越來(lái)越多的“連接”設(shè)備產(chǎn)生了過多的數(shù)據(jù)，隨著物聯(lián)網(wǎng)(IoT)技術(shù)和用例在未來(lái)幾年的發(fā)展，這種情況將繼續(xù)存在。根據(jù)研究公司Gartner的數(shù)據(jù)，到2020年，將有多達(dá)200億臺(tái)連接設(shè)備為每位用戶生成數(shù)十億字節(jié)的數(shù)據(jù)。這些設(shè)備不僅僅是智能手機(jī)或筆記本電腦，還包括聯(lián)網(wǎng)汽車，自動(dòng)售貨機(jī)，智能可穿戴設(shè)備，手術(shù)醫(yī)療機(jī)器人等等。

[[242312]]

由無(wú)數(shù)類型的此類設(shè)備生成的大量數(shù)據(jù)需要推送到集中式云以進(jìn)行保留(數(shù)據(jù)管理)，分析和決策。然后，再將分析的數(shù)據(jù)結(jié)果傳回設(shè)備。這種數(shù)據(jù)的往返消耗了大量網(wǎng)絡(luò)基礎(chǔ)設(shè)施和云基礎(chǔ)設(shè)施資源，進(jìn)一步增加了延遲和帶寬消耗問題，從而影響關(guān)鍵任務(wù)物聯(lián)網(wǎng)使用。例如，在自動(dòng)駕駛的連接車中，每小時(shí)產(chǎn)生了大量數(shù)據(jù);，數(shù)據(jù)必須上傳到云端，進(jìn)行分析，并將指令發(fā)送回汽車。低延遲或資源擁塞可能會(huì)延遲對(duì)汽車的響應(yīng)，嚴(yán)重時(shí)可能導(dǎo)致交通事故。

物聯(lián)網(wǎng)邊緣計(jì)算

這就是邊緣計(jì)算的用武之地。邊緣計(jì)算體系結(jié)構(gòu)可用于優(yōu)化云計(jì)算系統(tǒng)，以便在網(wǎng)絡(luò)邊緣執(zhí)行數(shù)據(jù)處理和分析，更接近數(shù)據(jù)源。通過這種方法，可以在設(shè)備本身附近收集和處理數(shù)據(jù)，而不是將數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心。

邊緣計(jì)算的好處：

• 邊緣計(jì)算可以降低傳感器和中央云之間所需的網(wǎng)絡(luò)帶寬(即更低的延遲)，并減輕整個(gè)IT基礎(chǔ)架構(gòu)的負(fù)擔(dān)。
• 在邊緣設(shè)備處存儲(chǔ)和處理數(shù)據(jù)，而不需要網(wǎng)絡(luò)連接來(lái)進(jìn)行云計(jì)算。這消除了高帶寬的持續(xù)網(wǎng)絡(luò)連接。
• 通過邊緣計(jì)算，端點(diǎn)設(shè)備僅發(fā)送云計(jì)算所需的信息而不是原始數(shù)據(jù)。它有助于降低云基礎(chǔ)架構(gòu)的連接和冗余資源的成本。當(dāng)在邊緣分析由工業(yè)機(jī)械生成的大量數(shù)據(jù)并且僅將過濾的數(shù)據(jù)推送到云時(shí)，這是有益的，從而顯著節(jié)省IT基礎(chǔ)設(shè)施。
• 利用計(jì)算能力使邊緣設(shè)備的行為類似于云類操作。應(yīng)用程序可以快速執(zhí)行，并與端點(diǎn)建立可靠且高度響應(yīng)的通信。
• 通過邊緣計(jì)算實(shí)現(xiàn)數(shù)據(jù)的安全性和隱私性：敏感數(shù)據(jù)在邊緣設(shè)備上生成，處理和保存，而不是通過不安全的網(wǎng)絡(luò)傳輸，并有可能破壞集中式數(shù)據(jù)中心。邊緣計(jì)算生態(tài)系統(tǒng)可以為每個(gè)邊緣提供共同的策略(可以以自動(dòng)方式實(shí)現(xiàn))，以實(shí)現(xiàn)數(shù)據(jù)完整性和隱私。

邊緣計(jì)算的出現(xiàn)并不能取代對(duì)傳統(tǒng)數(shù)據(jù)中心或云計(jì)算基礎(chǔ)設(shè)施的需求。相反，它與云共存，因?yàn)樵频挠?jì)算能力被分配到端點(diǎn)。

網(wǎng)絡(luò)邊緣的機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)(ML)是邊緣計(jì)算的補(bǔ)充技術(shù)。在機(jī)器學(xué)習(xí)中，生成的數(shù)據(jù)被送到ML系統(tǒng)以產(chǎn)生分析決策模型。在物聯(lián)網(wǎng)和邊緣計(jì)算場(chǎng)景中，機(jī)器學(xué)習(xí)可以用兩種方法實(shí)現(xiàn)。

• ***種方法：ML算法需要巨大的計(jì)算能力才能在云中產(chǎn)生決策。從邊緣收集的數(shù)據(jù)將被送到ML系統(tǒng)，在那里將產(chǎn)生一個(gè)學(xué)習(xí)分析的決策模型，然后將這個(gè)模型推送到網(wǎng)絡(luò)的邊緣。通過這種方式，可以在所有邊緣設(shè)備上進(jìn)行分析決策。在此模型中，邊緣設(shè)備將用于收集，分析和在云中采取行動(dòng)，從而增強(qiáng)智能。
• 第二種方法：如果端點(diǎn)設(shè)備向云中的ML系統(tǒng)發(fā)送傳感器生成的數(shù)據(jù)，則ML系統(tǒng)將花費(fèi)大量的時(shí)間來(lái)傳輸和處理數(shù)據(jù)，以生成分析決策。為此，可以引入智能機(jī)器學(xué)習(xí)或人工智能(AI)芯片，而端點(diǎn)設(shè)備將數(shù)據(jù)發(fā)送到云端，僅用于存儲(chǔ)目的。使機(jī)器學(xué)習(xí)能力在網(wǎng)絡(luò)的邊緣需要較少的計(jì)算能力。

邊緣計(jì)算和物聯(lián)網(wǎng)

邊緣計(jì)算與機(jī)器學(xué)習(xí)技術(shù)一起為物聯(lián)網(wǎng)為未來(lái)通信的敏捷性奠定了基礎(chǔ)。即將推出的5G電信網(wǎng)絡(luò)將為物聯(lián)網(wǎng)用例提供更先進(jìn)的網(wǎng)絡(luò)。除了高速低延遲數(shù)據(jù)傳輸外，5G還將提供基于移動(dòng)邊緣計(jì)算(MEC)的電信網(wǎng)絡(luò)，實(shí)現(xiàn)邊緣服務(wù)和資源的自動(dòng)實(shí)施和部署。在這場(chǎng)革***，物聯(lián)網(wǎng)設(shè)備制造商和軟件應(yīng)用程序開發(fā)人員將更加渴望利用邊緣計(jì)算和分析。我們將看到更多智能物聯(lián)網(wǎng)用例以及智能邊緣設(shè)備的增加。

原文鏈接：

http://www.futuriom.com/articles/news/what-is-edge-computing-for-iot/2018/08