利用 IoT 边缘计算实现实时数据分析

在经典 IoT 架构中，智能设备将收集的数据发送到云端或远程数据中心进行分析。海量数据在设备与云端间往返会造成瓶颈，使这种方法在任何对延迟敏感的用例中都失效。

IoT 边缘计算通过将数据处理移近 IoT 设备来解决此问题。该策略缩短数据路径，使系统能在现场执行近乎即时的数据分析。

本文是IoT 边缘计算入门，介绍在数据源头附近采取行动的优势。继续阅读，了解为何边缘计算是 IoT 用例的关键赋能者，这些用例要求系统实时捕获和分析海量数据。

什么是 IoT 边缘计算？

IoT 边缘计算是在网络边缘使用数据处理来加速 IoT 系统性能的做法。边缘计算使智能设备能在附近的边缘服务器处理原始 IoT 数据，而非发送到远程服务器。

在靠近或位于数据产生点处处理数据可实现零延迟。此功能能决定运行时间敏感任务的 IoT 设备成败。

将数据处理物理移近 IoT 设备为企业 IT 带来诸多好处，例如：

• 更快、更可靠的服务。
• 更流畅的客户体验。
• 实时、现场分析。
• 过滤和聚合原始数据以减少发送到外部服务器或云的流量。
• 因带宽使用减少和数据中心容量需求降低而降低运营成本 (OpEx)。
• 因外部连接减少和潜在横向移动空间缩小而提高安全性。

IoT 边缘计算是 IoT 的关键赋能者，因为它允许您在 IoT 设备上可靠运行低延迟应用。边缘处理是任何符合以下条件的 IoT 用例的理想选择：

• 需要实时决策。
• 可能发生灾难性故障。
• 处理极大量数据。
• 运行在云连接稀疏或完全不可用的环境中。

云计算和边缘计算并非互斥。两种计算范式完美契合：边缘服务器（无论在同一区域还是同一场所）处理时间敏感任务，同时将过滤后的数据发送到云进行进一步、更耗时的分析。

边缘设备与 IoT 设备

IoT 边缘计算依赖边缘设备和 IoT 设备的结合使用：

• IoT 设备是连接互联网、能生成并传输数据到处理单元（边缘设备、云或中央服务器）的机器。这些设备通常拥有专用传感器，服务于单一目的。
• 边缘设备是在靠近生成原始数据的用户或设备处运行的硬件。这些设备拥有足够计算资源处理数据并以亚毫秒级延迟做决策，这是数据必须先跨越网络无法达到的速度。

某些情况下，边缘和 IoT 设备术语可互换。若 IoT 设备拥有足够计算资源进行低延迟决策和数据处理，它也可以是边缘设备。此外，若边缘设备有生成原始数据的传感器，它也可以是 IoT 的一部分。

然而，制造同时具备 IoT 和边缘能力的设备并不具成本效益。更好的选择是部署多个生成数据的廉价 IoT 设备，并将它们全部连接到单个能处理数据的边缘服务器。

IoT 与边缘计算如何协同工作？

边缘计算为 IoT 系统提供本地数据处理、存储和计算来源。IoT 设备收集数据并发送到边缘服务器。同时，服务器在本地网络边缘分析数据，实现更快、更易扩展的数据处理。

与发送数据到中央服务器分析的常规设计相比，IoT 边缘计算系统具有：

• IoT 设备与网络间通信延迟降低。
• 更快响应时间和更高运营效率。
• 网络带宽消耗减少，因为系统仅将数据流式传输到云进行长期存储或分析。
• 即使系统失去与云或中央服务器的连接，仍能继续运行。

边缘计算是大规模使用物联网且不冒网络过载风险的高效、经济方式。依赖 IoT 边缘的企业还能降低潜在数据泄露影响。若有人入侵边缘设备，入侵者仅能访问本地原始数据（不像攻破中央服务器那样）。

