边缘计算发展的主要原因是效率。所有收集到的数据都需要在某个地方进行处理。随着IoT 数据量的增加,越来越多的处理工作在边缘进行。如今的互联设备更加智能,因此能够对 "边缘 AI"(边缘人工智能)进行编程,这也是边缘智能的发展趋势。
凭借在快速发展的IoT 行业中积累的数十年经验,Digi 可提供完整的产品,利用边缘计算功能优化IoT 应用。
只提供重要数据
在IoT 中,网络边缘收集了大量数据,但并非所有数据都有用。平均而言,大多数监控数据往往是标准的 "心跳 "数据。如果数据变化不大,就说明运行良好。例如,如果向远方的数据中心发送数小时的数据,表明机器的生命体征没有变化,那就没有意义了。
过去,公司会将所有监控数据发送到云端或公司数据中心进行处理、分析和存储。然而,随着IoT 的发展,数据量的增加使这种方法变得不切实际。这就是边缘计算出现的原因。
边缘计算在靠近数据源的地方进行处理。这可以大大降低甚至消除将数据传输到云或企业数据中心所需的带宽成本。有些应用确实需要在边缘检查数据。智能或人工智能支持的边缘计算流程可以立即评估情况是否需要实时响应,或将其发送到数据中心进行分析。
在边缘收集的数据大致分为三类:
- 无需进一步操作,也无需存储
- 应将其保留下来,以便日后分析和/或保存记录
- 需要立即做出反应
边缘计算的任务是区分这些类型的数据,确定需要作出何种程度的响应,并采取相应的行动。在大多数情况下,在收集数据的边缘执行这些功能要有效得多。
当异常数据出现时,可能需要采取行动。边缘计算由于物理距离近、延迟低,可以对本地事件做出近乎实时的响应。数据不需要从边缘到云再返回的往返过程。此外,减少网络上的数据流可大幅节省带宽,从而显著降低网络成本,尤其是无线蜂窝连接的成本。