IoTデータをエッジからクラウドに、そしてその逆に活用する

モノのインターネット（IoT）は、電子機器の予防保守からスマート信号機まで、さまざまなタスクを劇的に改善して、混雑を緩和する可能性を提供します。

MapR のソリューションエンジニアリング責任者であるPinakinPatelとして つまり、多くのユースケースでは、アクションを実行する前に、分析のためにネットワーク接続を介して集中型アプリケーションに送信されるエッジデバイスからセンサーデータを収集する必要があります。多くの場合、端に戻ります。

この古典的な入力、プロセス、および出力の方法論はよく理解されていますが、作成されるデータの量が膨大であり、グローバルな分散に固有の遅延があるため、IoT環境はデータ管理の課題になる可能性があります。

より大きなIoTデータ

ウェアラブルテクノロジーやスマートサーモスタットなどの消費者向けデバイスからのデータを集約する際の課題はよく理解されています。これらのタイプのデバイスの場合、データの量はデバイスの数が多いためであり、個々のデバイスが必ずしも多くのデータを作成するとは限りません。

ただし、1秒あたりメガバイトまたはギガバイトのデータを生成するIoTデバイスには新しい一連の課題があります。たとえば、ビデオ、オーディオ、および「光検出と測距」（LIDAR）のリアルタイム分析はすべて、着信ストリームが従来のデータストレージアーキテクチャを圧倒する可能性のある領域です。

確かに、これらのデータ量はデータを中央リポジトリに集約するために利用可能な帯域幅を圧倒する可能性があるため、インフラストラクチャを変更する必要があります。車両、医療機器、石油掘削装置は、消費者向けの機器よりもはるかに強力なアーキテクチャを必要とするデータソースの完璧な例です。そして、これらのIoTデータストリームが処理のために集中型クラウドに到達するにつれて、洞察を見つけて後続のアクションを生成するのに役立つ人工知能と機械学習がますます増えます。

ヘルスケアの例

ただし、IoTに関しては、ユースケースごとに異なるドライバーと要件があるため、抽象的に話すことは困難です。代わりに、関連する課題の種類の代用として、いくつかの具体的な例を見てみましょう。

心臓病などの慢性疾患の早期発見と治療は、命を救い、医療費を削減することができます。最大の問題の2つは、ケアの調整と慢性疾患を持つ人々の入院の防止です。いくつかの試験では、患者のバイタルサインを監視し、このデータをセルラーネットワークを介した心電図（ECG）読み取りとともに、クラウド内のアプリケーションへの定期的なストリームとして送信できる安価なセンサーを使用しています。

これらの診断および監視アプリケーションは、医療記録からの履歴データを考慮しながら、各患者のバイタルサインとECG測定値を分析します。システムへのデータの流れには、リアルタイムストリーム、履歴データ、患者データ、および他の患者からの大量の以前のスキャンを集約することによって作成されたベンチマークデータが含まれます。

この例では、IoTランドスケープ内の他の多くの例と同様に、臨床医は、イベントや状況を理解するために、データを収集し、集約し、デバイスの母集団全体にわたって学習するワークフローを必要とします。このシナリオでは、過剰な投薬や差し迫った心臓イベントの警告サインなどの異常を検出するには、それらのイベントに非常に迅速に対応できるように、エッジでより多くのインテリジェンスが必要になる場合があります。

研究者は、共通の要素を使用して、共通のデータファブリック内でストリームデータとバッチデータの両方を処理するプラットフォームを構築しました。これにより、すべてのデータを同じ方法で処理し、データへのアクセスを制御し、高性能でスケーラブルな方法でインテリジェンスを適用できます。 。

自動車の例

このデータファブリックアプローチは、他のIoTアプリケーションにもエクスポートされています。たとえば、Mojio — IoTコネクテッドカーは、自動車、保険、通信業界が共に繁栄できるエコシステムを構築することを目的としています。 Mojioは、最初のフェーズで500,000台の車両をクラウドプラットフォームに接続し、必要に応じてさまざまな種類の行動、診断、コンテキストデータへのアクセスを提供することを計画しています。

たとえば、Mojioのテレマティクスデバイスが速度、ステアリング、ブレーキ入力に関する情報を収集してドライバーの疲労レベルを判断し、アラートを発行する行動データ。長期的な運転行動データは、ユーザーがより燃費の良い運転スタイルを採用し、保険会社によるリスクを計算するのに役立ちます。

コンバージェンスとファブリック

どちらのシナリオでも、ヘルスケア研究者とコネクテッドカーエンジニアは、次世代アプリを構築するための新しい方法を検討しています。これらのプロジェクトの中心には、クラウドスケールのデータストアから強力なデータベース、統合された永続的なストリーミングなど、これまで不可能だったアプリケーションの設計、開発、導入を検討している企業開発者に新しい可能性を生み出す、いくつかの一般的なテクノロジーがあります。

これらの要素の組み合わせは、コンバージドデータプラットフォームと呼ばれることが多く、幅広いIoTユースケースで採用され始めています。これらのプラットフォームは、ハイパフォーマンスコンピューティングアプリ向けの高IOPS、低遅延のファイルファブリックの作成などの利点を提供します。もう1つの利点は、データファブリックがコピーを作成せずに、取り込み、保存、分析、処理、決定を同時に行えるリアルタイム分析シナリオにあります。

IoTデータがエッジからクラウドに移動し、また戻ってくると、組織は過去のモノリシックアーキテクチャを忘れ、革新的な新しいユースケースに必要な規模を実現するための出発点としてコンバージェンスを検討する必要があります。

このブログの作成者は、MapRのソリューションエンジニアリング責任者であるPinakinPatelです。

作者について

Pinakin Patelは、MapR のソリューションエンジニアリングの責任者です。 彼は、データの世界で25年以上の経験があり、組織がこの重要なビジネスリソースからどのように価値を引き出すかを示しています。