數(shù)據(jù)和洞察力對于任何公司來說都是寶貴的資產(chǎn)。如今，數(shù)據(jù)驅(qū)動的決策已經(jīng)滲透到我們生活中的方方面面。
傳統(tǒng)意義上，企業(yè)從不同的物聯(lián)網(wǎng)設(shè)備和傳感器收集數(shù)據(jù)，將其收集在數(shù)據(jù)湖或數(shù)據(jù)倉庫等中心位置點，并進(jìn)行分析以獲得洞察力。如果組織能夠取消數(shù)據(jù)集中/集成步驟并直接跳到分析階段，會怎樣？這種方法稱為“邊緣分析”，使組織能夠?qū)崿F(xiàn)：
▲自主機器行為
▲更高級別的數(shù)據(jù)安全性
▲降低數(shù)據(jù)傳輸成本
什么是邊緣分析？
邊緣分析是一種分析方法，在系統(tǒng)的非中心組件(如傳感器、開關(guān)和各種連網(wǎng)設(shè)備)上執(zhí)行分析。換句話說，洞察力是在靠近數(shù)據(jù)源更近的位置獲得的，而不是依賴于幾千公里之外的中心位置。
隨著物聯(lián)網(wǎng)技術(shù)的出現(xiàn)，組織要收集和分析的數(shù)據(jù)量越來越大。但是將數(shù)據(jù)傳輸?shù)街行奈恢?，并將洞察力來回傳輸?shù)竭吘壭枰獣r間。而邊緣分析是在網(wǎng)絡(luò)邊緣提供洞察力。
為什么現(xiàn)在很重要？
它支持更快的決策，尤其是在低帶寬情況下。鑒于企業(yè)越來越依賴自動化、數(shù)據(jù)驅(qū)動的決策，邊緣分析是科技巨頭的重要投資領(lǐng)域。
零售、能源、安全、制造和物流等行業(yè)可以從邊緣分析支持的快速決策中受益。例如，當(dāng)自動駕駛汽車在道路上遇到障礙物時，它需要在瞬間做出制動決定。在這種情況下，決策速度需要比任何云計算解決方案都要快。企業(yè)正在網(wǎng)絡(luò)邊緣部署傳感器和智能設(shè)備，以幫助更快地分析數(shù)據(jù)。
邊緣分析不僅僅用于在毫秒內(nèi)做出決策。如今，從各種設(shè)備和傳感器收集的數(shù)據(jù)量正在迅速增加。在服務(wù)器和邊緣設(shè)備之間帶寬有限的情況下，數(shù)據(jù)傳輸速度可能不足以滿足時間敏感型應(yīng)用。
邊緣分析是科技巨頭大量投資的領(lǐng)域：
▲2020年1月，蘋果收購了一家專注于邊緣的人工智能初創(chuàng)公司Xnor.AI。蘋果計劃在手機、物聯(lián)網(wǎng)設(shè)備、攝像頭、無人機和嵌入式CPU等邊緣設(shè)備上運行深度學(xué)習(xí)分析模型。
▲谷歌云和AWS都有專注于邊緣物聯(lián)網(wǎng)的產(chǎn)品。
它是如何工作的？
邊緣分析工具的工作流程一般遵循以下模式：
▲邊緣的傳感器或設(shè)備收集數(shù)據(jù)
▲設(shè)備內(nèi)的分析功能在邊緣執(zhí)行分析
▲如果設(shè)備需要采取行動，它會根據(jù)分析結(jié)果來采取行動
▲相關(guān)數(shù)據(jù)（不是所有數(shù)據(jù)）從邊緣傳輸?shù)皆贫?，因此企業(yè)可以通過聚合來自數(shù)千臺設(shè)備的匯總數(shù)據(jù)（在帶寬限制的情況下）來了解全局
邊緣分析與常規(guī)分析有何不同？
除了執(zhí)行分析的位置不同之外，邊緣分析具有與常規(guī)分析應(yīng)用相似的功能。一個主要區(qū)別是，邊緣分析應(yīng)用需要在內(nèi)存、處理能力或通信受限的邊緣設(shè)備上工作。這些應(yīng)用程序經(jīng)過優(yōu)化，可在這些限制條件下工作。
邊緣分析的優(yōu)勢是什么？
邊緣分析的優(yōu)勢包括：
▲更快、自主決策，因為洞察力是在數(shù)據(jù)源識別的，可減少延遲
▲由于集中存儲的數(shù)據(jù)較少，因此降低了集中數(shù)據(jù)的存儲和管理成本
▲由于向中央數(shù)據(jù)倉庫傳輸?shù)臄?shù)據(jù)較少，因此數(shù)據(jù)傳輸成本較低
▲更好的安全性/隱私性，因為精細(xì)化數(shù)據(jù)（例如視頻片段）不會被存儲或傳輸
邊緣分析用例
零售客戶行為分析：零售商可以利用來自一系列傳感器的數(shù)據(jù)，包括停車場傳感器、購物車標(biāo)簽和商店攝像頭。通過對從這些設(shè)備收集的數(shù)據(jù)進(jìn)行分析，零售商可以為顧客提供個性化的服務(wù)。
遠(yuǎn)程監(jiān)測與維護(hù)：能源、制造業(yè)等行業(yè)，當(dāng)任何機器出現(xiàn)故障或需要維護(hù)時，可能需要即時響應(yīng)。無需集中數(shù)據(jù)分析，組織可以更快地識別故障跡象并在系統(tǒng)內(nèi)出現(xiàn)任何瓶頸之前采取行動。
智能監(jiān)控：企業(yè)可以利用實時入侵檢測邊緣服務(wù)來提高安全性。通過使用來自安全攝像頭的原始圖像，邊緣分析可以檢測和跟蹤任何可疑活動。
要避免哪些陷阱？
我們觀察到，當(dāng)組織決定將資金投入邊緣分析時，需要避免兩個常見的陷阱。
安全：云環(huán)境在設(shè)計時考慮到了安全性，因為云上的漏洞對企業(yè)來說代價高昂。然而，邊緣安全也很重要，因為邊緣分析將決定設(shè)備的真實行為。惡意行為可能導(dǎo)致設(shè)備損壞、其他代價高昂的機器錯誤或至少錯誤信息。
維護(hù)：由于帶寬或存儲限制，一些邊緣分析系統(tǒng)僅與云共享其輸出。然后，企業(yè)沒有機會審查其原始輸入，這些原始輸入導(dǎo)致與云系統(tǒng)共享的分析。因此，他們需要確保使用最新的分析軟件來處理輸入，如果依賴過時的模型可能會導(dǎo)致企業(yè)基于錯誤信息做出決策。
有哪些邊緣分析工具？
一些邊緣分析工具包括：
▲AWS IoT GreenGrass
▲Cisco SmartAdvisor
▲Dell Statistica
▲HPE Edgeline
▲IBM Watson IoT Edge Analytics
▲Intel IoT Developer Kit
▲Microsoft Azure IoT Edge
▲Oracle Edge Analytics(OEA)
▲PTC ThingWorx Analytics
▲Streaming Lite by SAP HANA
（編譯iothome）
