随着越来越多的工作负载出现在云端，以及物联 等新技术走进生产和生活，对于本地的处理能力提出了额外的需求。而对于云计算来说，其在应对大规模业务有优势，不过这种集中化的数据处理方式在万物互联时代似乎“过时了”。
与广义上的云服务对象相比，物联 设备的需求是有区别的。例如，物联 设备的联 是低功耗，终端并不需要太高的计算能力，况且将数据传递到数据中心，也会影响设备的反应速度。此时，有没有一种本地的解决方案更适合呢案就是边缘计算。
事实上，边缘计算的理念由来已久，但在应用领域却刚刚起步。随着越来越多的工作负载出现在云端，以及物联 等新技术走进生产和生活，对于本地的处理能力提出了额外的需求。而对于云计算来说，其在应对大规模业务有优势，不过这种集中化的数据处理方式在万物互联时代似乎“过时了”。
未来，79%的IoT流量将通过 关接入，50%的 络流量将来自物联 ，而物联 将贡献超过500亿的连接。数据显示，到2020年物联 带来的经济附加值将达到1.9万亿美元。显然，在物联 带来的海量数据中，有相当一部分都是高价值的信息。如何利用好这部分数据，是解决方案厂商和服务商的潜在盈利点。
物联 的特点是“小、快、灵”，实时交互是体验的核心，数据预处理、低能耗、敏捷连接都是前提条件。从架构上来看，边缘计算物联 解决方案可分为传感控制层、 络层、敏捷控制器和应用层，其中 络层主要实现融合和互联，它的功能除了 络连接和管理，还包括边缘计算，进行现场处理，同时保障业务在本地实现。可以说，边缘计算不仅提供了集成计算、存储、连接的智能开放平台，还能降低安全风险。另一方面，这种计算模式也减轻了云的负担。
根据Metcalfe’s Law， 络价值和用户数的平方是成正比的，当越来越多的人和智能的物连接在一个 络上，会让整个 络增值。在物联 数据中，至少23%以上的数据是具备分析价值的数据。
广义来看，在边缘计算演进的过程中，其中既少不了生态平台的搭建，也少不了联盟标准的制定。至于技术层面，各有各的好，关键在于能否为用户提供真正的便利。
标签：大数据BI数据可视化数据分析
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！