanmayı düşünmelidir.
Özellikle görüntü işleme modellerini temel alan video analizi, yeni nesil perakende, akıllı şehirler, bağlı araçlar gibi çeşitli sektörler tarafından kullanılmaktadır. Bu tür uygulamalar bu mimari için adaydır.
Dikkat edilmesi gereken noktalar
Bu önemli noktalar, bir iş yükünün kalitesini artırmak için kullanılabilecek bir dizi yol gösteren ilke olan Azure İyi Tasarlanmış Çerçeve'nin yapı taşlarını uygular. Daha fazla bilgi için bkz . Microsoft Azure İyi Tasarlanmış Çerçeve. Çerçeve, mimari mükemmelliği beş yapıdan oluşur:
- Güvenilirlik
- Güvenlik
- Maliyet iyileştirme
- Operasyonel mükemmellik
- Performans verimliliği
Dağıtım
Genellikle Azure genel MEC'de kaynakları dağıtmayla ilişkili bir fiyatlandırma ekstrası vardır. Maliyetleri düşük tutmak için Azure genel MEC'de çalıştırmanın avantajlarından yararlanabilecek gecikme süresine duyarlı ve kritik bileşenleri belirlemeniz önemlidir. Maliyetleri azaltmak için uygulamanın diğer tüm bileşenleri Azure bölgesine dağıtılmalıdır.
Ölçeklenebilirlik
Azure genel MEC, işlem ve gecikmeye duyarlı iş yüklerinizi uygulamaların gereksinimlerine uyacak şekilde ölçeklendirmek için kullanabileceğiniz AKS ve Azure Sanal Makine Ölçek Kümeleri destekler.
Yük dengeleme seçenekleri
AKS, gelen trafiğin yük dengelemesi için birden çok seçeneği dahili olarak destekler. NGINX Giriş Denetleyicisi mimari diyagramında gösterilir, ancak AKS ile kullanabileceğiniz başka yük dengeleyiciler de vardır. Daha fazla bilgi için bkz . Azure Kubernetes Service (AKS) ile iç yük dengeleyici kullanma.
Performans
Azure genel MEC, yoğun işlem yoğunluklu video akışı işleme için GPU'ya özgü SKU'lar da dahil olmak üzere çeşitli sanal makine SKU'ları sağlar.
Depolama seçenekleri
Azure genel MEC, Azure Depolama hesaplarını desteklemediğinden blob Depolama yalnızca Azure bölgesinde bulunabilir.
Maliyet iyileştirme
Maliyet iyileştirmesi, gereksiz giderleri azaltmanın ve operasyonel verimlilikleri iyileştirmenin yollarını aramaktır. Daha fazla bilgi için bkz . Maliyet iyileştirme sütununa genel bakış.
- Fiyatlandırma bilgileri için bkz . Azure fiyatlandırması .
- Bu çözümü uygulama maliyetini tahmin etmek için Azure fiyatlandırma hesaplayıcısını kullanın.
Katkıda Bulunanlar
Bu makale Microsoft tarafından yönetilir. Başlangıçta aşağıdaki katkıda bulunanlar tarafından yazılmıştır.
Asıl yazar:
- Adhip Gupta | Üst Düzey Program Yöneticisi
Sonraki adımlar
- Azure genel çoklu erişimli uç işlem (MEC)
- Azure Kubernetes Service (AKS) belgeleri
- Azure Machine Learning belgeleri
- Azure CDN belgeleri