企業對邊緣計算越來越感興趣，因為隨著更多物聯網設備的部署，企業需要快速分析和處理它們生成數據的方法。目標是消除將數據傳輸回云或內部數據中心的需要。

　　根據Gartner 的數據，今天只有20%的企業數據是在數據中心之外處理的。但是，到2022年，大多數企業數據將在數據中心外部產生和處理，Gartner說。到2025年，邊緣設備可以處理高達90%的數據。根據Smoker的說法，Purdue的研究人員使用邊緣計算有很多原因。例如，邊緣計算用于預處理數據，允許工作人員僅從原始圖像中提取有價值的數據。這大大減小了通過網絡發送的數據文件的大小，并優化了有限帶寬的使用。

　　在其他情況下，邊緣計算允許研究人員分析傳感器數據以確保質量，然后再將其添加到更大的數據存儲庫以供進一步研究或者，他們可以向傳感器數據添加適當的元數據，例如GPS坐標和繪圖信息。

　　“在其他方面，我們可以用邊緣計算在農場封閉系統內做出決策，就像在今天的汽車中使用車載計算一樣，”Smoker解釋說。

　　這包括使用傳感器跟蹤工具的性能，并根據收集到的信息采取實時操作。這些信息可以涵蓋許多變量，其中包括農場中耕田地的速度，種子密度或與優化相關的行動，如燃料消耗或施肥量。

　　“我們用這些工具來研究作物遺傳，”Smoker說。“到2050年，我們希望能夠養活全世界的人口，因此我們必須提高我們生產糧食的能力，增加糧食營養并使作物能在新的地區生長“。

　　專注于物聯網中的邊緣計算

　　Gartner副總裁兼分析師Thomas Bittman認為物聯網的采用是推動邊緣計算發展的主要力量之一。因此，公司正在競相尋找重組IT基礎設施的方法，以便利用現有的運營技術將傳感器和其他遠程設備縫合在一起。

　　Bittman說：“重要的是不要把邊緣計算看作是一個市場，而是一種計算拓撲，它將適用于許多獨特的市場：企業、消費者、工業和移動等領域。”

　　“我想說，只要有工廠，員工，客戶或地點，所有垂直行業都將出現邊緣計算，”他補充道。“主要的努力將是實現全新的用例，追求更小的延遲，更廣泛地在工廠實現自動化，并為購物者和員工增加身臨其境的體驗。”

　　數據處理，壓縮和過濾是將在邊緣執行的常見任務，“德克薩斯州Round Rock的制造自動化公司自動化解決方案部門總監Mike Boudreaux表示。

　　服務提供商可以很好地部署沒有應用軟件的邊緣設備。然后，云系統可以將特定應用程序的軟件推送到設備。Boudreaux補充說，這將使公司能夠監控他們想要的應用程序并定期提供軟件更新。

　　物聯網中的邊緣計算有助于養活全世界

　　Purdue大學的精準農業計劃依賴于物聯網邊緣計算的各種設備，包括傳感器，太陽能無線設備，服務器和其他設備 - 所有設備都旨在幫助Smoker跟蹤大學里1,408英畝農場的情況。

　　在給定的研究實驗期間，計算設備會精確地計算需要處理的內容，地點和程度。在大多數情況下，一旦工具完成其工作，最終數據將被發送到主校區的學院中央數據中心。

　　“對我們來說，使用內部數據中心更具成本效益，”Smoker說。“我們研究過云計算服務，但對于我們正在做的工作，它太貴了。”

　　農業學院還使用被稱為Phenomobile的車輛收集研究數據，該車輛收集光反射和波長等數據。在農業研究的背景下，植物的表型描述了在環境影響它后產生的可觀察特征，例如高度，生物量和葉子形狀。

　　Purdue的物聯網基礎設施使其能夠自動化傳感器數據采集并實時傳輸到數據中心。拖車外殼12 IoT排放傳感器還配備了Hewlett Packard Enterprise Edgeline服務器，收集的數據在通過網絡發送到學校的數據存儲庫之前進行分析和質量檢查。Phenomobile收集的數據也可直接從現場流入中央數據中心。

　　“服務器對錯誤的檢查以確保我們將正確的數據發送回主數據中心，”Smoker說。“例如，如果數據不符合某個標準，可能是因為傳感器可能已被閃電擊中。”

　　“關于要養活全世界的問題，”他說。“我們沒有太多時間耽誤了。到2050年，我們預計我們必須將糧食產量翻番，以滿足世界人口的需求。”

　　關于在物聯網中使用邊緣計算的4個問題

　　在決定邊緣計算是否合適之前，企業需要考慮四個主要問題，Hewlett Packard Enterprise公司Aruba戰略合作伙伴副總裁Michael Tennefoss表示。雖然邊緣計算，云和內部數據中心的使用可以互補，但使用任何選項都有助于實現公司的業務目標。

　　Tennefoss建議，公司不應該急于將一切都轉移到云端，也不應該決定所有的處理現在必須在邊緣進行。一個很好的例子是：在世界各地運營多個工廠的制造商可能希望在工廠地板上集成邊緣計算，以跟蹤生產缺陷，但當他們想看到明各工廠之間相互比較的數據時，他們會在云中或內部數據中心中收集數據。

　　需要考慮的關鍵問題包括：

　　1. 公司需要多快的數據?

　　如果生產線每分鐘需要對1000瓶液體進行快速檢測，以實時識別缺陷。將這種環境與城市污水處理進行比較，因為在城市污水處理過程中流體的水平會隨著時間的推移而變化。企業應該確定他們在邊緣所需的響應時間有多快，以及他們是否能夠接受與在遠處的云設施處理該數據相關的延遲。有時，公司將邊緣和云計算混合在一起。例如，如果一家公司擁有多個工廠并希望在這些工廠中匯總性能數據，那么它可以使用邊緣計算來支持高速決策并處理云中的聚合數據。

　　2. 公司在多大程度上可以容忍WAN中斷?

　　對于嚴重受中斷影響的公司，使用邊緣計算處理靠近生成的數據是有意義的。重視正常運行時間并希望使用云計算的企業需要考慮使用蜂窩，互聯網或衛星連接混合的冗余WAN鏈路的網絡。

　　3. 公司能買得起什么?

　　數據傳輸成本可能會迅速上升，特別是在使用衛星通信或蜂窩等高成本服務的情況下。另一種方法是在邊緣處理數據，并在每天結束時通過互聯網連接發送壓縮和聚合數據轉儲。

　　4. 公司政策是否要求某些數據保留在本地?

　　在許多制造和國防應用中，或者在公司處理敏感知識產權或商業機密的情況下，數據可能必須保持在本地。因此，公司可能希望將所有數據保留在邊緣，或者只將相關的摘要數據集通過安全的私有云發送到中央數據中心。出于安全性和合規性原因，全云計算選項可能永遠不會有意義。