1 Agenda 1. Microsoft Azure IoT Solution 2. Demon Stration 1

Size: px

Start display at page:

Download "1 Agenda 1. Microsoft Azure IoT Solution 2. Demon Stration 1"

せせらはぎにわ
3 years ago
Views:

1 1 Agenda 1. Microsoft IoT Solution 2. Demon Stration 1

2 上のサービスを簡単につなぎ IOT の成果を早く実現デバイス管理イベント処理ストレージビッグデータの度な分析ビジネス上の洞察プロセス連携センサー機器装置多くの端末のサポートと各端末 UI の最適化デバイス接続 / 管理ビッグデータストア度なビッグデータ分析情報の活用 Windows 10 IoT Event Hub IoT Hub Data Lake SQL Data Warehouse Document DB SQL Database SQL Server Storage Machine Learning HDInsight(Hadoop) Stream Analytics Revolution R Enterprise ダッシュボード / 可視化 Power BI パーソナルデジタルアシスタンス Cortana Machine Learning API 3 イベント生成 ( デバイス ) 受信データ処理 (Stream Processing) 格納可視化分析 Applications IoT Hub Stream Analytics レガシー IOT ( 独自プロトコル ) 各種デバイス Protocol gateway Event Hub Custom Application IP 通信デバイス (Windows/Linux) 低パワーデバイス (RTOS) Field gateways 4 2

3 IoT Hub は数百万の IoT デバイスとアプリケーションバックエンドの間に信頼性のある保護された双方向通信を確立できる完全に管理されたサービスを提供エンドポイントデバイス ID レジストリセキュリティメッセージングクォータとスロットル参照 : 上でのスケーラブルなイベントの受信送信数百万デバイスへの接続数百万イベント / 秒 GB/ 秒の受信能 AMQP /HTTP(S) のサポートデバイス単位にユニークなトークンベースセキュリティモデル GA 済み 6 3

上でのストリームデータ処理デバイス機械アプリケーションと接続した Event Hubs から数百万のリアルタイムイベントを取得処理するサービス出形式 : Event Hubs IOT Hub Blob Storage 出 :SQL Database Event Hubs Blob Storage Power BI サービス.

4 上でのストリームデータ処理デバイス機械アプリケーションと接続した Event Hubs から数百万のリアルタイムイベントを取得処理するサービス出形式 : Event Hubs IOT Hub Blob Storage 出 :SQL Database Event Hubs Blob Storage Power BI サービス.. etc 処理の中に Machine Lerning の予測モデルを組み込むことも可能 PCs/ Laptops POS Terminals Smart Phones Kiosks Slates/ Tablets Self Checkout Stations Point of Service Devices Automation Devices Servers Digital Signs Logic Controllers ATM Security Thin Clients Remote Medical Monitors Kinect Vending Machines Handhelds Specialized Devices Diagnostic Equipment 7 Stream Analytics ジョブ x N イベントハブ BLOB ストレージクエリ SELECT WHERE JOIN / UNION GROUP BY Windowing, 出 x N SQL データベース BLOB ストレージ TABLE ストレージイベントハブ Power BI 8 8 4

5 上でのクラウドオーケストレータークラウドもしくはオンプレミスにあるリレーショナル非リレーショナルデータへの接続オーケストレートコンピューティング ( データ移動や変換機械学習 Hadoop などの組み合わせ ) スケジューリング可能なデータビューとして Power BI ユーザーへパブリッシュスケジューリング管理デバッグを操作可能なワークフローライフサイクルマネジメントとモニタリング GA 済み (2015 年 8 月 ) 9 Microsoft Data Lake Analytics Service U-SQL YARN HDFS できること巨大なスループット ( 単位時間あたりの処理能力 ) を必要とする大規模な分析システムを実現ファイルサイズの容量制限なし ( ペタバイト級 ) 様々な分析のワークロード向けに設計エンタープライズグレードのセキュティコンプライアンス管理 Active Directory と連携したアクセス制御監査 / データ暗号化お客様のメリット Store 10 5

6 MPP スケールアウト型 Relational Data Warehouse 6000 DWU できることエンジンノードワーカーノード 100 DWU 1000 DWU の各種サービス群との I/F が用意されているので可視化分析作業も簡単ですお客様のメリット D 凡例 11 Tez,Hive, Hcatalog Pig,Mahout,Ambari Map Reduce Microsoft HDInsight YARN Storm Spark Sqoop Oozie Zoo Keeper HBase できること Hadoop クラスターを短時間で構築出来ますハードウェアソフトウェアの準備は不要です Hadoop HBase Storm Spark( プレビュー ) クラスターが構築出来ますデータノードは必要に応じ短時間で追加削除可能です BLOB をファイルシステムとして選択出来ます左図の Hadoop コンポーネントが使用可能です BLOB or HDFS or Data Lake Store お客様のメリット BLOB を使用する多くのアプリケーションとデータのやり取りが容易です構造化データに加えソーシャルメディアセンサー等から得られる半構造化非構造化データも処理可能です 12 6

7 13 機械学習とは機械学習とデータマイニングは交差する部分が大きく技法も同じなので混同されることが多いが次のように定義できる機械学習の目的は訓練データから学んだ既知の特徴に基づく予測であるデータマイニングの目的はそれまで未知だったデータの特徴を発見することである Wikipedia より引用セルフサービス BI (Power BI) 定型レポート (SSRS) マシンラーニング ( ML) 機械学習の利用例リコメンデーション同じ商品を買った人が買った別のアイテムをお勧め商品として提示同じ属性を持った人が買った商品をお勧め商品として提示分類メール本文タイトルの内容からスパムメールの分類 Web サイトの行動履歴から不正ユーザの検出異常検知センサー情報に基づく機械故障予測 NW アクセス情報から不正アクセスや攻撃を検知ユーザ属性の推定属性情報が完全に取れているお客様のデータから属性情報に欠損のあるお客様の属性情報を推定 14 7

8 PaaS型の機械学習プラットフォーム 15 8

Hortonworks Kitase

Hortonworks Kitase Data Platform エキスパートに聞くクラウドで実現するビッグデータ活本マイクロソフト株式会社本アイビーエム株式会社ホートンワークスジャパン株式会社佐藤直平毅北瀬公彦 Hortonworks 2 アジェンダメジャーなクラウドにおけるビッグデータアナリティクス関連サービスについて確認 Azure のビッグデータアナリティクス関連サービスについて IBM のビッグデータ