边缘计算是云计算的终结者？No,云计算巨头们正在推动边云协同！
|
曾经大多数数据分析都在云端进行，而如今随着边云协同的推进，边缘分析可以降低数据存储、通讯和处理的成本，去除不必要的数据噪声，更多的数据分析正在回到边缘进行处理。
一般而言，如果某项应用场景具有良好的信息源，且业务问题有清晰的解决逻辑，那么数据分析的重点应该放到边缘。在更复杂的情况下，为了处理好多种数据源和多重变量，边云协同需要综合考虑处理速度、可靠性、安全性、带宽需求和复杂度。 处理速度：数据类型和数量，以及业务决策的时间限制都会影响对于处理速度的要求。边缘计算采用分布式计算架构，由于将运算分散在靠近数据源的近端设备处理，不再需要远距离把数据回传云端处理，实时性更好、效率更高、延迟更短。 可靠性和安全性：可靠性和安全性虽有很大不同，但仍有大颗粒度相似需求，暂时放到一起考虑。互联设备可以通过边缘应用，同步设备数据以及与其他设备安全通信，甚至无需连接互联网，最大程度地提升可靠性、安全性和隐私保护能力。但是一些重要数据，仍旧需要回传到云端，进行保存以便进行长期趋势分析。 带宽需求：带宽是远程控制中需要考虑的一个重要问题。边云协同的数据量直接决定了数据分析的成本，如果监控一台风力发电机上的100个参数，每隔10分钟回传一次数据到云平台，那么每天的数据量就是14400，这还仅仅只对应一台风机。 有些公司正在采用最新LPWAN技术来缓解向云端发送大量数据的成本问题，但带宽问题仍旧是边云协同无法绕过的一个现实因素。 复杂度：复杂度是划分云端和边缘应用负载的有效分水岭。云端学习、边缘执行，是处理复杂问题的大致思路。以一个啤酒厂的应用为例，如果分析某一款啤酒被过度发酵的问题，边缘计算完全可以胜任和处理。如果想要研究每款啤酒的发酵周期，并在不同种类的啤酒之间进行横向对比，那么云端分析可以很好的解决这个数学问题。 （编辑：衢州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
