文章轉(zhuǎn)載 物聯(lián)網(wǎng)世界>>千家網(wǎng)
邊緣計算是IT領(lǐng)域最重要的發(fā)展趨勢之一。根據(jù)IDC的數(shù)據(jù)，到2023年，超過一半的新企業(yè)IT基礎(chǔ)設(shè)施將處于邊緣。Gartner預(yù)測，到2025年，75%的企業(yè)生成數(shù)據(jù)將在傳統(tǒng)數(shù)據(jù)中心或云之外創(chuàng)建和處理。
然而，盡管發(fā)生了這一重大轉(zhuǎn)變，許多IT和業(yè)務(wù)領(lǐng)導(dǎo)者仍處于定義邊緣如何補充其整體云戰(zhàn)略的早期階段。根據(jù)Hewlett Packard Enterprise的獨家研究，通過試點項目和概念驗證，許多企業(yè)剛剛開始意識到邊緣計劃的潛力。
為了能更好地在邊緣之旅中前進，本文定義了四個需要牢記的重要因素。
因素一：云和邊緣是互補的
關(guān)于邊緣的一個常見誤解是，其將以某種方式取代云計算。實際上，邊緣和云應(yīng)該攜手并進。智能策略假設(shè)去中心化邊緣和集中云之間的同步。借助云，無論是公共云、混合云還是私有云，都擁有一個平臺來集中所有數(shù)據(jù)，并在整個企業(yè)需要的時候隨時隨地利用這些數(shù)據(jù)。
邊緣使企業(yè)可以通過速度和洞察力最大化數(shù)據(jù)的價值。借助邊緣，企業(yè)可以將數(shù)據(jù)發(fā)送到云端并快速檢索，或者更好的是，企業(yè)可以在創(chuàng)建數(shù)據(jù)的地方利用數(shù)據(jù)。這為從實時分析、物聯(lián)網(wǎng)(IoT)設(shè)備和快速決策中獲得優(yōu)勢的應(yīng)用和用例創(chuàng)造了增量價值。企業(yè)可以使用實時數(shù)據(jù)在現(xiàn)場做出對時間敏感的決策。也可以將傳輸原始數(shù)據(jù)的成本降至最低，并啟用出于安全性、合規(guī)性或其他原因無法將數(shù)據(jù)發(fā)送出去的應(yīng)用程序和用例。
因素二：許多創(chuàng)新用例源自物聯(lián)網(wǎng)的融合和集成
雖然邊緣用例多種多樣，但好處始終集中在創(chuàng)造運營效率和速度上，從而推動新的變革性商業(yè)模式，以實現(xiàn)競爭差異化。這些用例包括監(jiān)控和閾值警報、預(yù)測性維護和機器對機器自動化、遠(yuǎn)程學(xué)習(xí)和培訓(xùn)，以及住院和家庭健康監(jiān)測。根據(jù)Grand View research的數(shù)據(jù)，這種可能性是無窮無盡的，預(yù)計2021年至2028年的復(fù)合年增長率將達(dá)到38.4%，從而推動對邊緣計算技術(shù)的需求。
因素三：邊緣創(chuàng)新需要有凝聚力的數(shù)據(jù)戰(zhàn)略來擴展
成功的邊緣策略始于管理數(shù)據(jù)和基礎(chǔ)設(shè)施的統(tǒng)一計劃。在數(shù)據(jù)中心之外生成的大量數(shù)據(jù)是加速邊緣計算需求的關(guān)鍵因素。并非所有的數(shù)據(jù)都可以或應(yīng)該被存儲和轉(zhuǎn)發(fā)。如果沒有一個全面的數(shù)據(jù)策略，企業(yè)將面臨數(shù)據(jù)捕獲速度迅速超過業(yè)務(wù)洞察能力的風(fēng)險。
一個重要因素是利用能夠從創(chuàng)建到刪除整體管理數(shù)據(jù)的解決方案。這意味著使用自動化和以數(shù)據(jù)為中心的策略，消除孤島，并統(tǒng)一數(shù)據(jù)生命周期中的工作流。無論數(shù)據(jù)位于何處——從數(shù)據(jù)中心到邊緣再到云。
因素四：網(wǎng)絡(luò)是成功邊緣戰(zhàn)略的核心
減少延遲和提高彈性的需求是邊緣計算興起的一個重要因素。現(xiàn)在，隨著物聯(lián)網(wǎng)的發(fā)展和向更多IT基礎(chǔ)設(shè)施的轉(zhuǎn)移，網(wǎng)絡(luò)的作用變得更加重要，重點關(guān)注有線和無線網(wǎng)絡(luò)，以及速度、容量、帶寬、吞吐量、彈性和減少延遲等因素。
更多支持邊緣的應(yīng)用程序和用例將需要實時處理和分析數(shù)據(jù)，以解決性能問題并限制與帶寬相關(guān)的成本。隨著越來越多的應(yīng)用程序利用機器學(xué)習(xí)和人工智能在邊緣和邊緣之間傳遞價值，對網(wǎng)絡(luò)性能和帶寬的關(guān)注在未來會變得更加明顯。
成功的邊緣計算需要經(jīng)過深思熟慮的架構(gòu)和實施規(guī)劃，由于邊緣的去中心化性質(zhì)，這變得更加復(fù)雜。由于收集和分析數(shù)據(jù)的網(wǎng)站眾多，以及決策的即時性，很難創(chuàng)建一個萬能的模型。
