為了充分利用邊緣計(jì)算數(shù)據(jù)，IT專業(yè)人員必須知道如何使用機(jī)器學(xué)習(xí)算法將數(shù)據(jù)指定為實(shí)時或傳統(tǒng)的云計(jì)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(kuò)展到全世界，邊緣計(jì)算將與其一起擴(kuò)展。企業(yè)必須了解如何使用邊緣計(jì)算進(jìn)行物聯(lián)網(wǎng)數(shù)據(jù)管理，以跟上數(shù)據(jù)指數(shù)級增長，并增強(qiáng)邊緣計(jì)算數(shù)據(jù)安全性。

與云計(jì)算的增長相比，邊緣計(jì)算擴(kuò)展速度更快，范圍更廣。根據(jù)調(diào)研機(jī)構(gòu)Gartner公司的調(diào)查，到明年年底，全球部署的物聯(lián)網(wǎng)設(shè)備將達(dá)到近400億臺，因此采用物聯(lián)網(wǎng)設(shè)備的組織必須建立邊緣計(jì)算處理資源。安全性可能是最大的問題，因?yàn)槲锫?lián)網(wǎng)具有較大的攻擊面，這為黑客提供了一個大好時機(jī)，物聯(lián)網(wǎng)網(wǎng)絡(luò)需要邊緣計(jì)算網(wǎng)關(guān)來鎖定設(shè)備輸出。但邊緣計(jì)算的作用包括更多，以滿足對物聯(lián)網(wǎng)快速增長的期望。

保護(hù)、共享、清洗物聯(lián)網(wǎng)數(shù)據(jù)

邊緣計(jì)算服務(wù)器的很大一部分負(fù)擔(dān)是在物聯(lián)網(wǎng)和設(shè)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(yīng)鏈運(yùn)營等大規(guī)模場景中，邊緣計(jì)算處理可以涉及將物聯(lián)網(wǎng)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(wǎng)數(shù)據(jù)也必須具有更多的價值。物聯(lián)網(wǎng)設(shè)備在其功能的任何領(lǐng)域都不符合通用標(biāo)準(zhǔn)，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到20年，這會增加很多數(shù)據(jù)干擾。邊緣計(jì)算服務(wù)器也很難處理數(shù)據(jù)干擾。

實(shí)時響應(yīng)和決策支持會導(dǎo)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(wǎng)數(shù)據(jù)管理現(xiàn)在面臨更大的挑戰(zhàn)：物聯(lián)網(wǎng)網(wǎng)絡(luò)需要立即響應(yīng)或?qū)崟r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(jì)算來處理數(shù)據(jù)、分析問題并返回結(jié)果。物聯(lián)網(wǎng)技術(shù)必須在幾秒鐘內(nèi)收到響應(yīng)，而不是幾小時或幾分鐘。

這兩種情況都需要動態(tài)響應(yīng)。這項(xiàng)技術(shù)需要補(bǔ)償和響應(yīng)物理環(huán)境中的某些變化，如溫度突然變化或設(shè)備出現(xiàn)故障警告，或者根據(jù)意外中斷（如涉及貨運(yùn)的交通事故）改變復(fù)雜的工作流程。觸發(fā)響應(yīng)的事件可能需要采取行動，干預(yù)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(dāng)沒有時間或沒有機(jī)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(yīng)的場景的最佳方法。物聯(lián)網(wǎng)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(jì)算結(jié)構(gòu)意味著需要解析物聯(lián)網(wǎng)數(shù)據(jù)，不僅僅是通過家庭云的內(nèi)容以及B2B合作伙伴的云平臺，而是通過實(shí)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(jìn)程中。批處理數(shù)據(jù)可以存儲在臨時存儲設(shè)備，并在空閑時傳送到云端。

在邊緣變得更好

最佳實(shí)踐包括兩項(xiàng)關(guān)鍵創(chuàng)新。物聯(lián)網(wǎng)數(shù)據(jù)管理任務(wù)（包括管理數(shù)據(jù)傳輸）應(yīng)該在邊緣計(jì)算而不是云端進(jìn)行。物聯(lián)網(wǎng)通常包含附加到現(xiàn)有集中式技術(shù)的新架構(gòu)，因此采用自上而下的方法來管理邊緣計(jì)算收集的新數(shù)據(jù)是很誘人的。云計(jì)算系統(tǒng)不再是集中式端點(diǎn)，它們是眾多目標(biāo)中的一個。物聯(lián)網(wǎng)技術(shù)在邊緣計(jì)算執(zhí)行大量閉環(huán)過程。從收集它的服務(wù)器管理數(shù)據(jù)更有意義，特別是當(dāng)它的路由和應(yīng)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(shù)之前，最經(jīng)濟(jì)有效的數(shù)據(jù)管理方式是通過定制管道和微服務(wù)，這些管道和微服務(wù)可以在分散的流程中輕松維護(hù)和擴(kuò)展。為數(shù)據(jù)流量分析創(chuàng)建儀表板非常簡單，Python是實(shí)現(xiàn)的一個絕佳選擇。

把模型和機(jī)器學(xué)習(xí)放在云端。如果特定物聯(lián)網(wǎng)實(shí)現(xiàn)的目標(biāo)是物理環(huán)境中的實(shí)時響應(yīng)或?qū)崟r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(jī)器學(xué)習(xí)過程保持在云端。隨著模型的變化，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(jì)算部署機(jī)器學(xué)習(xí)要少得多，因?yàn)樵谶吘売?jì)算部署機(jī)器學(xué)習(xí)將更難維護(hù)。

如今，尚未推出相關(guān)的行業(yè)標(biāo)準(zhǔn)，但由于安全性是大多數(shù)組織在邊緣計(jì)算服務(wù)器部署中面臨的直接問題，因此通常是維護(hù)IT基礎(chǔ)設(shè)施的人員。他們應(yīng)該參與任何情況，但對物聯(lián)網(wǎng)數(shù)據(jù)管理和邊緣計(jì)算流程的支持需要包括數(shù)據(jù)架構(gòu)師和企業(yè)解決方案架構(gòu)師。如果沒有非常有效的數(shù)據(jù)建模和針對其進(jìn)行優(yōu)化的強(qiáng)大工作流程，則無法進(jìn)行路由和實(shí)時處理。