
课程咨询: 400-996-5531 / 投诉建议: 400-111-8989
认真做教育 专心促就业
随着互联网的不断发展,无论是物联网还是边缘计算技术都得到了广泛的应用,而今天我们就通过案例分析来了解一下,边缘计算技术应用都有哪些优势。
具有占地面积小,功耗敏感的软件堆栈。软件不可能被无限制地扩展,而在云中添加容器的成本又不可能为零。因此,我们需要进行优化,以尽量减少内存和CPU的占地面积。尽管在进行大规模的部署时,这会为企业带来更大的利益,但是当在快速解决重要挑战时,它反倒成为了一个问题。而物联网边缘则正好相反,物联网边缘可以设计在一个非常小的设备或传感器上,几乎不会占用额外的软件空间。
延迟可变。从边缘设备到云的延迟可能从几百毫秒到无限延迟不等。而云端的延迟则是由跨虚拟机和跨区域的实际情况决定的,往往更加稳定。
多样的网络。边缘堆栈可在多种不同的网络中运行。一些边缘计算可以通过以太网、蜂窝(Cellular)、卫星与WiFi进行连接。而云计算一般只能通过标准化的有线连接、以太网类网络系统进行联通。
不可预测的带宽。在物联网中,带宽也可能是变化的,软件需要能够应对这一问题。
偶发连接性。物联网/边缘系统的连接具有偶发性。对于那些列车和货船来说,每当他们在一个车站或码头停靠时,它们都需要对网络进行重新偶发连接。这也适用于那些小型承包商偶尔对物联网设备进行连接的情况。
而伴随着公司开始通过AI和数据以塑造出自身的互联网边缘系统,我们还是要记住历史告诉我们的一些原则:
开放API。企业应该使用一个开放的API平台,而不是锁定在某一云供应商的平台之上。
结构。我们需要了解到多个物联网系统与区域和全球云系统的连接实际上构建了一个数据结构。我们确保应用程序能够访问全系统的单一数据,以便数据移动不会导致重写应用程序。
在当地行动、在全球学习。AI及其边缘机器学习的子分支需要企业具备本地和独立行为的能力,以便在不依赖云的情况下有效应对当地的情况。话虽如此,系统/结构仍需要以一种可从全部边缘进行全方位学习的方式,然后将该智能反馈到每个边缘。
不要将系统设置的过于庞大。将所有控制和管理功能都放在云中,反而可能会是系统更容易出现故障。该系统应该可以被分解为单独的数据集群,无论是在边缘,在区域云中还是在全球云中,这样就可以将它们进行统一管理或单独管理。
安全。随着数据驱动策略将聚合型的智能数据推送到云上,现在我们有了安全机制来确保云中的数据安全。但是边缘呢?安全策略框架不应该为同一数据进行多次重新创建,这取决于当前数据所在的位置。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。更多内容请加danei0707学习了解。欢迎关注“达内在线”参与分销,赚更多好礼。