320
在物聯網上融合雲和邊緣計算的三個步驟
在過去的幾年裏，物聯網已經迅速發展。根據摩爾定律，每個芯片的晶體管數量，每18個月會增加一倍，因此硬件開發人員能夠在同樣的空間中，加入更多的功能。這創造出更小的電腦，更小的手機和其他電子設備。
所有連接到互聯網的設備，都需要芯片，但是直到最近，芯片才變得足夠小。這與無線網絡的迅速增長相結合，使得連接設備和為其提供遠程功能，變得更方便。
這就是物聯網：簡單的設備可以通過大小合適的新型高性價比芯片進行控製和監控。隨著蘋果和微軟這樣的大公司繼續大力投資開發這項技術，如何構建物聯網，成為如何管理大量數據的問題。
信息的海洋
多年來，公司一直使用數據中心的係統，進行計算和控製。即使是基於雲的係統也依賴於一套軟件組件，這些軟件組件通過數據流轉，收集結果並將其傳輸回來。
物聯網改變了這種動態。突然之間，數以千計的設備正在共享數據，與其他係統通信，並向數千個終端提供控製。
這帶來了數據收集和分析的新問題。由於這些新網絡共享數據的方式，物聯網設備通常很慢，共享少量的信息，並且無法保證數據何時到達。在智能城市和建築物中尤其如此，數以千計的傳感器以不同的時間間隔生成數據，並在雲端完成處理。
隨著這些網絡的發展，它們遇到了現有計算趨勢帶來的新問題。由於大數據和智能網絡（通過網狀網絡，物聯網和低功耗網絡和計算），舊係統無法處理它們幫助創建的大量信息。
這些問題的答案，是雲存儲和邊緣計算的結合。然而，要利用這兩種技術，IT專業人士必須了解它們是如何運營的。
邊緣和雲
邊緣計算和雲計算在運營方式上幾乎是相反的。雲計算有效地利用大量網絡來處理和存儲信息，通過中心點 – 雲入網點的數據中心。由於在高性能網絡上，彼此共享數據的節點之間的緊密互連，很好的達到了目的。
隨著物聯網的興起，越來越多的公司希望自己的計算能力更接近收集信息的設備。物聯網係統上的設備在功耗和計算能力方麵都較低，因此邊緣計算將中央計算能力從雲端移出，並更靠近終端用戶設備的所在位置。當你和大量的客戶一起工作時，這使得處理過程更加快速。
將這兩種技術相結合，可以讓雲處理一般的計算任務，而邊緣計算可以處理更多的客戶端特定需求。例如，數據聚合可以依靠邊緣計算，將數據聚合為單個集合，然後將其發送到雲，進一步處理。
通過中心化一般的工作負載和在網絡邊緣處理更具體的任務，IT專業人士可以在優化網絡和計算資源的同時改善用戶體驗。
使用技術從數據中獲得更多
邊緣計算目前隻在電信公司中受歡迎，但隨著越來越多的5G網絡普及，這項技術將迅速普及。IT專業人士應該遵循以下三個步驟，為即將到來的物聯網數據潮流做好準備：
1. 準備網絡架構
目前，邊緣計算的早期版本隻能用於內容交付網絡和一些軟件定義的網絡或電信網絡。對於這個領域之外的公司，現在準備適應邊緣計算，將會使未來的采用，更容易。開始思考現有的架構，並準備擴展邊緣功能。
2. 解決數據聚合
目前控製其邊緣的行業，比如物聯網網絡和電信公司，應該在將數據傳輸回中央係統之前，已經將數據聚合到盡可能靠近邊緣的位置。在邊緣引入隊列和緩存，以準備合並和壓縮數據的計算能力。
3. 尋找優化機會
邊緣計算是資源的有效利用。從資源使用的角度來映射架構，對於尋找新的優化方法很有用。
係統可以通過將更好的數據傳輸到中心，並在那裏完成計算，來降低成本，從而彌補邊緣計算成本的增加。隨著邊緣處理的成熟，邊緣的計算能力將會增加，為準備好的公司提供更多機會來利用這項技術。
網絡和物聯網公司不能等到新技術到來之後才開始準備采用。通過以上這些步驟，IT領導者可以考慮物聯網數據和邊緣計算的發展，並為其廣泛的到來做好準備。
本文轉自d1net（轉載）
最後更新：2017-11-17 16:04:36