エッジからクラウドへ：IoTデータパイプラインのマスター

モノのインターネット（IoT）は、家電の予知保全から渋滞を緩和するインテリジェントな交通信号まで、幅広いタスクを変革し得ます。

MapRのソリューションエンジニアリング責任者、ピナキン・パテル氏によると、ほとんどのIoTシナリオは、エッジデバイスからセンサーデータが中央の分析エンジンへ流れ、そこで応答がトリガーされるというものです。多くの場合、その応答は再びエッジへ送り返されます。

入力・処理・出力というモデルは標準的ですが、IoT導入では膨大なデータ量と世界規模の分散に伴うレイテンシによって、データ管理システムが逼迫する可能性があります。

大規模化するIoTデータ

ウェアラブル、スマートサーモスタットなどのコンシューマーデバイスからのデータ集約は一般的ですが、そのボリュームは個々のデータ出力量ではなく、デバイスの台数由来です。

新たな課題は、デバイスが秒間メガバイトやギガバイトを生成する場合に生じます。リアルタイムビデオ、音声、LIDARストリームなどは、従来のストレージソリューションの処理能力を超える可能性があります。

インフラの進化が必須です。大容量ストリームは既存帯域を飽和させ、堅牢なアーキテクチャを必要とします。自動車、医療機器、洋上リグなどが該当します。クラウドに取り込まれれば、AIとMLがインサイト抽出と自動アクションのオーケストレーションに不可欠になります。

ヘルスケアの事例

抽象的な議論では現実が見えにくくなります。各IoTユースケースには固有のドライバーとニーズがあります。具体的なシナリオを通じて典型的な課題を解説します。

心疾患などの慢性疾患の早期発見と治療は、命を救いコストを削減します。主要なハードルはケアの調整と入院回避です。パイロットプログラムでは、手頃なセンサーがバイタルサインと心電図をセルラー網経由でクラウドベースのアプリケーションへストリーミングします。

これらの診断プラットフォームは、リアルタイムのバイタルと心電図を、患者の過去の医療記録と併せて評価します。データフローは、ライブストリーム、アーカイブデータ、個別患者メトリクス、膨大な過去スキャンリポジトリから編纂されたベンチマークデータセットを組み合わせます。

臨床医は、広範なデバイスコホート全体でデータを収集・集約・学習し、クリティカルなイベントを検知するワークフローを必要とします。過剰投与や差し迫った心臓発作などの異常検知には、迅速な対応のためのエッジ側インテリジェンスが求められます。

研究者たちは、ストリーム処理とバッチ処理を単一のデータファブリックで統合するプラットフォームを開発しました。これにより、一貫したデータ処理、きめ細かなアクセス制御、スケーラブルで高性能なインテリジェンスが可能になります。

自動車の事例

同じデータファブリック戦略は、Mojioのコネクテッドカー・プラットフォームなど、他分野でも適用されています。これは自動車、保険、通信のステークホルダーを統合します。Mojioは初期展開で50万台の車両を目標とし、行動、診断、文脈データを個別に提供します。

Mojioのテレマティクスは速度、ステアリング、ブレーキを取得し、運転者の疲労を評価してアラートを発します。長期的な運転データの集約は、ユーザーを燃費の良い習慣へ導き、保険会社がリスクを定量化することを可能にします。

コンバージェンスとファブリック

ヘルスケア研究者と自動車エンジニアの双方が、次世代アプリケーションを先導しています。共通の基盤には、クラウドスケールのデータストア、堅牢なデータベース、統合された永続ストリーミングがあり、開発者がこれまで不可能だったソリューションを設計・構築・展開できるようにしています。

これらのコンポーネントは総体として、多様なIoTシナリオで採用が進むコンバージドデータプラットフォームを形成します。このようなプラットフォームは、計算集約型ワークロード向けの高IOPS・低レイテンシファイルファブリックを提供し、データを複製せずに取り込み、保存、分析、処理、アクションをリアルタイムで実行可能にします。

IoTデータがエッジ、クラウド、そして再びエッジへと移動する際、組織はレガシーモノリスを捨て、イノベーティブなユースケースをスケールするためにコンバージェンスを採用すべきです。

本ブログの著者は、MapRのソリューションエンジニアリング責任者、ピナキン・パテル氏です。

著者について

ピナキン・パテル氏はMapRのソリューションエンジニアリング責任者です。データの世界と、組織がこの重要なビジネスリソースから価値を引き出す方法において、25年以上の経験を有します。