在实现边缘计算之前您需要了解的内容

这些是您的公司在沿着边缘分析和处理路线前应该问的问题。本文最初出现在ZDNet上。越来越多的组织正在收集和分析网络边缘的数据，以期改善日常运营。无论是用于升降机和飞机的预测性维护，还是分析收集的数据以保持石油钻井平稳运行，公司都在使用低功耗边缘设备来收集大量数据。这些数据通常被发送到中央数据中心进行分析，但随着边缘收集的数据量的增加，需要分析和修剪接近收集点的数据。但是，将设备部署到网络边缘可能会给企业带来一些独特的挑战。为什么你可能想要从事边缘计算

Gartner基础设施战略小组的研究副总裁兼项目经理Bob Gill表示，将数据处理和分析转移到网络边缘的原因不仅仅是解决带宽不足或连接有限的问题。

他指出，公司应该考虑边缘计算设置，其中设备需要实时或接近实时地处理数据，因此将数据发送到云进行处理所花费的时间将是一个问题。

“让我们说一个城市有一系列交通信号灯，边缘计算我们可以做的事情之一就是在设备之间提供智能，这样他们就可以在不必与中心区域交谈的情况下进行通信，”他说，突出以Swim公司为例进行的边缘分析。

这并不意味着公司总是最好依靠收集数据的相同边缘设备来进行分析。根据分析师Forrester的首席信息官副总裁James Staten的说法，他们通常可能需要将分析卸载到靠近边缘的系统。

“虽然许多公司认为设备本身的边缘分析足够好，但在大多数情况下，不是，它不是，”他说。“例如，在今天拥有所有传感器数据的汽车中，为了引导驾驶员和未来的自动驾驶汽车，您必须汇总来自不仅仅是一辆汽车的数据。”

“这最好通过部署在汽车运行地点附近的边缘计算设备(在每个地铁和多个地铁位置以最佳方式)完成，因此，有关多辆汽车所面临的体验数据的分析可以与天气，地图相结合和其他基于云的数据存储库，“Staten说，并补充说戴尔，HPE，Saguna和IBM提供合适的机器来进行接近边缘的这种分析。

在收集数据的地方附近进行分析也是必要的，以遵守关于数据处理地点的严格规定 - 例如，遵守欧洲通用数据保护条例中的数据主权规定。

在开始边缘计算项目之前要考虑的因素

您的边缘设备有多安全？

Gartner的Gill突出了许多边缘设备运行不安全的软件平台的问题，这些软件平台未针对已知漏洞进行修补，理由是Mirai恶意软件劫持闭路电视摄像机只是一个例子。

“有很多设备具有非常小的安全性，如果我们所讨论的是建立一个依赖于数千甚至数百万设备的关键应用程序，我们必须确保某种端到端 - 安全一直回到核心，“他说。

“在与边缘设备制造商讨论'我们如何衡量他们的安全性与我们的企业安全性相符的程度时，这会带来一些引人入胜的问题?我们如何衡量它如何适应我们的整体身份和访问管理方案?'”，吉尔补充道。

请参阅：从云端到边缘：下一步IT转型（ZDNet特殊功能）|

领导芯片设计师Arm的软件和大规模系统研究的Eric van Hensbergen表示：“从历史上看，你购买的小工具数量只需要几美元，制造这些产品的公司不会投资安全。“

他预计情况会有所改善，并表示Arm正试图在基于Arm的处理器上运行的设备中建立一定程度的完整性。

您是否应该让超大规模云提供商负责安全和维护？

为了保护支持边缘部署所需的基础设施的每个部分，主要的技术公司正在提供新的服务和平台。

其中一个例子就是微软的Azure Sphere，它的目标是在板级和网络层面保护连接微控制器 - 每年有90亿次出货。

Azure Sphere有三个组件。第一个是针对物联网设备的定制微控制器单元，使用板载芯片编码的证书进行认证。

第二个组件是Azure Sphere OS，它在IoT设备上运行，有助于保护和验证硬件，并且基于Linux内核的自定义版本。

第三个是Azure Sphere Security Service，这是一种基于云的产品，可以使用最新的安全更新对设备进行修补，并在推出后的10年内检测这些连接设备的威胁。

参见：

亚马逊通过AWS IoT Core和AWS Greengrass提供类似的服务，而Gartner的Gill表示，对于考虑边缘部署的公司而言，这条路线是可行的选择。

“这表明可能使用超大规模云提供商及其整个云端到边缘的产品组合的优势，”他说。

两家公司还提供数字双系统，允许公司模拟边缘设备和物理空间之间的关系。

不要忘记物理安全

与数据中心的多层物理安全不同，边缘设备通常位于公共场所或其他难以获得的位置，Arm's van Hensbergen指出，因此企业需要考虑如何将不安全因素纳入其计划中。

他说：“有许多非常重要的考虑因素，特别是安全性，他们只需要做对，否则会出现问题。”

请参阅：从云端到边缘：下一步IT转型（ZDNet特殊功能）|

考虑是否应该集中执行任何分析

虽然术语“边缘计算”表明将在网络边缘进行一定数量的数据处理，但集中处理某些分析可能仍然有好处，特别是在需要本地无法获得的计算能力的情况下。

Gartner的Gill举了Google AIY Vision和Voice套件的例子，他说在当地运行训练有素的机器学习模型来处理图像和语音识别，但也将数据发送回Google的云平台，用于培训更准确的机器 -学习模式。

尽量减少维护

Gartner的Gill表示，许多边缘设备的远程特性和长寿命意味着公司希望设备和支持基础设施足够强大，以最大限度地减少实际维护。

“尽可能我们试图让这些设备具有更长的使用寿命，”他说，并补充说许多边缘设备制造商正在努力实现5到10年的生命周期。

关键是工程系统可以通过软件保护和接收新功能，而不是硬件更新，他说。

“当我们开始涉足数十亿设备时，管理所有设备的任务变得一团糟，”他说。

“这正是微软推出的整个Azure Sphere概念之一......我们可以在设备上进行系统更新，就像我们使用Windows Update一样。”

准备好建立一个专业的边缘计算中心

根据Gartner的Gill的说法，由于边缘设备的性质，具有管理设备部署的相关专业知识的员工可能会分散到不同的运营，业务线和IT部门。

因此，他建议边缘部署的管理由“卓越中心”处理，该中心由来自整个组织的具有相关专业知识的员工组成。

“它反映了从云部署到IT业务部门的转变，”吉尔说。

请参阅：从云端到边缘：下一步IT转型（ZDNet特殊功能）|

“当涉及到维护和数据所有权等问题时，我们在这方面拥有同样的东西是必须指明并同意的。”

确保不同边缘部署之间的一定程度的兼容性

Gartner的Gill表示，虽然在试用边缘计算部署时试用许多不同的技术平台是有意义的，但您还需要确保这些部署在业务的不同部分之间具有一定程度的兼容性和互操作性。

“在一个零售组织中，你真的想要四个完全独立的试验，这些试验不相互通信，使用不同类型的技术吗?”他问。

“在一个可能有意义的飞行员中，要学到最多。当你真正开始投入生产时，这显然不是你的最佳优势。”