Rozwiązania sztucznej inteligencji na urządzeniach brzegowych w usłudze Azure Stack Hub — odłączone

Dzięki narzędziom Azure AI i platformie w chmurze kolejną generację aplikacji hybrydowych z włączoną obsługą AI można uruchomić w miejscu, w którym znajdują się dane.With the Azure AI tools and cloud platform, the next generation of AI-enabled hybrid applications can run where your data lives. Za pomocą Azure Stack Hub Przenieś do krawędzi przeszkolony model AI i Zintegruj go z aplikacjami w celu przeprowadzenia analizy o małym opóźnieniu, bez żadnych zmian narzędzi i procesów dla aplikacji lokalnych.With Azure Stack Hub, bring a trained AI model to the edge and integrate it with your applications for low-latency intelligence, with no tool or process changes for local applications. Za pomocą Azure Stack Hub możesz mieć pewność, że rozwiązania w chmurze działają nawet po rozłączeniu z Internetem.With Azure Stack Hub, you can ensure that your cloud solutions work even when disconnected from the internet.

ArchitekturaArchitecture

Pobiera plik SVG z tej architektury. Download an SVG of this architecture.

Przepływ danychData Flow

1. Naukowcy danych uczenie modelu przy użyciu Azure Machine Learning Studio (klasyczny) i klastra usługi HDInsight.Data scientists train a model using Azure Machine Learning Studio (classic) and an HDInsight cluster. Model jest kontenerem i umieszczany w Azure Container Registry.The model is containerized and put in to an Azure Container Registry.
2. Model jest wdrażany za pośrednictwem kroków nieprzedstawionych w diagramie do klastra Kubernetes w centrum Azure Stack.The model is deployed via steps not represented in the diagram to a Kubernetes cluster on Azure Stack Hub.
3. Użytkownicy końcowi dostarczają dane, które są oceniane względem modelu.End users provide data that is scored against the model.
4. Szczegółowe informacje i anomalie z oceny są umieszczane w magazynie do późniejszego przekazania.Insights and anomalies from scoring are placed into storage for later upload.
5. Globalne i zgodne usługi Insights są dostępne w aplikacji globalnej.Globally-relevant and compliant insights are available in the global app.
6. Dane z oceny brzegowej są używane do ulepszania modelu.Data from edge scoring is used to improve the model.

SkładnikiComponents

• HDInsight: Inicjowanie obsługi klastrów usługi Cloud Hadoop, Spark, R Server, HBase i burzyHDInsight: Provision cloud Hadoop, Spark, R Server, HBase, and Storm clusters
• Azure Machine Learning Studio (klasyczny): łatwo twórz i wdrażaj rozwiązania do analizy predykcyjnej oraz zarządzaj nimiAzure Machine Learning Studio (classic): Easily build, deploy, and manage predictive analytics solutions
• Virtual Machines: Udostępnianie maszyn wirtualnych z systemami Windows i Linux w ciągu kilku sekundVirtual Machines: Provision Windows and Linux virtual machines in seconds
• Usługa Azure Kubernetes Service (AKS): Uprość wdrażanie, zarządzanie i operacje KubernetesAzure Kubernetes Service (AKS): Simplify the deployment, management, and operations of Kubernetes
• Magazyn: trwały, wysoce dostępny i skalowalny magazyn w chmurzeStorage: Durable, highly available, and massively scalable cloud storage
• Azure Stack Hub: Kompiluj i uruchamiaj innowacyjne aplikacje hybrydowe w granicach chmuryAzure Stack Hub: Build and run innovative hybrid applications across cloud boundaries

Następne krokiNext steps

• Dokumentacja usługi HDInsightHDInsight documentation
• Dokumentacja usługi Azure Machine Learning Studio (klasycznej)Azure Machine Learning Studio (classic) documentation
• Dokumentacja usługi Virtual MachinesVirtual Machines documentation
• Dokumentacja usługi Azure Kubernetes Service (AKS)Azure Kubernetes Service (AKS) documentation
• Dokumentacja dotycząca magazynuStorage documentation
• Dokumentacja centrum Azure StackAzure Stack Hub documentation