物联网中的边缘计算

1、物联网中的边缘计算边缘计算的发展一向引人注目，但不是所有事情都能达到意想之中的繁荣。很多 人不理解物联网的边缘计算是什么？我们都非常自然的将云计算和边缘计算看做相 互竞争的存在。作为IT的核心、，两种技术都先后取得了最高的地位，并且根据企业 的优先事项和能力，被定位为一个明智的选择。然而，这个“不是/或”的难题是一个 值得被详解的神话;他们是完全不同的概念。在物联网上，每个人都可以应用电子标签将真实的物体上网联结，在物联网上都 可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行 集中管理、控制，也可以对家庭设备、汽车进行遥控，以及搜索位置、防止物品被 盗等，类似自动化操控

2、系统，同时透过收集这些小事的数据，最后可以聚集成大数 据，包含重新设计道路以减少车祸、都市更新、灾害预测与流行病控制等等社会的 重大改变，实现物和物相联。边缘计算一一让计算和智能更加接近数据源的物理空间，成为云中断开元素的传 递机制。因此，他们可以协同工作，而不是作为替代品。慢慢形成一种有效的混合方 式，将边缘的灵活性与中央云的高效处理能力相结合。这就是为什么这两种环境都是 为新一代开发人员部署的选项，可以创建更智能，事件驱动的微服务，从而实现更快， 更灵活的应用程序开发。虽然预测到由于连接成本将会降低,但这些预测并没有实 现。相反，我们看到了由IoT创建的数据逐渐向边缘迁移的过程，以及增强的

3、连接和 功能的自然发展。的确，网络边缘的智能不仅更容易获取,而且还能实时捕获,让其发 展在纯粹的形式和最新鲜的状态中。这些都使得它成为最有价值的信息是即时和准 确的操作决策。改变的好处在于：直接在设备上计算，多个设备返回到一个中央核心 网络所引起的瓶颈将被交付给过去。此外，安全风险被降至最低，因为在数据传输过 程中被消耗，容易受到攻击。当分析添加到混合时，事情就会变得更加有趣，因为数据 的子集与分析本地化可以让决策更具说服力。尽管边缘计算的这种优势一直是引人注目的，但并不是所有的东西都能在传统背 景下蓬勃发展。就像今天的机器学习算法，包括他们对于大量数据和计算能力的需求, 长期以来都是依赖云来

4、完成繁重的工作。然而，随着人工智能成为更加主流的显示， 从智能汽车到数字私人助理，外界在迅速改变。现在大家的焦点开始转向如何能更好 的在网络外围设备更接近移动电话、计算机和利用该技术应用运行其他设备空间进 行交付。边缘计算应用于物联网我们已经看到了智能家居领域的优势。在这里，网络边缘的深度学习功能可以通 过集成和互动的物联网数字工具的细微差别和直观反映来洞察，从而随着情况的变 化而提供洞察力。然后，他们可以将实时上下文信息反馈给房主，或者如果入侵者出 现,则将反馈给专业监控资源。这只是一个开始，将机器学习功能带入设备边缘，无需 连接要求,并简化了长期的IoT集成挑战，对于消费领域之外的众多行业

5、和应用产生 更广泛的影响。能够以毫秒为单位响应时间的解决方案代表了这一梁宇最前沿的创 新技术，从而为工业环境等不同领域的医疗领域创造更大价值。边缘计算在智能家居的应用在城市道路交通中，每个路口都会设置监控摄像头，每周甚至每天都会有海量的 视频数据产生，如果这些监控设备产生的数据聚在一起，会是个天文数字。在云端 进行实时的海量数据分析与储存对计算能力和网络带宽是一个巨大的挑战。如果借 助边缘计算，在本地对海量视频数据进行存储和分析，仅识别和截取存在道路交通 事故或违法行为的视频传递给云/数据中心做进一步分析和长久存储，这样可以大大 减少到云端的数据传输，并且能够支持实时的智能交通控制。边缘计算在智慧交通中的应用在这里，最容易获取的实时信息将会推动医疗设备的智能诊断功能，并中机器学 习来进行各种预测，例如最易患上医院感染或最有可能在出院后重新接种的患者。在 这个阶段，我们并不知道AI在这个环境中的全部潜力。然而，未来医疗机构可以为 患者提供从人工智能软件程序接收在线医疗建议的选项即将出现，并有望从速度和 效率、患者护理和成本节约等方面进行改进。同样，工业环境正在取得进展，数据必 须在现场无数传感器，设备，资产和机器之间流动，通常在结构化或具有挑战性和偏 远条件下进行。在边缘设备上检测异常情况提供了预测性监控和关键人物决策所需 的灵活性，从而可以节省数百万美元，