穿越迷雾：边缘、混合和全云的速度
在试图确定在哪里进行分析时，应用特性和边缘云传输带宽是影响性能的关键因素。
近年来，随着“雾计算”的形成，向边缘推进，其中资产和处理部署在集中式云和边缘环境之间的范围内适合手头的应用程序的任何地方。
随着我们将企业带入实时经济，关于频谱的哪个阶段提供最佳性能或最快响应一直存在争议。云服务在需要的时间和地点提供容量和按需处理，但由于数据和命令是通过各种网络发送的，因此通常会因延迟问题而减慢速度。混合安排提供了一定程度的本地处理，并且可以通过内存系统加速数据移动，但速度可能不一致。将处理完全转移到边缘设备可能会提供快速的现场分析，但无法在企业之间轻松共享。
另见： 为什么边缘计算可以帮助物联网充分发挥潜力
这是阿肯色大学的一组研究人员在最近的 IEEE 边缘计算会议上发表的演讲和论文的要点。由新加坡国立大学的 Dumitrel Loghin 领导的团队对这三种主要的边缘计算模式进行了测试，并得出结论，在速度方面，这是三种数据传输模式之间的平局。他们的测量驱动分析“揭示了一个多样化的性能环境，在纯云、纯边缘和混合处理之间没有明显的赢家。但应用特性和边云传输带宽是影响性能的关键因素。”
该团队在两个低功耗边缘设备和 AWS 云上对七个不同的 MapReduce 应用程序进行了测量。虽然并非所有 MapReduce 应用程序都适合混合边缘云处理，但在那些被发现适合的应用程序中，他们分析了单独的边缘和云集群以及单个边缘云集群的速度。
研究人员发现，影响性能的因素有很多，包括选择性和边缘云带宽等应用程序特性。例如，测量的两个主要 Hadoop 应用程序显示基于集群内和集群间网络链接的不同速度。对于某些选定的进程，单个混合 MapReduce 集群比单独的边缘和云集群慢 41% 和 63%，但对于其他进程则快 85% 和 100%。
研究人员还指出，这些设置是“使用三个 AWS 云区域创建的，其中两个模拟边缘，第三个代表云。我们选择使用云实例模拟边缘，因为我们想要分析传输时间和带宽的影响，而不是硬件对边缘云加速的影响。通过对边缘和云使用相同类型的节点，我们将云加速的影响降至最低。此外，我们使用两个区域作为边缘，因为
在现实世界中，组织拥有不止一种优势
集群来聚合数据。”
物联网技术