Использование ИИ на пограничных устройствах с помощью Azure Stack Hub

Реестр контейнеров
HDInsight
Служба Kubernetes
Машинное обучение
Azure Stack Hub
Служба хранилища

Концепция решения Solution Idea

Если вы хотите ознакомиться с этой статьей, дополнительные сведения, сведения о реализации, рекомендации по ценам или примеры кода, сообщите нам о них.If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

С помощью средств Azure искусственного интеллекта и облачной платформы можно запустить следующее поколение гибридных приложений с поддержкой искусственного интеллекта, где находятся ваши данные.With the Azure AI tools and cloud platform, the next generation of AI-enabled hybrid applications can run where your data lives. Используя центр Azure Stack, выведите обученную модель AI в сторону и интегрируйте ее с вашими приложениями для анализа с низкой задержкой без каких-либо средств или процессов для локальных приложений.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.

ArchitectureArchitecture

Схема архитектуры . Скачайте SVG этой архитектуры.Architecture diagram Download an SVG of this architecture.

Поток данныхData Flow

  1. Специалисты по обработке и анализу данных обучить модель с помощью Машинное обучение Azure Workbench и кластера HDInsight.Data scientists train a model using Azure Machine Learning workbench and an HDInsight cluster. Модель является контейнерной и помещается в реестр контейнеров Azure.The model is containerized and put into an Azure Container Registry.
  2. Модель развертывается в кластере Kubernetes в центре Azure Stack.The model is deployed to a Kubernetes cluster on Azure Stack Hub.
  3. Конечные пользователи предоставляют данные, которые оцениваются по модели.End users provide data that's scored against the model.
  4. Аналитические сведения и аномалии из оценки помещаются в очередь.Insights and anomalies from scoring are placed into a queue.
  5. Функция отправляет соответствующие данные и аномалии в службу хранилища Azure.A function sends compliant data and anomalies to Azure Storage.
  6. Глобально релевантные и соответствующие требованиям сведения доступны в глобальном приложении.Globally relevant and compliant insights are available in the global app.
  7. Данные из оценки ребра используются для улучшения модели.Data from edge scoring is used to improve the model.

ComponentsComponents

  • Машинное обучение Azure: создание, развертывание и управление решениями прогнозной аналитикиAzure Machine Learning: Build, deploy, and manage predictive analytics solutions
  • HDInsight: подготавливает облачные кластеры Hadoop, Spark, R Server, HBase и кластераHDInsight: Provision cloud Hadoop, Spark, R Server, HBase, and Storm clusters
  • Реестр контейнеров: хранение образов контейнеров и управление ими во всех типах развертываний AzureContainer Registry: Store and manage container images across all types of Azure deployments
  • Служба Kubernetes Azure (AKS): Упростите развертывание, управление и эксплуатацию KubernetesAzure Kubernetes Service (AKS): Simplify the deployment, management, and operations of Kubernetes
  • Хранилище: устойчивое, высокодоступное и массово масштабируемое облачное хранилищеStorage: Durable, highly available, and massively scalable cloud storage
  • Центр Azure Stack: создание и запуск инновационных гибридных приложений в пределах облакаAzure Stack Hub: Build and run innovative hybrid applications across cloud boundaries

Дальнейшие действияNext steps