Comments
Description
Transcript
IoTに求められるIT基盤: OSSを利用したリアルタイム・ ビッグデータ
IoTに求められるIT基盤: OSSを利用したリアルタイム・ ビッグデータ・ソリューション レッドハット株式会社 サービス事業統括本部 ソリューション・アーキテクト部 部長 三木 雄平 ご案内 本資料は、当日使用する講演資料からの一部抜粋となります。 ご了承賜りますようお願い致します。 Red Hat IoT研究所について • IoTに関する成功パターン(M2MやLBSを含む)および、ベス トプラクティスをより多くの方々に知ってもらうために立ち 上げたレッドハット内のVirtual Team • セミナーやWeb記事、コラム等を通してメッセージアウト • Open EYE ONLINE:レッドハット IoT研究所 http://jp-redhat.com/openeye_online/column/iot-lab/ Agenda • IoT市場とターゲット • IoTを実現するためのテクノロジアーキテクチャ • レッドハットのIoTソリューション戦略 • テクノロジースタック • 3つのアドバンテージ IoT:モノのインターネットについて • 先進性はInternetではなく、Things(モノ)の本質が大きく変化する点 • 「モノ」がインターネットに繋がることで「モノ」単体では考 えられなかった全く新しい価値が創造 ITを起点とする競争の3rdインパクト 1st Impact (1970年代〜～80年代): 業務処理のIT化 2ndImpact (1990年代〜～00年代): インターネットの導入 3rd Impact (2010年代〜～): IoT インダストリー 4.0/第4次産業革命 1st:18世紀:蒸気機関 2nd:20世紀初頭:電気エネルギー 3rd:20世紀後半:コンピュータによる自動化 4th:2015年〜～ :IoT産業革命 IoTサービス:4つのセグメント How Smart, Connected Products Are Transforming Competition より抜粋 by Michael E. Porter and James E. Heppelmann FROM THE NOVEMBER 2014 ISSUE / Harvard Business Review • モニタリング • • センサー等を利用して、製品の状態、稼働状況、外部環境のデータを取得 取得したデータは該当製品および製品利用の実態等の分析に利用 • 例:「製品から送られてくる利用ログを保存」etc • 制御 • • クラウド上のアルゴリズムや遠隔コマンドによって製品を制御 状況や環境が指定した条件、閾値に到達した場合、それに対応するアクションを実施 • 例:「圧力が高くなりすぎたらバルブを閉鎖」etc • 最適化 • 製品のモニタリングと制御を組み合わせ、製品性能の最適化を実施 • 例: 「風力発電で現在と過去のデータから、最適な風車の角度を調整し稼働率をあげる」 • 自律性 • モニタリング、制御、最適化の各機能が結びつくことで高い自律性を実現 最適化 制御 モニタリング 自律性 IoT市場 • サービスのセグメントと提供されるIoTのサービスによって 必要とされる要素は異なる • ITC企業が狙うべき領域は？ 自律性 最適化 制御 モニタリング • スマートシティ • 交通制御 • アミューズメントプレイス • スマートマンション • スマート農業 • スマートホーム • 家電 • ロケーションサービス • 健康・医療療 • シェアリング • • スフポーツ⽤用品 ィットネス器具 • 駐⾞車車場 • 美容サポート器具 少ない • 機器メンテナンス • 装置・設備保全 • 製造管理 • 機械稼働管理理 • コネクテッドカー トランザクション量 多い Agenda • IoT市場とターゲット • IoTを実現するためのテクノロジアーキテクチャ • レッドハットのIoTソリューション戦略 • テクノロジースタック • 3つのアドバンテージ レッドハットの IoTソリューションと戦略 集積データをデータベースや ビッグデータストレージに格納 ビジネスルールマッチング 知的アクション 関連付けられたアクションに沿っ て知的アクションを実行 情報処理 必要ないデータのフィルタリング と必要なデータの組み合わせ 収集したローレベル データを投入 新しい発見から知的 アクションを更新 ナレッジ 新しい発見を最適化し、情報処理方法 を更新 データ収集 センサー、コントロール装置、 モバイルなどからデータを収集 集積データを分析し、新し い発見を構築、蓄積 IoTテクノロジースタック クライアント クラウド フロント バックエンド リアルタイム処理 業務 システム 製品のアプリケーション IoT デバイス モバイル 端末 分析(逐次)処理 Web Server Message Broker HTTP MQTT etc.. Enterprise Service Bus MBaaS 連携 システム OS Application BI Tool ルール解析エンジン Business Rule Engine アプリケーション実行基盤 Application Server データ・分散実行基盤 Data Grid Hadoop OS / Cloud Platform 外部 サービス レッドハット製品で構築するIoTスタック クライアント クラウド Red Hat OpenShift フロント バックエンド リアルタイム処理 IoT デバイス モバイル 端末 連携 システム HTTP MQTT etc.. Web Server as Apache HTTPd 製品のアプリケーション Message Broker as JBoss A-‐‑‒MQ ルール解析エンジン ESB as JBoss Fuse MBaaS as Red Hat Mobile Platform Red Hat OpenStack +Ceph Application 分析(逐次)処理 