邊緣計算初學者指南
已發表: 2018-03-30我們可以將邊緣計算定義為一種分佈式 IT 架構，它可以在外圍處理數據——盡可能靠近原始數據源。 如果這一切聽起來很荒謬，請堅持住。
在過去的十年中，聯網設備的數量出現了巨大的增長，這催生了一種被稱為物聯網 (IoT) 的技術。 簡而言之，物聯網只是一個將各種設備相互連接並通過簡單的開/關開關將每個設備連接到互聯網的概念。 這包括手機、咖啡機、冰箱、洗衣機、可穿戴設備以及您能想到的任何可以輕鬆連接到任何設備並無縫傳輸數據的設備。
隨著物聯網開始獲得動力，出現了一個問題——處理來自這些互連設備的數據。 無需提醒，我們正在談論的數據是 TB 大小。 傳統上，從這些設備收集的數據被發送到組織的中央雲進行處理。 然而，由於數據文件的大小，這是一個相當耗時的過程。 通過網絡將如此大的數據集傳輸到中央雲也可能使敏感的組織數據暴露於漏洞中。
5 2018 年自然語言處理在企業中的應用
邊緣計算應運而生，以解決所有這些問題以及更多問題。 現在，再看一下第一段，讓我們慢慢地引導您完成定義。
“邊緣計算”這個名稱是指網絡圖中拐角/邊緣的計算。 邊緣計算將所有重要的計算處理能力推向網格的邊緣。 就像我們之前說的——盡可能靠近原始設備。
這有什麼幫助？
考慮一個智能交通燈。 如果設備能夠在內部執行分析，則無需在需要數據分析時打電話回家，它可以完成對流數據的實時分析，甚至可以與其他設備通信以在旅途中完成任務。 因此，邊緣計算可以加快整個分析過程，從而實現快速決策。
邊緣計算對組織也有好處，因為它可以幫助他們降低之前通過網絡傳輸數據集的成本。 除此之外，它還允許組織從設備外圍過濾掉有用的數據——從而使組織能夠只收集有價值的數據並確保他們降低雲計算和存儲的成本。 此外，邊緣計算還將響應時間減少到毫秒，同時節省了網絡資源。 使用邊緣計算，我們不一定需要通過網絡發送數據。 相反，本地邊緣計算系統負責編譯數據並將頻繁的報告發送到中央雲存儲進行長期存儲。 顯然，通過僅發送基本數據，邊緣計算大大減少了穿越網絡的數據。
邊緣計算的部署在各種情況下都是理想的。 一種這樣的情況是物聯網設備的互聯網連接較弱，並且將它們持續連接到中央雲是不切實際的。
5 機器學習的突破性應用
其他此類情況可能是需要對延遲敏感的數據處理時。 邊緣計算消除了延遲因素，因為數據不需要通過網絡傳輸到中央雲存儲進行處理。 這對於難以實現毫秒級延遲的金融或製造服務來說是理想的選擇。
邊緣計算的另一個用例是下一代 5G 蜂窩網絡的開發。 IDC 研究經理兼邊緣計算專家 Kelly Quinn 預測，隨著電信提供商將 5G 納入其無線網絡，他們將開始通過集成或定位在 5G 塔附近來添加微型數據中心。 商業客戶將能夠在這些微數據中心擁有或租用空間來執行邊緣計算，並可以直接訪問電信提供商中央網絡的網關，該網關可以連接到公共 IaaS 雲提供商。
讓我們看一下邊緣計算的其他一些用例：
- 無人機能夠到達人類甚至無法想到的偏遠地區。 邊緣計算使這些無人機能夠實時審查、分析和響應分析。 例如，如果無人機發現任何緊急情況，它可以立即向附近的人提供有價值的信息，而無需先通過網絡發送數據然後接收分析。
- 增強現實——邊緣計算的引入使增強現實更進一步。 邊緣計算平台可以提供針對用戶興趣點的高度本地化的數據； 從而增強AR服務。
- 自動駕駛汽車——谷歌和優步等巨頭正在推出自動駕駛汽車。 邊緣計算在此類自動車輛的開發中起著至關重要的作用。 這些車輛可以使用邊緣計算實時處理重要數據並將其傳輸到附近通勤的其他車輛。 這些巨頭的目標是到 2020 年讓這種自動駕駛汽車成為消費者的現實。隨著這種自動駕駛汽車的推出，我們肯定會看到因車禍而喪生的人數有所減少。
說了這麼多，說起邊緣計算，還是有一些妥協和挑戰是不能忽視的。 首先，只有整個數據的一小部分在邊緣進行處理和分析。 然後，通過網絡傳輸對這些數據的分析。 
這意味著我們在理想情況下會忽略一些未經分析的原始數據，並可能會錯過一些見解。 再一次，一個重要的問題出現了——這種數據“丟失”在多大程度上可以忍受？ 組織是否需要全部數據，或者生成的結果是否足以滿足他們的需要？ 遺漏某些數據會對組織的分析產生負面影響嗎？
神經網絡：現實世界中的應用
這些問題沒有正確答案。 飛機系統不能錯過任何數據，即使是其中的一點（沒有雙關語），因此，所有數據都應該被傳輸和分析以檢測趨勢和模式。 但是，在飛行期間傳輸數據並不是一個好主意。 因此，更好的方法是離線收集數據並在飛行期間執行邊緣計算。 總而言之，邊緣計算並不是信息技術領域的靈丹妙藥。 這是一種相對較新的技術，可提供許多好處。 但是，了解它是否符合您組織的需求仍然很重要。
底線是數據是有價值的。 應該分析所有可以分析的數據以檢測模式並獲得洞察力。 在當今世界，與傳統公司相比，數據驅動的公司正在取得更大的進步。 邊緣分析是一個令人興奮的新領域，是數據維護和可用性的解決方案，我們可以期待在未來幾年看到更多令人興奮的應用。
從世界頂級大學學習 ML 課程。 獲得碩士、Executive PGP 或高級證書課程以加快您的職業生涯。
