メタデータ駆動型データ・インサイトでIoTパフォーマンスを向上

IoTデータがエンタープライズ・ビジネス運営のより重要な部分になるにつれ、データ分析と処理のレイテンシを削減する能力が差を生みます。リアルタイムの約束を新たなレベルに引き上げます。

IoTネットワークには大量のデータが移動しています。物質的に重要なデータを特定し、位置を特定することが物事を遅くするポイントに達しています。メタデータ（データについてのデータ）は、特にインデックス作成と非構造化データの特定において、データ王国への鍵です。データがエンタープライズ機能を圧倒するように、メタデータはさらに物事を遅くする可能性があります。

最近のIEEEエッジ・コンピューティング会議で提示された新しい提案は、多くのアプリケーション・ドメインでテラバイト単位のメタデータが割り当てられている問題、いわゆる「効率的でスケーラブルなメタデータ」に取り組む方法を提示します。これは、エッジ以前のバッチ時代には必要とさえされなかった用語です。

研究者であるイリノイ大学のBing Zhangとバッファロー大学のTevfik Kosarは、IoTネットワーク上でメタデータをより速く、より効率的に移動させるソリューションを提案しました。また、ネットワーク全体でメタデータ・アクセスをキャッシュし、予測する方法も考案しました。これはデータ・アクセスと移動のレイテンシを潜在的に削減できます。「実際の監査トレースから約2,000万メタデータ・アクセス操作を再現し、我々のシステムはプリフェッチ予測で80%の精度を達成し、平均フェッチ・レイテンシを最先端メカニズムと比較して50%削減しました。」

関連記事： デロイト・レポートがデータ・モダナイゼーション課題の範囲を詳細に

すでに、「すべてのI/O操作の50%以上がメタデータ集約型コンピューティングとファイル属性読み取りリクエストがすべてのワークロードで支配的である」とZhangとKosarは述べています。彼らは、より積極的なプリフェッチ・ルーチン（ストレージから一時メモリにデータを移動し、将来のユーザー・リクエストを予測）が、実際のデータよりもメタデータでより良く機能すると述べています。

著者らは、Yahoo! WebscopeデータセットのYahoo Hadoopグリッド・トレース・ログを使用して、2010年のHadoopネーム・ノードの連続的な日次メタデータ操作で構成されるこのようなアーキテクチャをテストしました。システムは「メタデータ操作で80%の予測率を達成し、平均フェッチ・レイテンシを他の最先端メカニズムと比較して50%削減した」と報告しています。「これはIoTネットワークにフレンドリーで、制限されたコンピューティングとストレージ能力を持つIoTデバイスが、近接エッジ/フォグ・コンピュート・ノードと同じ平均フェッチ・レイテンシを達成できることを意味します。」

イノベーションを推進する：プロセス、マスタ・データ、デジタル変革 - パートII Ascendがツールをプレビュー：データ・パイプライン管理を効率化し、より速く信頼性の高いインサイトを実現

モノのインターネットテクノロジー