边缘计算助力实时智能发展

人们对实时数据处理有着巨大的需求。许多企业都越发需要快速地读取数据、分析数据，以及以数据为依据快速采取行动，而在网络容量因现在创建的数据量而超载的情况下，无法实现将全部数据都传输到云端进行实时处理。

但是，如果可以将计算和存储云服务延伸到边缘，同时保持云端的简洁和经济呢?这种解决方案通常被称为边缘计算，在数据增长和企业对快速反应需求的驱动下，边缘计算的发展势头正在不断增大。Gartner公司将边缘计算列为“2018年十大战略技术趋势”之一，显然，越来越多的企业希望降低延迟，简化数据处理过程，以便尽可能地加快速度。

边缘计算有时又被称为“雾计算”，正在迅速成为云的补充架构，根据Markets Insider，到2022年，边缘计算市场规模有望达到67.2亿美元，然而对于首席信息官们而言，问题是何时对边缘进行投资，以及何时强化其现有的数据中心、公共云和私有云。

在各个行业，数据的生成正在推动网络容量的极限。根据希捷科技赞助、国际数据公司(IDC)发布的《数据时代2025》研究，如今，企业管理着数据圈中 97% 以上的数据，到2025年，全部数据的60%将由企业创建。

加入云端世界

企业级市场已经充分了解了云的灵活性、规模和可访问性。在数据和处理数据的应用可以利用架构规模实现集中化的情况下，云的工作效果最好。不过，当数十亿台需要实时处理的设备组成了数据源，需要处理的数据量以多个数量级增加时，只有云是不够的。

云为企业提供了在一个可以随时随地连接的虚拟存储空间中收集数据的机会。然而，组织机构越来越要求几乎是即刻的反馈分析，仅仅依靠现有的带宽是不可能实现的，在处理非常巨大的数据级时，当前的带宽会限制处理能力。

中央云模型将继续作为企业网络结构的核心——根据2017年McAfee报告，93%的公司当前正在使用云服务，截至今年年底，在云方面的支出将占IT预算的80%。不过，鉴于更多的首席信息官正需要应对其企业运营部门对实时数据处理的需求，云与边缘正在被越来越多地配合使用。

将云延伸到边缘

边缘计算在存储和分析数据时更靠近数据源，更远离受气候控制的传统集中式数据中心。数据处理和数据存储则在工厂、企业仓库或者自动驾驶汽车等场所中进行。

在分析行为更靠近数据源的情况下，云端可以自由地处理一些较为困难的任务，比如将多台边缘设备上的数据进行整合和分析。

所有这一切都依靠于在边缘设备上的智能数据存储、数据综合处理和数据管理——对于边缘设备而言，安全保护是从最初就内置其中的措施，而非附加的组成部分。

边缘符合商业需求吗?

对于首席数据官而言，他们采用边缘计算的行为将由其特定的商业需求所驱动。一些首席数据官甚至会在OT团队和IT部门之间左右为难——OT团队希望边缘计算支出可以帮助他们将强大的实时分析落实到厂房车间或供应链技术上，而IT部门则更倾向于采取谨慎的做法。

本质上，采用边缘计算也许会受到企业使用了多少由物联网驱动的设备的影响。对于想要采用真正智能的物流体系，或想要通过由联网设备所产生的实时数据而提高效率的企业而言，边缘可以促进企业发展。以上仅仅是两个示例。这些应用需要即时机器智能，而那些想要利用它们的首席信息官们无法等待云端来进行处理。

数据从生成位置传输到云服务提供商并返回通常需要花费150到200毫秒，而拥有靠近这些设备的边缘服务器或网关则可以将上述时间缩短到2到5毫秒。如果您的制造业务拥有可以自动检查部件质量或产品质量的图像识别系统，这种降低延迟在累积之下可以大大提升生产力。

因此，在正确的领域对边缘进行投资可以帮助企业将真正的实时分析引入其商业活动之中，提升效率，最终提高数据处理的基准。在我们对实时智能的需求增加的同时，边缘计算作为云已经在提供和发展的服务的补充与延伸，解放了云端，让云端可以承担新的功能，同时推动企业发展。

文/希捷科技企业数据解决方案高级总监Raghavan Srinivasan