雲計算正在“邊緣化”？隨著物聯網硬件和傳感器成本的不斷下降，物聯網設備越來越智能化和小型化，邊緣計算已經成為一種可行的現實。隨著新的網絡連接技術（如5G）的出現，邊緣架構將為更快更高效的物聯網奠定基礎。

基於雲計算的數據分析極大地推動了物聯網的發展，但現在越來越多的企業將數據處理推向了邊緣。事實上，到2019年，全球生成的數據中，50%將在物聯網的設備層級處理。

考慮到物聯網設備的認知能力通常受到其大小和電池壽命的限制，未來幾年邊緣計算是否真的將取代雲計算？

雲計算為何被邊緣化

基於雲計算的物聯網系統的主要缺點是，每次用戶觸發操作時，軟件層都需要時間來捕獲命令並將其發送到服務器等待響應，然後將信息顯示為圖片。這可能是對在給定時間段內收集的設備狀態數據的請求。這種行為在連接設備、智能家居產品甚至輕量級可穿戴設備中很常見。延遲被認為是構建可實時自主決策的物聯網解決方案的主要障礙。

物聯網設備生成大量數據，但不需要將所有數據推送到雲端

到2021年，物聯網設備每年將產生847ZB的原始數據（2016年僅218ZB）。例如，智能鑽機可以使用多達30000個傳感器來監測各種性能參數，包括工作時間、泵速和衝程計數。然而，製造企業需要實時分析不到1%的傳感器數據，以識別異常並防止事故發生。剩下的99%是所謂的狀態數據，可用於培訓預測性維護模型，但不需要立即採取行動。

黑客可以攔截在物聯網設備和雲計算服務器之間來回移動的數據

在大多數情況下，與本地服務器相比，雲中存儲而且處理物聯網數據更加安全。然而，物聯網設備執行的數據事務91.5%是未加密的。這使得黑客有機會破壞本地路由器並捕獲物聯網流量。

帶寬和能源成本正在上升，但除了移動通信之外還沒有更好的選擇

AT&T公司和Verizon公司等主要通信運營商正在推出用於M2M通信的低功耗網絡，該網絡比LTE便宜，並且通過將數據速率降低到僅120 Kbit/s來節省能源。但是，從長遠來看，這將無法保證節省大量成本。一方面，對帶寬的需求一直在上升，這可能會促使電信公司調整其定價計劃。另一方面，窄帶網絡無法支持物聯網操作，例如固件更新、語音處理和非結構化視頻數據分析。

邊緣計算可以幫助物聯網用戶減少通過網絡的數據量，節省帶寬，並設計可以自動執行的操作（例如，一旦註冊了某種類型的行為，它就會向管理者發送警報通知、關燈或降溫）。

物聯網設備沒有“邊緣因素”。下面是如何使邊緣計算工作。

有幾個因素使邊緣計算成為現實：

●物聯網硬件和傳感器的成本繼續下降：從2004年到2014年，物聯網傳感器的平均價格從1.3美元下降到0.6美元，預計到2020年將再下降37%。

●小型設備越來越智能化：即使是新的原型開發設備，如Raspberry Pi 4，現在也可以支持人工智能算法的功能和能力。

也就是說，許多智能設備（特別是在物聯網的消費者層面）缺乏處理繁重操作的內存，實際上可能運行在固件上，而不是操作系統上。這就是為什麼到目前為止，邊緣計算部署僅限於接收、存儲、過濾和向雲發送傳感器數據。

當無法對設備執行數據分析時，執行霧計算步驟

這項技術涉及到中間計算機、網絡設備和小型數據中心的實現，它們可以在數據源和雲之間劃分傳入的流量。

由於邊緣計算部署需要內部部署和雲計算數據中心相結合，物聯網軟件開發專家首先在雲中設置數據處理單元，然後在IT基礎設施中的互聯設備上模擬其功能。

為了實現這一目標，開發人員使用雲計算管理服務，如AWS IOT greenrass或azure IOT edge。通過這些服務，邊緣設備可以對其生成的數據進行操作，並使用雲平臺進行存儲和分析：

●AWS IOT greenrass僅支持基於Linux的邊緣設備，而邊緣設備與其他小型工具通信。這些小工具的尺寸和複雜度隨微控制器的解決方案而不同。

“Azure IOT edge”允許開發人員通過容器在Linux和Windows設備上執行第三方服務、AI輔助數據處理和自定義應用程序邏輯。

這兩項服務都能確保近乎實時的響應、加密傳感器數據，並使邊緣設備能夠離線或間歇地與雲計算一起工作，從而使較小的公司相對容易地為邊緣設備設計有效的雲架構。

尋找物聯網的殺手級應用

在5G等新的連接技術的支持下，邊緣架構將為未來幾年更快更高效的物聯網奠定基礎。

但此時，雲計算與邊緣計算的平衡仍然是物聯網基礎設施發展的首選方法：雖然延遲和運營成本較高，但基於雲計算的集中式數據存儲庫比小型設備具有更多的存儲和處理能力。