基于云计算的数据分析极大地推动了物联网的发展，但如今越来越多的企业将数据处理推向边缘。实际上，到2019年，全球产生的数据中有50%将在物联网设备层面进行处理。
 

　　鉴于物联网设备的认知能力通常受到外形尺寸和电池寿命短的限制，未来几年边缘计算将取代云计算，这是真的吗?
 

　　为什么云计算正在被边缘化
 

　　基于云计算的物联网系统的主要缺点是，每当用户触发操作时，软件层就需要时间来捕获命令，将其发送到服务器并等待响应，然后再以图片形式显示信息。这可能是对在给定时间段内收集的设备状态数据的请求。这种行为在连接设备、智能家居产品甚至轻量级可穿戴设备中很常见。延迟被认为是构建能够实时自主决策的物联网解决方案的主要障碍。
 

　　物联网设备会产生大量数据，但并不需要将所有数据推送到云端
 

　　到2021年，物联网设备每年将产生847 ZB的原始数据(2016年仅为218ZB)。例如，一台智能石油钻机可以使用多达三万个传感器来监视各种性能参数，包括工作小时数、泵速和冲程计数。然而，一家制造公司需要实时解析少于1%的传感器数据，以识别异常并预防发生事故。其余的99%是所谓的状态数据，可以将其用于训练预测性维护模型，但不需要立即采取措施。
 

　　黑客可以拦截在物联网设备和云计算服务器之间来回移动的数据
 

　　与本地服务器相比，在大多数情况下，在云中存储和处理物联网数据更安全。然而，91.5%的企业网络中由物联网设备执行的数据交易是未加密的。这使得黑客有机会破坏本地路由器，并捕获物联网流量。
 

　　带宽和能源成本正在上升，但目前还没有替代移动通信连接的方案
 

　　AT&T公司和Verizon公司等主要通信运营商正在推出用于M2M通信的低功耗网络，该网络比LTE便宜，并且通过将数据速率降低到仅120 Kbit/s来节省能源。但是，从长远来看，这将无法保证节省大量成本。一方面，对带宽的需求一直在上升，这可能会促使电信公司调整其定价计划。另一方面，窄带网络无法支持物联网操作，例如固件更新、语音处理和非结构化视频数据分析。
 

　　边缘计算可以帮助物联网的采用者减少遍历网络的数据量，节省带宽，并设计可自动执行操作(例如，一旦注册了某种类型的行为，便会向管理人员发送警报通知、关灯或降低温度)。
 

　　物联网设备没有“边缘因素”，以下是使边缘计算发挥作用的方法。
 

　　有几种因素使边缘计算成为现实：
 

　　·物联网硬件和传感器的成本持续下降：从2004年到2014年，物联网传感器的平均价格从1.3美元下降到0.6美元，预计到2020年将再下降37%。
 

　　·小型设备正变得越来越智能：甚至像Raspberry Pi 4这样的新原型开发设备现在也能够支持人工智能算法的功能和能力。
 

　　也就是说，许多智能设备(尤其是在物联网的消费者级别)缺乏用于处理繁重操作的内存，实际上可能在固件而不是操作系统上运行。这就是为什么到目前为止，边缘计算部署主要限于摄取、存储、过滤以及将传感器数据发送到云端的原因。
 

　　在无法在设备上执行数据分析的情况下实施雾计算步骤
 

　　该技术涉及到中间计算机、网络设备和小型数据中心的实现，它们可以分割数据源和云之间的传入流量。
 

　　由于边缘计算部署需要内部部署和云计算数据中心的结合，因此物联网软件开发专家首先在云中设置数据处理单元，然后在IT基础设施内的连接设备上模拟其功能。
 

　　为了实现这一目标，开发人员使用云计算管理服务，如AWS IoT Greengrass或Azure IoT Edge。通过这些服务，边缘设备可以对它们生成的数据进行操作，同时使用云平台进行存储和分析：
 

　　·AWS IoT Greengrass只对基于Linux的边缘设备提供支持，而边缘设备又与其他小型工具进行通信，这些小工具的大小和复杂性从基于微控制器的解决方案到工业设备都不同。
 

　　·Azure IoT Edge允许开发者通过容器在连接的Linux和Windows设备上执行第三方服务、人工智能辅助数据处理和自定义应用程序逻辑。
 

　　这两种服务都能确保近乎实时的响应、加密传感器数据，并使边缘设备能够脱机工作或与云计算间歇性连接，从而使规模较小的公司相对容易地为边缘设备设计有效的云架构。
 

　　寻找物联网的杀手级应用
 

　　在新的连接技术如5G的支持下，边缘架构将为未来几年内更快更高效的物联网奠定基础。
 

　　然而，在这一点上，云计算和边缘计算的平衡仍然是物联网基础设施开发的首选方法：尽管延迟和运营成本较高，但基于云计算的集中数据存储库比小型设备具有更多的存储和处理能力。