用邊緣計算管理物聯(lián)網數(shù)據(jù),企業(yè)不可不知

ZAKER網
邊緣計算結構意味著需要解析物聯(lián)網數(shù)據(jù),不僅僅是通過家庭云的內容以及B2B合作伙伴的云平臺,而是通過實時流程和更傳統(tǒng)流程需要的數(shù)據(jù)。根據(jù)定義,需要立即將瞬時數(shù)據(jù)過濾到這些進程中。批處理數(shù)據(jù)可以存儲在臨時存儲設備,并在空閑時傳送到云端。
 
  為了充分利用邊緣計算數(shù)據(jù),IT專業(yè)人員必須知道如何使用機器學習算法將數(shù)據(jù)指定為實時或傳統(tǒng)的云計算流程。
 
  物聯(lián)網的覆蓋范圍可以將組織的業(yè)務向外擴展到全世界,邊緣計算將與其一起擴展。企業(yè)必須了解如何使用邊緣計算進行物聯(lián)網數(shù)據(jù)管理,以跟上數(shù)據(jù)指數(shù)級增長,并增強邊緣計算數(shù)據(jù)安全性。
 
  與云計算的增長相比,邊緣計算擴展速度更快,范圍更廣。根據(jù)調研機構Gartner公司的調查,到明年年底,全球部署的物聯(lián)網設備將達到近400億臺,因此采用物聯(lián)網設備的組織必須建立邊緣計算處理資源。安全性可能是最大的問題,因為物聯(lián)網具有較大的攻擊面,這為黑客提供了一個大好時機,物聯(lián)網網絡需要邊緣計算網關來鎖定設備輸出。但邊緣計算的作用包括更多,以滿足對物聯(lián)網快速增長的期望。
 
  保護、共享、清洗物聯(lián)網數(shù)據(jù)
 
  邊緣計算服務器的很大一部分負擔是在物聯(lián)網和設備所輸入的云平臺之間的管道中堵塞漏洞。在例如流量管理和供應鏈運營等大規(guī)模場景中,邊緣計算處理可以涉及將物聯(lián)網數(shù)據(jù)動態(tài)路由到多個云平臺,其中包括共享數(shù)據(jù)的伙伴組織的云平臺。
 
  物聯(lián)網數(shù)據(jù)也必須具有更多的價值。物聯(lián)網設備在其功能的任何領域都不符合通用標準,包括安全性、協(xié)議和容錯性。物聯(lián)網硬件的使用年限可以延長到20年,這會增加很多數(shù)據(jù)干擾。邊緣計算服務器也很難處理數(shù)據(jù)干擾。
 
  實時響應和決策支持會導致更大的問題
 
  安全和數(shù)據(jù)路由是主要挑戰(zhàn),但物聯(lián)網數(shù)據(jù)管理現(xiàn)在面臨更大的挑戰(zhàn):物聯(lián)網網絡需要立即響應或實時決策支持,例如在工廠中斷或交通系統(tǒng)中遇到障礙時。
 
  在這種越來越常規(guī)的場景中,沒有時間往返于云計算來處理數(shù)據(jù)、分析問題并返回結果。物聯(lián)網技術必須在幾秒鐘內收到響應,而不是幾小時或幾分鐘。
 
  這兩種情況都需要動態(tài)響應。這項技術需要補償和響應物理環(huán)境中的某些變化,如溫度突然變化或設備出現(xiàn)故障警告,或者根據(jù)意外中斷(如涉及貨運的交通事故)改變復雜的工作流程。觸發(fā)響應的事件可能需要采取行動,干預的閾值本身可能是動態(tài)的。這是人工智能發(fā)揮作用的地方。
 
  當沒有時間或沒有機會讓工作人員參與時,人工智能算法是處理需要動態(tài)響應的場景的最佳方法。物聯(lián)網本身必須是一個智能系統(tǒng),能夠即時做出決策,它需要真正工作和生活在邊緣。
 
  邊緣計算結構意味著需要解析物聯(lián)網數(shù)據(jù),不僅僅是通過家庭云的內容以及B2B合作伙伴的云平臺,而是通過實時流程和更傳統(tǒng)流程需要的數(shù)據(jù)。根據(jù)定義,需要立即將瞬時數(shù)據(jù)過濾到這些進程中。批處理數(shù)據(jù)可以存儲在臨時存儲設備,并在空閑時傳送到云端。
 
  在邊緣變得更好
 
  最佳實踐包括兩項關鍵創(chuàng)新。物聯(lián)網數(shù)據(jù)管理任務(包括管理數(shù)據(jù)傳輸)應該在邊緣計算而不是云端進行。物聯(lián)網通常包含附加到現(xiàn)有集中式技術的新架構,因此采用自上而下的方法來管理邊緣計算收集的新數(shù)據(jù)是很誘人的。云計算系統(tǒng)不再是集中式端點,它們是眾多目標中的一個。物聯(lián)網技術在邊緣計算執(zhí)行大量閉環(huán)過程。從收集它的服務器管理數(shù)據(jù)更有意義,特別是當它的路由和應用程序都是動態(tài)的時候。
 
  在企業(yè)軟件行業(yè)開發(fā)交鑰匙技術之前,最經濟有效的數(shù)據(jù)管理方式是通過定制管道和微服務,這些管道和微服務可以在分散的流程中輕松維護和擴展。為數(shù)據(jù)流量分析創(chuàng)建儀表板非常簡單,Python是實現(xiàn)的一個絕佳選擇。
 
  把模型和機器學習放在云端。如果特定物聯(lián)網實現(xiàn)的目標是物理環(huán)境中的實時響應或實時決策支持,最好的方法是將分析和人工智能與物聯(lián)網技術分離。讓模型和機器學習過程保持在云端。隨著模型的變化,用于生成物聯(lián)網分析的算法將依次更新。這需要一些額外的工作,但比在邊緣計算部署機器學習要少得多,因為在邊緣計算部署機器學習將更難維護。
 
  如今,尚未推出相關的行業(yè)標準,但由于安全性是大多數(shù)組織在邊緣計算服務器部署中面臨的直接問題,因此通常是維護IT基礎設施的人員。他們應該參與任何情況,但對物聯(lián)網數(shù)據(jù)管理和邊緣計算流程的支持需要包括數(shù)據(jù)架構師和企業(yè)解決方案架構師。如果沒有非常有效的數(shù)據(jù)建模和針對其進行優(yōu)化的強大工作流程,則無法進行路由和實時處理。
THEEND

最新評論(評論僅代表用戶觀點)

更多
暫無評論