Microsoft heeft onlangs de integratie aangekondigd van Cisco Edge Intelligence met Azure IoT Hub om gebruikers te helpen IoT-gegevens veel sneller te benutten. Dit is uitstekend nieuws voor Azure-klanten die edge-computingsystemen bouwen om realtime-applicaties aan te sturen, zoals gebeurtenisgestuurde verwerking of gegevensfiltering.
Vooraf geïntegreerde Edge naar Azure IoT Hub
In een typische Azure IoT Hub-implementatie gebruiken organisaties Cisco IoT-netwerkapparaten met vooraf geladen op software gebaseerde intelligentie. Ze kunnen de geïntegreerde IoT-oplossing gebruiken om toepassingen te maken die telemetriegegevenspijplijnen leveren, zei Microsoft.
We hebben besloten om samen te werken om de beschikbaarheid van een geïntegreerde Azure IoT-oplossing te delen, die het nodige biedt software, hardware en cloudservices die bedrijven nodig hebben om snel IoT-initiatieven te lanceren en snel zaken te realiseren waarde.
Azure IoT-gebruikers kunnen al extraheren ruimtelijk inzicht met behulp van Azure Maps, waardoor ze de exacte locatie van bijgehouden activa kunnen krijgen, samen met andere telemetrische gegevens, zoals de status van belangrijke apparatuur. Nu kunnen ze geavanceerde analyses bouwen met applicaties die gebruikmaken van dergelijke IoT-gegevens bij of nabij de bron.
De Cisco Edge-Azure IoT Hub-oplossing kan verschillende services in Azure aansturen, waarvan er twee:
Realtime analyses
Een van de belangrijkste doelstellingen van Microsoft Azure Stream Analytics is om ondernemingen de mogelijkheid te bieden om zeer schaalbare en veelzijdige gegevenspijplijnen te ontwikkelen. Met behulp van de tool kunnen big data-analisten diepgaande inzichten verkrijgen in miljoenen gebeurtenissen met ongelooflijk lage latenties. Het is nu een stuk eenvoudiger om die doelen te bereiken met de integratie van Cisco's op intelligentie gebaseerde edge-computing-technologie in Azure.
Dus als u een Azure Stream Analytics-gebruiker bent, kunt u toepassingen ontwikkelen die gebruikmaken van Cisco Edge Intelligence om enorme hoeveelheden streaminggegevens te analyseren met vertragingen van minder dan een seconde.
In plaats van bedrijfskritische gegevens naar de cloud te sturen voordat ze worden verwerkt, kunt u er bij de bron informatie uit halen. Op deze manier vermijdt u latentieproblemen die de besluitvorming doorgaans vertragen.
Machine learning (ML)
Het implementeren van ML aan de rand is logisch in AI-toepassingen die bijna realtime gevolgtrekking vereisen. Een voorbeeld van zo'n use-case is voorspellende analyse van de gezondheid van activa.
De samenwerking tussen Microsoft en Cisco op het gebied van IoT-technologie komt op een moment dat netwerktechnologieën, zoals 5G, sneller worden en IoT-apparaten enorme hoeveelheden gegevens verzamelen. Gebruikers van Azure IoT Hub kunnen profiteren van de resulterende technische synergie om realtime big data te leveren aan toepassingen die dit nodig hebben.
