dans le big data la place du edge computing · 2019-03-25 · dans le big data damien roux customer...
TRANSCRIPT
La place du Edge Computing dans le Big Data
Damien RouxCustomer Engineer - Google Cloud
Salon Big Data - 12 mars 2019
on the Edge
https://www.flickr.com/photos/30478819@N08/35638773731
Un terme récentet complémentaire du Cloud
Google Trend sur “Edge Computing”
2009 2012 2015 2018
IoT 8,4 milliardsC'est le nombre d'objets connectés utilisés en 2017, soit une hausse de 31 % par rapport à 2016*
Nous n'avons jamais autant généré de données
L’adoption du Cloud
● Sécurité● Fiabilité● Service Managé● Ouvrant sur un éco-système homogène● Permettant l’Open Source● Capable de Big Data, de Deep Learning
D’ici 2025, 80% des entreprises auront fermé
leur data-center, contre 10% aujourd’hui.
Gartner
*IDG Cloud Insights survey, 2018 (N=550)**Cloudability, State of Cloud 2018 report based on actual spend data ***IDC Cloud and AI adoption survey, 2018 (N=400 IT decision makers)
73%
des entreprises utilisent le cloud*
90%
des workloads sont encore on-prem**
80%
Des entreprises ont rapatriés certaines
données/ applications on-prem***
Mais l’usage on-prem reste
Certaine même y sont retournées
Public cloud utilisé
Les faiblesses du Cloud ...
Où a lieu le compute ?
Critères de décision
dans le Cloud
près ou sur les devices
IoT @ Google
● Anomaly detection accuracy ~60%; requiring additional people to check each panel
● Low processing speed, and high cost● Required several senior engineers
Before: labor intense process, for anomaly detection Now: detection fully automated
● After one week of work, by one junior engineer● Detection accuracy 99.9%● 200 images per 0.8s● Yearly saving of $1 million per line● Shingyoon Hyun, CTO/ Senior VP LG CNS [Video]
Cloud ou pas CloudSmart Reply
April 1, 2009: April Fool’s Day joke
Nov 5, 2015: Launched Real Product
Feb 1, 2016: >10% of mobile replies
May, 2017: Smart Reply Gmail
Oct, 2018: Smart Compose
© 2017 Google Inc. All rights reserved.
Higher performance per watt in its category
Low power consumption
Empowers industrial and commercial use cases
Smaller Footprint
Rapid prototyping using Edge TPU Development Board
Fully Integrated in the Cloud IoT Edge offer
Amener le ML sur les DevicesHigh performance hardware accelerator for on-device ML
Edge TPU
Training
Cloud IoT Edge
Edge TPU / GPU
DataUpdate Config
& Deploy ML model
Control
Cloud Machine Learning
Cloud IoT Core
InsightsContainer OS
Edge Appliance
Cloud Datalab
BigQuery
Xeon-classCPU
Storage
Custom applicationCustom application
Custom applications
Data Transfer
Cloud Storage
Data
Industrial-class, rackable
Google Cloud IoT Edge
NFS
Données
Nouveau Modèle
Rendre les capteurs plus capables en ML
© 2017 Google Inc. All rights reserved.
Use cases for ML at the Edge
● Running Predictive maintenance model on the edge device for preventing unplanned downtime
● Improve product quality in discrete and batch processing by fast on-device real-time computer-vision for anomaly detection
● On-device spoken language understanding or voice recognition
● Support for stronger user data privacy paradigms (user data resides strictly on-device)
● Serving ‘offline’ use cases when the device isn't connected to the internet
On retrouve les forces du Cloud, mais étendues aux Devices
Tirer les bénéfices du Big Data en combinant Device & Cloud Industry 4.0
technologies
● Sécurité
Centralisée, et homogène
● Service Managé
console centralisée
Le linux du Cloud et du Edge Computing
● Open Source
Kubernetes, Istio, …
● Éco-système homogène
Toutes les forces du Cloud
Construire des applications pour tous les environnements
Cloud Service Platform
Merci