本文提供影片串流和分析的混合式架構。 它會在 Azure 公用 MEC 中執行延遲敏感應用程式，並在 Azure 區域中執行其他服務，例如控制平面、AI 和機器學習服務。
注意
此架構提供給 Web 使用者的低延遲串流僅適用於路由傳送至 Azure 公用 MEC 的使用者，這些使用者會執行影片處理並裝載 Web 應用程式。 一般而言，這不包括其他地理區域中的使用者。
架構
工作流程
相機 影片會串流至在 Azure 公用 MEC 中執行的影片處理服務端點。 電信 5G 網路攜帶數據流。
影片處理管線會在 Azure Kubernetes Service （AKS） 叢集中執行，並處理影片。 相較於將影片傳送至雲端進行處理，Azure 公用 MEC 中的服務可減少網路來回時間和頻寬成本。
AI 推斷服務也會在 Azure 公用 MEC 中執行、在處理管線處理影片之後分析影片，並提供深入解析。
推斷管線分析影片之後，Web 應用程式會從發佈服務擷取影片串流，並將其散發給Web使用者。 它也可以使用 Azure 內容傳遞網路 配置檔來散發靜態檔案。
推斷服務所產生的影片深入解析和元數據會傳送至儲存在 Azure SQL 資料庫 中的雲端。 影片處理管線可以將原始影片儲存至雲端中的 Azure Blob 儲存體 帳戶，以進行進一步處理。
在記憶體中擷取的數據可用於各種用途：
- Azure 機器學習 可以執行機器學習批處理來改善其模型。
- Microsoft Power BI 和 Azure 通知中樞可以使用數據來傳送通知，以及填入儀錶板。
機器學習 更新在 Azure 公用 MEC 中執行的 AI 推斷模型。
元件
本節中有兩個元件清單，這些元件位於 Azure 公用 MEC 中，以及位於 Azure 區域中的元件清單。
Azure 公用 MEC
- Azure 公用 MEC 中的影片處理： 影片處理管線、AI 推斷服務和 Web 應用程式是在 Azure Kubernetes Service （AKS） 叢集中執行的微服務型應用程式。 AI 推斷服務會使用 AI 推斷模型來分析影片串流並提供見解。 Web 應用程式會將已處理的視訊散發給 Web 使用者。
- 視訊處理管線： 一般的視訊處理管線具有從相機擷取視訊摘要、處理影片及發佈影片的服務。 相較於將影片傳送至雲端進行處理，在邊緣部署這些服務可減少延遲和頻寬使用量。
- AI 推斷服務： 此服務接受已處理影片的輸入，並提供其深入解析。 您可以從其他來源部署 Azure AI 模型或 AI 模型，以協助處理對象和人員偵測和追蹤、影像分類、異常偵測和安全性警示等工作。
- Web 應用程式服務： Web 應用程式服務會裝載提供影片給使用者的網頁。 Web 應用程式會從影片處理管線的發佈服務取得輸入，並傳輸即時摘要。
- Azure 內容傳遞網路 配置檔：Web 應用程式可以使用 內容傳遞網路 配置檔來傳輸 Web 應用程式的靜態影像，以協助改善應用程式的回應性。
Azure 區域
- 資料庫服務：Azure 提供各種資料庫供應專案，例如 Azure SQL 資料庫、適用於 MySQL 的 Azure 資料庫、適用於 PostgreSQL 的 Azure 資料庫 和 Azure Cosmos DB。 您可以使用其中任何一項來儲存推斷服務的輸出。
- Azure Blob 儲存體：您可以使用 Blob 記憶體來保存視訊串流以供日後使用，例如視訊隨選影片和影片分析。
- Azure 機器學習：在此架構中，機器學習 從資料庫取得輸入來定型機器學習模型，然後更新推斷服務所使用的模型。
- 其他服務：您可以使用 Azure 通知中樞來警示使用者影片中偵測到的異常狀況、Microsoft Power BI 來填入儀錶板和產生報告，以及 Azure 串流分析，以深入瞭解您的影片串流。
替代項目
部署 AKS 的替代方法是在 Azure 公用 MEC 中部署 Azure IoT Edge ，並執行 Azure 模組，以提供與先前所述的服務類似的功能。 您可以使用：
- Azure 影片分析器 可建立影片處理管線。
- Azure 認知服務 可分析影片以提供深入解析。
- Azure 串流分析 ，以在串流影片上部署分析服務。
- Azure Functions 可對分析和深入解析執行動作。
案例詳細資料
在邊緣裝載應用程式可讓應用程式更具回應性，並簡化網路頻寬需求。 Azure 公用多重存取邊緣計算 （Azure public MEC） 是一種邊緣運算解決方案，可將 Microsoft 計算、網路和應用程式服務組合結合在一起，由雲端管理。 您可以使用它來利用 5G 的速度，並解除鎖定關鍵低延遲和高頻寬案例。
不過，Azure 公用 MEC 並不是要在邊緣裝載整個應用程式堆疊。 請務必瞭解您的應用程式應該在 Azure 公用 MEC 中執行哪些部分，哪些部分應該改為在 Azure 區域或內部部署中執行。
即時串流事件需要快速的視訊處理，才能為使用者提供即時且個人化的檢視，因此它是邊緣解決方案的良好候選專案。
潛在的使用案例
組織需要快速的應用程式回應，即使在高需求的情況下，也應該考慮使用 Azure 公用 MEC 來裝載應用程式的延遲敏感性部分。
特別是，各種產業會使用以計算機視覺模型為基礎的影片分析，包括新一代零售、智慧城市、聯網車輛。 這類應用程式是此架構的候選專案。
考量
這些考慮會實作 Azure Well-Architected Framework 的支柱，這是一組指導原則，可用來改善工作負載的品質。 如需詳細資訊，請參閱 Microsoft Azure Well-Architected Framework。 該架構包含五個卓越的架構要素：
- 可靠性
- 安全性
- 成本最佳化
- 卓越營運
- 效能效益
部署
通常有與在 Azure 公用 MEC 中部署資源相關聯的定價進階。 若要降低成本，請務必識別延遲敏感和關鍵元件，以受益於在 Azure 公用 MEC 中執行。 應用程式的其他所有元件都應該部署在 Azure 區域中，以降低成本。
延展性
Azure 公用 MEC 支援 AKS 和 Azure 虛擬機器擴展集，可用來調整計算和延遲敏感的工作負載，以符合應用程式的需求。
負載平衡選項
AKS 在內部支援多個選項，以平衡連入流量的負載。 NGINX 輸入控制器會顯示在架構圖表中，但還有其他負載平衡器可以搭配 AKS 使用。 如需詳細資訊，請參閱搭配 Azure Kubernetes Service 使用內部負載平衡器 （AKS）。
效能
Azure 公用 MEC 提供各種虛擬機 SKU，包括 GPU 特定 SKU，以用於計算密集的視訊串流處理。
儲存體選項
Azure 公用 MEC 不支援 Azure 儲存體 帳戶，因此 Blob 儲存體 只能位於 Azure 區域中。
成本最佳化
成本優化是考慮如何減少不必要的費用，並提升營運效率。 如需詳細資訊，請參閱 成本優化要素概觀。
- 如需定價資訊，請參閱 Azure 定價 。
- 使用 Azure 定價計算機來預估實作此解決方案的成本。
參與者
本文由 Microsoft 維護。 原始投稿人如下。
主體作者：
- Adhip Gupta |資深項目經理