相同的“更小爆炸半径”逻辑也适用于意外数据泄露和类似数据完整性威胁。

此外，边缘计算为任务关键型 IoT 任务提供冗余层。若单个本地单元故障，其他边缘服务器和 IoT 设备可继续运行无问题。不存在可使所有操作停摆的单点故障。

IoT 边缘计算特性

虽然每个 IoT 边缘计算系统有独特特征，但所有部署共享若干特性。以下是所有 IoT 边缘计算用例中可找到的 6 项特性。

工作负载整合

老式边缘设备通常在专有 RTOS（实时操作系统）上运行专有应用。前沿 IoT 边缘系统拥有 Hypervisor，将操作系统和应用层与底层硬件抽象解耦。

使用 Hypervisor 使单个边缘计算设备能运行多个操作系统，这：

• 为工作负载整合铺平道路。
• 减少边缘所需的物理占地面积。

结果是，部署到边缘的价格远低于曾经搭建顶级边缘计算系统所需的费用。

预处理与数据过滤

早期边缘系统通常通过让远程服务器请求边缘值来工作，无论最近是否有变化。IoT 边缘通信系统可在边缘（通常通过边缘代理）预处理数据，仅将相关信息发送到云。此方法：

• 降低数据瓶颈几率。
• 提高系统响应率。
• 降低云存储和带宽成本。

可扩展管理

老式边缘资源常使用难以大规模更新和管理的串行通信协议。企业现在可将 IoT 边缘计算资源连接到局域网或广域网（LAN 或 WAN），实现集中管理。

边缘管理平台也日益流行，因为提供商寻求进一步简化大规模边缘部署相关任务。

开放架构

专有协议和封闭架构在边缘环境中多年常见。不幸的是，这些特性常因厂商锁定导致高集成和切换成本，这也是现代边缘计算依赖开放架构的原因，包括：

• 标准化协议（如 OPC UA、MQTT）。
• 语义数据结构（如 Sparkplug）。

开放架构降低集成成本，增加供应商互操作性，这是 IoT 边缘计算可行性的两个关键因素。

边缘分析

早期边缘设备处理能力有限，通常只能执行单一任务，如数据采集。

如今，IoT 边缘计算系统拥有更强大的处理能力用于边缘数据分析。此功能对传统边缘计算无法可靠处理的低延迟和高数据吞吐用例至关重要。

分布式应用

智能 IoT 边缘计算资源将应用与底层硬件解耦。此功能支持灵活架构，应用可在计算资源间：

• 垂直移动（如从边缘资源到云）。
• 水平移动（如从一个边缘计算资源到另一个）。

企业可用三种架构部署边缘应用：

• 100% 边缘：此架构所有计算资源在本地。不愿将数据发送到场外的组织（通常因安全顾虑）倾向此设计。接受大量本地投资的企业也是典型采用者。
• 厚边缘 + 云架构：此设计包含本地数据中心、云部署和边缘计算资源。已大量投资本地数据中心但后来决定用云聚合和分析数据（通常来自多个设施）的公司常选此方案。
• 薄（或微）边缘 + 云架构：此方案始终包含连接到一个（或多个）较小边缘计算资源的云计算资源。此设计无本地数据中心。

IoT 边缘计算用例

边缘计算可在任何需要低延迟或本地数据存储的 IoT 设计中发挥关键作用。以下是一些有趣的用例：

• 工业物联网 (IIoT)： IoT 传感器可跟踪工业机械状态，识别故障或过度使用等问题。同时，边缘服务器可在潜在灾难前响应问题。
• 自动驾驶汽车： 行驶在道路上的自动驾驶车辆必须能收集和处理实时数据（交通、行人、路标、红绿灯等）。自动驾驶汽车是零延迟用例，因此使用边缘 IoT 是确保自动驾驶汽车能足够快地停车或转向避免事故的唯一途径。
• 自动化卡车车队： IoT 边缘计算还可让企业创建自动化卡车车队。一组 IoT 驱动的卡车可紧随彼此编队行驶，节省燃油成本并减少拥堵。在此场景下，仅首辆卡车需要人类驾驶员。
• 视觉推理： 配备 IoT 边缘计算机的高分辨率摄像头可消费视频流并对收集数据执行推理。该设备可检测高温人员、受限区域入侵者、安全违规、生产线异常等。
• 远程基于状态的监控： 在故障可能灾难性的场景中（如油气管道），使用 IoT 边缘监控系统是不二之选。IoT 传感器可跟踪资产状况（如温度、压力、应力等），边缘服务器可在毫秒级识别并响应潜在问题。

IoT 边缘计算：企业 IT 的游戏规则改变者

如今，IoT 领域在无边缘计算的情况下跨众多场景运行。然而，随着连接设备数量增长和企业探索新用例，更快检索和处理数据的能力将成为决定性因素。预计 IoT 边缘计算在未来几年将发挥关键作用，因为越来越多公司开始追求零延迟数据处理的益处。