利用边缘计算挖掘物联网数据分析潜力-Accenture.PDF

埃森哲技术研究院 利用边缘计算挖掘 物联网数据分析潜力 随着物联网的部署日趋复杂以及业务日趋数据化，如何更 收集 好地结合网络扩展和管理业务，面临着愈发严峻的挑战。 目前 的物联网解决方案都是通过平台收集来自网络边缘设备的传感 数据，然后集中进行存储和分析。 以云中心为例，其所构建的 平台解决方案需要可靠、低延迟、高带宽的网络连接⸺但显 然，不适用于网络状况不佳，连接受限且收费高昂的地处偏远 的企业，或是有海量的数据分析需求。 存储 而边缘分析之所以可以成为未来的发展方向，是因为它能 够基于兼备灵活性和知识性的框架，牢牢把握住了业务发展逻 辑的核心⸺高保真的数据以及更加可靠实时的决策制定。简单 的存储和传统传感器的数据处理已经被先进的数字业务所超 越。物联网边缘设备上的高保真数据无需再往返于各个云计算 平台，而是依靠先进的机器学习和人工智能分析技术，直接对 边缘性数据进行计算和分析以备决策支持⸺即就地对数据进行 分析。 分析 边缘分析发展也给平台的角色扩展带来了前所未有的挑 战。对于边缘分析来说，基于中央云平台的开发和管理十分重 要，其用于分析的应用程序和相关设备模型仍是基础，但当实 施边缘部署时，则需要针对某些特定的实例和场景进行定制。 企业也需要各领域的专家来协调云和边缘，包括分析应用 程序、传感设备和现场工程。同时结合人工智能的传统分析， 能够深入理解所在领域，并适应动态型工作。总体来说，在这 些领域以集中管理的方式协同工作，通过流动性部署、运营及 监控从云到边缘的全盘监管，对于任何物联网解决方案都是至 关重要的。 2 | 寻找边缘计算的优势: 利用边缘计算挖掘物联网数据分析潜力 从云层到雾层 我们需要通过运行各类型的机器模型来区分边缘分析和边 边缘分析的 缘计算，而这些具备学习、预测和规范能力的模型必须拥有强 运营化管理 大的计算环境支持，配备特定的中央处理器、内存和存储设 备。目前并不是所有的边缘设备都能够对这些机器模型进行培 训、运行和再培训。 硬件专家 1 例如，传统的移动电话可以处理预先设定的逻辑条件，但 不适合再培训式的深度学习模型。再者，比如专门用来收集数 据及其边缘作业流程的历史记录设备仪器，则很难胜任常规分 析和机器学习的部署。 软件专家 适合边缘分析的环境反而出现在雾层，以打通与传统设备 2 在最边缘端设备的连接。图一显示了物联网部署拓补结构中不 同层级，其中的雾层为边缘分析提供了合适的环境。 在雾层中，边缘网关通常作为现场各种物联网设备及工业 现场工程师 设备（包括传统和被动传感器）的主要连接点。边缘网关占地 3 面积小，又可在物理环境中更紧密地部署到物联网的相关设备 上，从而为边缘分析提供了相应的功能性支持，比如基本计 算、存储和网络。 此外，雾层可以是由一个或多个设备组成的小型服务器以 作为云的扩展。在雾层中可用的计算、存储和网络功能比网关 级别高一个数量级。这样的配置弥补了一个差距，即边缘网关 上实际提供的有限计算资源和云端中看似可无限扩展的计算资 源之间的差距。因此雾层适用于需要收集、存储和处理来自大 量物联网设备，而非网关的数据分析模式。