企業(yè)怎樣使用邊緣計算進(jìn)行物聯(lián)網(wǎng)數據管理

　　為了充分利用邊緣計算數據，IT專(zhuān)業(yè)人員必須知道如何使用機器學(xué)習算法將數據指定為實(shí)時(shí)或傳統的云計算流程。

　　物聯(lián)網(wǎng)的覆蓋范圍可以將組織的業(yè)務(wù)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(jìn)行物聯(lián)網(wǎng)數據管理，以跟上數據指數級增長(cháng)，并增強邊緣計算數據安全性。

　　與云計算的增長(cháng)相比，邊緣計算擴展速度更快，范圍更廣。根據調研機構Gartner公司的調查，到明年年底，全球部署的物聯(lián)網(wǎng)設備將達到近400億臺，因此采用物聯(lián)網(wǎng)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(wèn)題，因為物聯(lián)網(wǎng)具有較大的攻擊面，這為黑客提供了一個(gè)大好時(shí)機，物聯(lián)網(wǎng)網(wǎng)絡(luò )需要邊緣計算網(wǎng)關(guān)來(lái)鎖定設備輸出。但邊緣計算的作用包括更多，以滿(mǎn)足對物聯(lián)網(wǎng)快速增長(cháng)的期望。
 

　　保護、共享、清洗物聯(lián)網(wǎng)數據

　　邊緣計算服務(wù)器的很大一部分負擔是在物聯(lián)網(wǎng)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(yíng)等大規模場(chǎng)景中，邊緣計算處理可以涉及將物聯(lián)網(wǎng)數據動(dòng)態(tài)路由到多個(gè)云平臺，其中包括共享數據的伙伴組織的云平臺。

　　物聯(lián)網(wǎng)數據也必須具有更多的價(jià)值。物聯(lián)網(wǎng)設備在其功能的任何領(lǐng)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(wǎng)硬件的使用年限可以延長(cháng)到20年，這會(huì )增加很多數據干擾。邊緣計算服務(wù)器也很難處理數據干擾。

　　實(shí)時(shí)響應和決策支持會(huì )導致更大的問(wèn)題

　　安全和數據路由是主要挑戰，但物聯(lián)網(wǎng)數據管理現在面臨更大的挑戰：物聯(lián)網(wǎng)網(wǎng)絡(luò )需要立即響應或實(shí)時(shí)決策支持，例如在工廠(chǎng)中斷或交通系統中遇到障礙時(shí)。

　　在這種越來(lái)越常規的場(chǎng)景中，沒(méi)有時(shí)間往返于云計算來(lái)處理數據、分析問(wèn)題并返回結果。物聯(lián)網(wǎng)技術(shù)必須在幾秒鐘內收到響應，而不是幾小時(shí)或幾分鐘。

　　這兩種情況都需要動(dòng)態(tài)響應。這項技術(shù)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故障警告，或者根據意外中斷(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(dòng)，干預的閾值本身可能是動(dòng)態(tài)的。這是人工智能發(fā)揮作用的地方。
 

　　當沒(méi)有時(shí)間或沒(méi)有機會(huì )讓工作人員參與時(shí)，人工智能算法是處理需要動(dòng)態(tài)響應的場(chǎng)景的最佳方法。物聯(lián)網(wǎng)本身必須是一個(gè)智能系統，能夠即時(shí)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(zhù)需要解析物聯(lián)網(wǎng)數據，不僅僅是通過(guò)家庭云的內容以及B2B合作伙伴的云平臺，而是通過(guò)實(shí)時(shí)流程和更傳統流程需要的數據。根據定義，需要立即將瞬時(shí)數據過(guò)濾到這些進(jìn)程中。批處理數據可以存儲在臨時(shí)存儲設備，并在空閑時(shí)傳送到云端。

　　在邊緣變得更好

　　最佳實(shí)踐包括兩項關(guān)鍵創(chuàng )新。物聯(lián)網(wǎng)數據管理任務(wù)(包括管理數據傳輸)應該在邊緣計算而不是云端進(jìn)行。物聯(lián)網(wǎng)通常包含附加到現有集中式技術(shù)的新架構，因此采用自上而下的方法來(lái)管理邊緣計算收集的新數據是很誘人的。云計算系統不再是集中式端點(diǎn)，它們是眾多目標中的一個(gè)。物聯(lián)網(wǎng)技術(shù)在邊緣計算執行大量閉環(huán)過(guò)程。從收集它的服務(wù)器管理數據更有意義，特別是當它的路由和應用程序都是動(dòng)態(tài)的時(shí)候。

　　在企業(yè)軟件行業(yè)開(kāi)發(fā)交鑰匙技術(shù)之前，最經(jīng)濟有效的數據管理方式是通過(guò)定制管道和微服務(wù)，這些管道和微服務(wù)可以在分散的流程中輕松維護和擴展。為數據流量分析創(chuàng )建儀表板非常簡(jiǎn)單，Python是實(shí)現的一個(gè)絕佳選擇。

　　把模型和機器學(xué)習放在云端。如果特定物聯(lián)網(wǎng)實(shí)現的目標是物理環(huán)境中的實(shí)時(shí)響應或實(shí)時(shí)決策支持，最好的方法是將分析和人工智能與物聯(lián)網(wǎng)技術(shù)分離。讓模型和機器學(xué)習過(guò)程保持在云端。隨著(zhù)模型的變化，用于生成物聯(lián)網(wǎng)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(xué)習要少得多，因為在邊緣計算部署機器學(xué)習將更難維護。

　　如今，尚未推出相關(guān)的行業(yè)標準，但由于安全性是大多數組織在邊緣計算服務(wù)器部署中面臨的直接問(wèn)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(wǎng)數據管理和邊緣計算流程的支持需要包括數據架構師和企業(yè)解決方案架構師。如果沒(méi)有非常有效的數據建模和針對其進(jìn)行優(yōu)化的強大工作流程，則無(wú)法進(jìn)行路由和實(shí)時(shí)處理。