Come funziona IoT Edge
Azure IoT Edge include tre componenti:
I moduli IoT Edge sono unità di esecuzione implementate come contenitori compatibili con Docker. I moduli IoT Edge possono eseguire logica di business nell'ambiente perimetrale. I moduli IoT Edge possono eseguire servizi di Azure, servizi di terze parti o codice personalizzato. Vengono distribuiti nei dispositivi IoT Edge ed eseguiti in locale in tali dispositivi. È possibile configurare i moduli per comunicare tra di loro, creando una pipeline di elaborazione dati. Se necessario, i moduli possono essere eseguiti offline.
Il runtime IoT Edge viene eseguito in ogni dispositivo IoT Edge e gestisce il runtime e la comunicazione per i moduli distribuiti in ogni dispositivo. Il runtime IoT Edge garantisce che i moduli siano sempre in esecuzione e segnala lo stato di integrità dei moduli nel cloud.
Il runtime esegue diverse funzioni, tra cui:
- Installazione e aggiornamento dei carichi di lavoro.
- Gestione degli standard di sicurezza di IoT Edge.
- Gestione della comunicazione tra i dispositivi foglia downstream e il dispositivo IoT Edge.
- Gestione della comunicazione tra i moduli di un dispositivo IoT Edge e delle comunicazioni tra un dispositivo IoT Edge e il cloud.
L'interfaccia cloud IoT Edge consente di monitorare e gestire in remoto i dispositivi IoT Edge. Se la soluzione esegue un set eterogeneo di dispositivi su larga scala, è possibile creare e configurare un carico di lavoro da eseguire in un tipo specifico di dispositivo. È quindi necessario distribuire il carico di lavoro in un set di dispositivi di tale tipo. Quando i dispositivi sono in esecuzione, è necessario monitorare i carichi di lavoro in modo centralizzato. L'interfaccia cloud IoT Edge consente di gestire il ciclo di vita globale su larga scala per un set eterogeneo di dispositivi, che possono trovarsi in aree geografiche diverse.
Gestire il ciclo di vita del software per milioni di dispositivi IoT, spesso con marche e modelli diversi e situati in posizioni differenti, è un'operazione complessa. I carichi di lavoro vengono creati e configurati per un particolare tipo di dispositivo, distribuiti in tutti i dispositivi e monitorati per individuare eventuali dispositivi che non funzionano correttamente. Queste attività non possono essere eseguite per ogni singolo dispositivo, ma devono essere eseguite su vasta scala.
Si consideri la possibilità di distribuire funzionalità di elaborazione di eventi complessi o Machine Learning nei dispositivi perimetrali. Per implementare le funzionalità di Machine Learning nei dispositivi perimetrali, è necessario prima di tutto eseguire il training del modello nel cloud. Dopo aver eseguito il training del modello, è necessario distribuire il modello sottoposto a training in una gamma di dispositivi perimetrali diversi spesso in aree geografiche differenti. Una volta distribuiti, questi modelli verranno eseguiti spesso offline nel dispositivo. Sarà inoltre necessario aggiornare periodicamente il modello. Incapsulando i modelli in contenitori compatibili con Docker, IoT Edge consente di gestire il ciclo di distribuzione end-to-end per Machine Learning in IoT. Il runtime e l'interfaccia cloud IoT Edge permettono di monitorare lo stato dei moduli di Machine Learning.
In assenza di IoT Edge, lo sviluppatore dovrebbe creare funzionalità aggiuntive di gestione del modulo.
