Microsoft hat kürzlich die Integration von Cisco Edge Intelligence mit Azure IoT Hub angekündigt, damit Benutzer IoT-Daten viel schneller nutzen können. Dies sind hervorragende Neuigkeiten für Azure-Kunden, die Edge-Computing-Systeme entwickeln, um Echtzeitanwendungen wie ereignisgesteuerte Verarbeitung oder Datenfilterung zu betreiben.
Vorintegrierter Edge in Azure IoT Hub
In einer typischen Azure IoT Hub-Bereitstellung verwenden Unternehmen Cisco IoT-Netzwerkgeräte mit vorinstallierter softwarebasierter Intelligenz. Sie können die integrierte IoT-Lösung nutzen, um Anwendungen zu erstellen, die Telemetriedatenpipelines bereitstellen, sagte Microsoft.
Wir haben uns entschlossen, uns zusammenzuschließen, um die Verfügbarkeit einer integrierten Azure IoT-Lösung zu teilen, die die notwendigen Voraussetzungen bietet Software, Hardware und Cloud-Services, die Unternehmen benötigen, um schnell IoT-Initiativen zu starten und Geschäfte schnell zu realisieren Wert.
Bereits jetzt können Azure IoT-Benutzer extrahieren
räumliche Einblicke Mithilfe von Azure Maps können sie den genauen Standort der verfolgten Assets zusammen mit anderen telemetrischen Daten wie dem Status wichtiger Geräte abrufen. Jetzt können sie fortschrittliche Analysen mit Anwendungen erstellen, die solche IoT-Daten an oder nahe der Quelle nutzen.Die Cisco Edge-Azure IoT Hub-Lösung kann verschiedene Dienste in Azure unterstützen, darunter zwei:
Echtzeit-Analyse
Eines der Hauptziele von Microsoft Azure Stream Analytics besteht darin, Unternehmen die Möglichkeit zu geben, hochskalierbare und vielseitige Datenpipelines zu entwickeln. Mit dem Tool können Big-Data-Analysten tiefe Einblicke in Millionen von Ereignissen bei unglaublich niedrigen Latenzen gewinnen. Mit der Integration der intelligenzgesteuerten Edge-Computing-Technologie von Cisco in Azure ist es jetzt viel einfacher, diese Ziele zu erreichen.
Wenn Sie also ein Benutzer von Azure Stream Analytics sind, können Sie Anwendungen entwickeln, die Cisco Edge Intelligence nutzen, um große Mengen an Streaming-Daten mit Latenzen von unter einer Sekunde zu analysieren.
Anstatt geschäftskritische Daten vor der Verarbeitung an die Cloud zu senden, können Sie Informationen an der Quelle daraus extrahieren. Auf diese Weise vermeiden Sie Latenzprobleme, die normalerweise die Entscheidungsfindung blockieren.
Maschinelles Lernen (ML)
Die Implementierung von ML am Edge ist in KI-Anwendungen sinnvoll, die Inferenz nahezu in Echtzeit erfordern. Ein solcher Anwendungsfall ist die vorausschauende Analyse des Anlagenzustands.
Die Zusammenarbeit zwischen Microsoft und Cisco bei der IoT-Technologie kommt zu einer Zeit, in der Netzwerktechnologien wie 5G schneller werden und IoT-Geräte riesige Datenmengen sammeln. Benutzer von Azure IoT Hub können die resultierende technische Synergie nutzen, um Big Data in Echtzeit für Anwendungen bereitzustellen, die sie benötigen.
