Vad är Azure Stack Edge?
Med det offentliga molnets växande popularitet har det blivit allt vanligare att kunder laddar upp sina lokala data till Azure för analys i stor skala med hjälp av Azure Machine Learning. I många fall vill kunderna kunna förbearbeta sådana data lokalt. Den här förbearbetningen kan vara fördelaktig för att få omedelbar feedback baserat på en preliminär analys, begränsa mängden datauppladdning eller filtrera bort potentiellt känsliga data för att förhindra att den lämnar det interna nätverket. Contosos forskningsprogram som använder Machine Learning (ML) för att bearbeta och analysera kunddata och sedan ladda upp dem till Azure Storage för långsiktig arkivering är ett exempel på något av dessa scenarier. Du kan åtgärda ett sådant behov med hjälp av Azure Stack Edge. I den här lektionen får du lära dig vad Azure Stack Edge är, när du ska använda det och vilka dess fördelar är.
Vad är Azure Stack Edge?
Med Azure Stack Edge kan du utföra bearbetnings- och ML-baserad slutsatsdragning av lokala data och ladda upp dem till Azure med hjälp av en skräddarsydd, Microsoft-tillhandahållen apparat som finns på en lokal plats. Microsoft erbjuder sådana apparater på prenumerationsbasis och i flera olika formfaktorer, vilket underlättar en mängd olika distributionsscenarier. Inklusive miljöer som butiker, fältsjukhus, landsbygdskliniker, fabriksgolv och katastrofområden.
Azure Stack Edge stöder generiska virtualiserade och containerbaserade arbetsbelastningar men är optimerad för bearbetning och analys av data vid gränsen och överföring av resultat till molnet. Azure Stack Edge fokuserar på bearbetning, analys och överföring av data i stället för att implementera en mängd olika virtualiserade och containerbaserade belastningar. För att tillhandahålla dessa specialiserade funktioner erbjuder Azure Stack Edge apparater som är GPU-baserade (Graphical Processing Unit) eller Field Programmable Gate Array (FPGA)-baserade. Tillsammans med en VPU (Vision Processing Unit) möjliggör dessa apparater accelererad slutsatsdragning av artificiell intelligens och tillhandahåller funktionerna för nätverkslagringsgatewayen.
Kommentar
Enkelt uttryckt kan du betrakta Azure Stack Edge som en färdig, specialiserad apparat som du kan använda för att bearbeta och analysera data på gränsplatser och överföra dem till Azure.
Kommentar
Till skillnad från Azure Stack Hub och Azure Stack HCI är Azure Stack Edge-enheter tillgängliga direkt från Microsoft på prenumerationsbasis.
En Azure Stack Edge-implementering består av följande huvudkomponenter:
| Komponent | beskrivning |
|---|---|
| En fysisk Azure Stack Edge-apparat | En installation som kunderna placerar på sina lokala gränsplatser för att fungera som en nätverkslagringsgateway, som är tillgänglig via en lokal resurs. Apparaten erbjuder även GPU- eller FGPA-baserade beräkningsfunktioner som ger snabbare AI-slutsatsdragning för ML-modeller (Machine Learning). Den lokala beräkningen använder containrar i en hanterad Kubernetes-miljö för att bearbeta data. Dessa containrar kan distribueras och hanteras antingen via IoT Hub med hjälp av Azure IoT-systemet eller med Arc-aktiverat Kubernetes. I båda fallen finns integreringen från slutpunkt till slutpunkt. Med integreringen kan du skapa den lokala Kubernetes-miljön, komma åt GPU- eller VPU-accelerationen och ansluta till IoT Hub eller Arc-aktiverade Kubernetes. |
| En Azure Stack Edge-resurs som är tillgänglig via Azure-portalen | Med den här resursen kan du administrera och övervaka flera fysiska Azure Stack Edge-enheter. Inklusive hanteringen av deras lokala resurser som är värdar för de data som bearbetas och överförs till Azure Storage. Dessutom kan du med Azure Stack Edge-resursen konfigurera beräkningsrollen på Azure Stack Edge-installationen som hanterar databehandling. |
| Ett lokalt webbanvändargränssnitt (UI) i Azure Stack Edge | Det här användargränssnittet tillhandahåller en direktanslutning till enskilda Azure Stack Edge-enheter. Anslutningen underlättar inledande installation och stöd för hanteringsfunktioner. Till exempel starta om installationen eller granska och kopiera lokala loggar. |
Vanliga användningsfall för Azure Stack Edge
Azure Stack Edge kombinerar tre grupper med funktioner till samma fysiska installation. Representerar dess roll som en databehandlingsenhet, distributionsmål för accelererade AI-slutsatsdragningsmodeller och en datagateway. Dessa roller motsvarar de tre huvudsakliga användningsfallen för Azure Stack Edge:
| Användningsfall | beskrivning |
|---|---|
| Databehandling | Du kan använda Azure Stack Edge för att transformera data för att optimera dess efterföljande överföring, effektivisera efterföljande analys eller ta bort innehåll som anses känsligt ur säkerhets- eller sekretesssynpunkt. Det går att uppnå vissa eller alla av dessa mål genom dataaggregering, filtrering och avduplicering. Dessutom kan databehandling även innefatta analys och svar på IoT-händelser. |
| Slutsatsdragning med Azure Machine Learning-modeller | Du kan använda Azure Stack Edge för att köra ML-modeller innan du överför data till molnet. Du kanske fortfarande vill överväga att överföra hela datamängden för att träna om och optimera ML-modeller med hjälp av molnresurser. |
| Överföra lokala data till Azure | Du kan använda Azure Stack Edge för att underlätta kontinuerlig överföring av lokala data till Azure Storage för långsiktig kvarhållning eller vidare bearbetning och analys. |
Även om det går att implementera slutsatsdragning efter dataöverföring finns det flera fördelar med att växla beräkningsuppgifter till en Azure Stack Edge-apparat:
- Omedelbart svar på resultat som genereras av ML-modeller i Azure Stack Edge-apparaten, utan att du behöver vänta på dataöverföring till Azure.
- Minimerad mängd data som överförs till Azure-lagring, vilket resulterar i kostnads- och bandbreddsbesparingar.
- Automatisk kryptering av vilande data och data under överföring. Azure Stack Edge-apparaten krypterar lokalt lagrade data med BitLocker-överföring till Azure Storage via HTTPS.
Välj det bästa svaret för var och en av följande frågor och välj sedan Kontrollera dina svar.