BI Tool 業務 システム JBoss BRMS アプリケーション実行基盤 JBoss EAP データ・分散実行基盤 JBoss Data Grid Hadoop Red Hat OpenStack + Ceph 外部 サービス レッドハットIoTスタックの特徴 ① ポータビリティ • • • いつでもクラウドから出られるシステム クラウドファーストで進むIoTで見落としがち 技術: Dockerとその管理技術(OpenShift) ② リアルタイム処理 • • • 制御と最適化を実現するリアルタイム分析実行基盤を用意 コンピュータによる「リアルタイム分析/処理」環境と、人による「長期的な分析/処理」環境 の両方を実現 技術: JBoss BRMSとJBoss Data Grid利用したCEP ③ フレキシビリティ • • オープン・イノベーションの実現 • 組み合わせられる技術スタック ビジネスの変化についていける柔軟な仕組み • 分析結果を即時反映できる仕組み • 技術: JBoss BRMS ① ポータビリティ • 長期的なスパンを考慮したポータビリティはもちろん、最適 なシステム構築の試行錯誤でも大きなアドバンテージになる Low-‐‑‒mid Transaction クラウド 工場 バックエンド フロント アプリケーション Docker Image JBoss A-‐‑‒MQ センサー センサー センサー Docker Image HDFS JBoss EAP インターネット Hi Transaction クラウド 工場 Docker JBoss A-‐‑‒MQ バックエンド フロント アプリケーション Docker Docker JBoss EAP JBoss A-‐‑‒MQ インターネット アプリケーション Docker Image JBoss EAP HDFS Docker と OpenShiftの活用 各スタックをコンテナイメージ化することで高いポータビリティを実現 • Docker • コンテナ型の仮想化を実現する、ファイルシステムによるLinuxコンテナの管理技術 • Red Hat Enterprise Linuxをはじめ、様々なLinuxディストリビューションおよび クラウドプロバイダがサポート • OpenShift Enterprise 3 • PaaSの領域を超え、Dockerアプリケーションのためのシステム基盤に変貌 • Kubernetes を利用して Dockerコンテナイメージを管理するための様々な機能を提供 • 複数のマシンを束ねてリソースを有効活用 OpenShift v3 Docker OS Docker OS Docker OS コンテナ イメージ ② リアルタイム処理 • リアルタイム処理と(人による)分析処理を実現する2つの基盤が必要 • ルールエンジンを利用することで挙動を柔軟に変更できる • リアルタイム処理基盤 • • • コンピュータ、機械学習ベースの分析とリアルタイムなアクション 直近の情報をインメモリで保持 • 例:エラーが3回連続で送付された場合、 管理者にアラートをあげる etc.. 要素技術 バックエンド • インメモリ分散処理 リアルタイム処理 分析(逐次)処理 • Complex Event Processiong 製品のアプリケーション • 分析処理基盤 • 人による分析と、より包括的で長期間の アクション • 長い期間の情報を永続的に保持 • 例:過去1年分の利用履歴から最適なマーケ ティングアクションを導き出す • 要素技術 Hadoopに代表される分散処理 分析ツール Application BI Tool ルール解析エンジン JBoss BRMS アプリケーション実行基盤 JBoss EAP データ・分散実行基盤 JBoss Data Grid Hadoop ③. フレキシビリティ • 今後、より製品側の最適化と自律性が進んでいくことが予想される • 製品がもたらすデータを元に製品クラウドで解析された結果を、製品に 反映し、性能、稼働率等の向上を実現 ユーザや市場のニーズに合わせて、出荷時とは異なる動きを実現 個別ユーザの利用用途にあわせてパーソナル化 • • • ルールエンジンを製品にも組み込む • 製品の制御をルールエンジンで構築し、より変更に強い製品にする • 市場のニーズにあわせて新たに作成されたビジネスルールを製品クラ ウド側から製品にプッシュ • 分析結果(分析モデル)を自動反映できる仕組みを実現することも可能 最適化アーキテクチャ • • 蓄積された製品情報を分析ツールを利用して分析。分析モデルを作成 分析モデルからビジネスルールに自動変換 • • PMML to ビジネスルール このソリューションは既にレッドハットで保持。ユーザ事例もあり • 自動変換されたビジネスルールを製品にプッシュ • 製品に組み込まれたJBoss BRMSがプッシュされたビジネスルールを読み込み、分析結果を製品に反映 • ビジネスルールの更新により製品を進化させる ④ ⑤ 製品 製品S/W JBoss BRMS クラウド ③ ② DRL 分析(逐次)処理理基盤 ① 変換 ツール XML CSV PMML 製品H/W 分析ツール (SPSS/SAS/R等) Hadoop レッドハットの IoTソリューションと戦略 集積データをデータベースや ビッグデータストレージに格納 ビジネスルールマッチング 知的アクション 関連付けられたアクションに沿っ て知的アクションを実行 情報処理 必要ないデータのフィルタリング と必要なデータの組み合わせ 収集したローレベル データを投入 新しい発見から知的 アクションを更新 ナレッジ 新しい発見を最適化し、情報処理方法 を更新 データ収集 センサー、コントロール装置、 モバイルなどからデータを収集 集積データを分析し、新し い発見を構築、蓄積 新しい発見からさらに効果的な データ収集方法を更新 最後に IoTに関する最新情報を発信 レッドハット IoT研究所 http://jp-redhat.com/openeye_online/column/iot-lab/