将云移至边缘：加速 IoT 决策
Iguazio 产品总监 Adi Hirschtein
在当今 IoT 格局中，企业必须做出瞬间决策。Iguazio 产品总监 Adi Hirschstein 解释，将数据发送到遥远云端并返回会产生延迟，阻碍效率和成本效益。
边缘计算提供引人注目的答案：通过在数据源头处理数据，企业可规避云延迟，释放 IoT 全部潜力。
美国边缘计算市场 2017 年估值 8000 万美元，预计 2025 年将超 10 亿美元，因各行业采纳其优势。Business Insider 预测 2020 年将有 56 亿企业和公共部门 IoT 设备依赖边缘计算 —— 较 2015 年增长九倍。
云仍不可或缺。混合平台让企业用边缘计算进行实时决策和节省带宽，同时仍利用公有云进行历史存储和可扩展计算。在此模式下，云端训练的机器学习模型自动下推至边缘节点，在最关键处提供峰值性能。
关键需求
考虑几个说明性用例：将数据往返中央云端的耗时过程可能危及公司绩效和公共安全。
若工业厂房本地智能预测或检测工业物联网 (IIoT) 设备故障，工厂必须尽快停止运营并触发自愈执行器，以避免进一步损坏机械，更重要的是 —— 针对运动中的重型工业设备 —— 避免危及员工生命。
工业环境对边缘计算解决方案的迫切需求，解释为何制造业预计将占 2025 年美国边缘计算市场最大份额，达 3.06 亿美元 (约 2.66 亿欧元)。
在电信领域，边缘计算作为实时监测和预测网络健康的关键工具。这只能通过在边缘处理来自多个流的高消息吞吐量并关联历史数据来实现。没有边缘计算实时处理和响应不同数据流的能力，分析过程将更低效耗时，大幅增加重大蜂窝网络中断可能性。
这些中断若因自然灾害或网络攻击引起，有能力瘫痪受影响区域，复合了电信商快速检测和解决中断的重要性。就公共安全而言，效率和时间是破案关键。执法部门拥有的所有技术 —— 旨在加快案件侦破 —— 在云处理严重延迟数据分析时都化为乌有。
极端情况下，正是多出的三分钟决定执法能否维护公共安全。只有边缘解决方案能快速关联来自多个非结构化和结构化数据源的数据，为警方检测和预防犯罪铺平道路。与其他决策者需快速获取可执行分析的高敏感用例一样，超本地化数据处理是唯一答案。
重新思考数据管理
随着 IoT 渗透业务几乎每个方面，企业产生前所未有的数据访问和分析需求。在此环境下，企业有两个选择：要么将所有数据发送云端处理，要么让最关键、时效性最强的数据在本地处理分析，同时利用云进行机器学习模型训练和弹性扩展。
前者使企业面临各种延迟脆弱性，并施加巨大成本和风险。后者为企业提供所需优势以提升响应速度。所有这引出一个重要问题：与其将所有数据发送云端再返回，为何不直接将云移至边缘？企业似乎正在自问并达成共识。
据 Gartner 分析，到 2022 年，企业 3/4 的数据将在中心数据中心外处理分析，而 2017 年不足 10%。随着更多企业采用智能边缘方法，将意味着更大简洁性、性能和安全 —— 将 IoT 益处带给更多企业和政府，而不产生不必要的时间和金钱成本。
边缘分析不仅让公司在各自行业更具竞争力，还能有效实时执行任务，这在我们互联的现实中至关重要。
本文作者：Adi Hirschstein，Iguazio 产品总监
物联网技术