边缘计算初学者指南
已发表: 2018-03-30我们可以将边缘计算定义为一种分布式 IT 架构，它可以在外围处理数据——尽可能靠近原始数据源。 如果这一切听起来很荒谬，请坚持住。
在过去的十年中，联网设备的数量出现了巨大的增长，这催生了一种被称为物联网 (IoT) 的技术。 简而言之，物联网只是一个将各种设备相互连接并通过简单的开/关开关将每个设备连接到互联网的概念。 这包括手机、咖啡机、冰箱、洗衣机、可穿戴设备以及您能想到的任何可以轻松连接到任何设备并无缝传输数据的设备。
随着物联网开始获得动力，出现了一个问题——处理来自这些互连设备的数据。 无需提醒，我们正在谈论的数据是 TB 大小。 传统上，从这些设备收集的数据被发送到组织的中央云进行处理。 然而，由于数据文件的大小，这是一个相当耗时的过程。 通过网络将如此大的数据集传输到中央云也可能使敏感的组织数据暴露于漏洞中。
5 2018 年自然语言处理在企业中的应用
边缘计算应运而生，以解决所有这些问题以及更多问题。 现在，再看一下第一段，让我们慢慢地引导您完成定义。
“边缘计算”这个名称是指网络图中拐角/边缘的计算。 边缘计算将所有重要的计算处理能力推向网格的边缘。 就像我们之前说的——尽可能靠近原始设备。
这有什么帮助？
考虑一个智能交通灯。 如果设备能够在内部执行分析，则无需在需要数据分析时打电话回家，它可以完成对流数据的实时分析，甚至可以与其他设备通信以在旅途中完成任务。 因此，边缘计算可以加快整个分析过程，从而实现快速决策。
边缘计算对组织也有好处，因为它可以帮助他们降低之前通过网络传输数据集的成本。 除此之外，它还允许组织从设备外围过滤掉有用的数据——从而使组织能够只收集有价值的数据并确保他们降低云计算和存储的成本。 此外，边缘计算还将响应时间减少到毫秒，同时节省了网络资源。 使用边缘计算，我们不一定需要通过网络发送数据。 相反，本地边缘计算系统负责编译数据并将频繁的报告发送到中央云存储进行长期存储。 显然，通过仅发送基本数据，边缘计算大大减少了穿越网络的数据。
边缘计算的部署在各种情况下都是理想的。 一种这样的情况是物联网设备的互联网连接较弱，并且将它们持续连接到中央云是不切实际的。
5 机器学习的突破性应用
其他此类情况可能是需要对延迟敏感的数据处理时。 边缘计算消除了延迟因素，因为数据不需要通过网络传输到中央云存储进行处理。 这对于难以实现毫秒级延迟的金融或制造服务来说是理想的选择。
边缘计算的另一个用例是下一代 5G 蜂窝网络的开发。 IDC 研究经理兼边缘计算专家 Kelly Quinn 预测，随着电信提供商将 5G 纳入其无线网络，他们将开始通过集成或定位在 5G 塔附近来添加微型数据中心。 商业客户将能够在这些微数据中心拥有或租用空间来执行边缘计算，并可以直接访问电信提供商中央网络的网关，该网关可以连接到公共 IaaS 云提供商。
让我们看一下边缘计算的其他一些用例：
- 无人机能够到达人类甚至无法想到的偏远地区。 边缘计算使这些无人机能够实时审查、分析和响应分析。 例如，如果无人机发现任何紧急情况，它可以立即向附近的人提供有价值的信息，而无需先通过网络发送数据然后接收分析。
- 增强现实——边缘计算的引入使增强现实更进一步。 边缘计算平台可以提供针对用户兴趣点的高度本地化的数据； 从而增强AR服务。
- 自动驾驶汽车——谷歌和优步等巨头正在推出自动驾驶汽车。 边缘计算在此类自动车辆的开发中起着至关重要的作用。 这些车辆可以使用边缘计算实时处理重要数据并将其传输到附近通勤的其他车辆。 这些巨头的目标是到 2020 年让这种自动驾驶汽车成为消费者的现实。随着这种自动驾驶汽车的推出，我们肯定会看到因车祸而丧生的人数有所减少。
说了这么多，说起边缘计算，还是有一些妥协和挑战是不能忽视的。 首先，只有整个数据的一小部分在边缘进行处理和分析。 然后，通过网络传输对这些数据的分析。 
这意味着我们在理想情况下会忽略一些未经分析的原始数据，并可能会错过一些见解。 再一次，一个重要的问题出现了——这种数据“丢失”在多大程度上可以忍受？ 组织是否需要全部数据，或者生成的结果是否足以满足他们的需要？ 遗漏某些数据会对组织的分析产生负面影响吗？
神经网络：现实世界中的应用
这些问题没有正确答案。 飞机系统不能错过任何数据，即使是其中的一点（没有双关语），因此，所有数据都应该被传输和分析以检测趋势和模式。 但是，在飞行期间传输数据并不是一个好主意。 因此，更好的方法是离线收集数据并在飞行期间执行边缘计算。 总而言之，边缘计算并不是信息技术领域的灵丹妙药。 这是一种相对较新的技术，可提供许多好处。 但是，了解它是否符合您组织的需求仍然很重要。
底线是数据是有价值的。 应该分析所有可以分析的数据以检测模式并获得洞察力。 在当今世界，与传统公司相比，数据驱动的公司正在取得更大的进步。 边缘分析是一个令人兴奋的新领域，是数据维护和可用性的解决方案，我们可以期待在未来几年看到更多令人兴奋的应用。
从世界顶级大学学习 ML 课程。 获得硕士、Executive PGP 或高级证书课程以加快您的职业生涯。
