物联网边缘计算的实际潜力是什么

随着物联网越来越普遍，用例越来越多，某些应用程序将需要实时或接近实时的分析。而企业物联网系统却无法单独安装在云上。

在听到边缘计算这个术语的之前，进行物联网研究是很困难的。因为在物联网中有很多原始数据需要在网络边界上处理，而数据源通常是在设备本身或边缘网关上。尽管该主题看似简单明了，但在物联网边缘计算方面仍然存在很多困惑，包括它是什么，如何实现它以及它的杀手级应用程序是什么，这都需要人们进一步探索。

在谈边缘计算时，不可避免地听到雾计算。有人说这些术语是可以互换的，而另一些人则认为边缘是雾的一部分。

Deloitte Digital的物联网首席技术专家Robert Schmid将此边缘定义为机器旁边的计算能力，而不是由其他人管理某些地方。他认为雾远离机器本身，可能是在网关或者其他管理区。

他说：“有那么一点点双关的意思，边缘是什么，雾是什么。”“所以，我认为关于边缘的定义还需要再讨论一下”

戴尔技术公司的IoT和边缘计算首席技术官Jason Shepherd认为雾太过抽象，并且通常会将边缘与物理位置联系起来。

“我向人们描述它的方式是边缘计算应尽可能接近需要它的用户，”他说。对于电信公司来说，这可能位于手机信号塔的底部。在工厂车间，它应该在生产线上。对于汽车制造商来说，它就在汽车本身。“如果人们想谈论雾，那就是边缘和网络，以及不在云范围内的事物。”

Forrester Research的分析师Chris Gardner说：“目前的状态有点疯狂。” “有很多很好的用例，但是没有一套完整的架构和管理标准。”

但很多公司已经准备好解决物联网加边缘的方案。当今物联网市场中的大型参与者提供的许多边缘策略都包括在物联网系统中部署操作微服务的容器，该系统可能是传感器本身，连接传感器的边缘网关，微型模块化数据中心或者电信公司的基站。

对于思科而言，这些微服务使用专有的IOx，该物联网产品管理副总裁Vikas Butaney说道，“该IOx有两个级别。首先，它允许组织在物联网边缘网关和传统网络环境中托管微服务。其次，使用Cisco Kinetic，它有助于处理物联网数据并在边缘创建逻辑的规则。”

戴尔以及其他一些公司，包括英特尔，三星和VMware等大型公司，以及FogHorn Systems，Striim和Canonical等行业参与者，都选择了由Linux基金会支持的开源EdgeX Foundry。

“将EdgeX视为一个框架，”戴尔的Shepherd说。“这个框架有一些API，这些API绑定了一些开源和供应商无关的内容。插入到框架中的每个微服务都可以引用这些API，无论这些微服务是专有的还是开放的。”

其他开源选项也可用。例如，EdgeX位于应用程序层，而开源Akraino Edge Stack也会涉及基础架构层的API。

Shepherd将这些框架等同于物联网的“管道”。

“这不是与你竞争在哪里赚钱，”他说。“你可以通过“-iTIes”赚钱——可管理性、安全性、可用性和连通性。但你不能从中间的管道中赚钱，这就是为什么我们试图通过事实上的开放标准来使之标准化。”

然而，Gardner说，在专有和开源之间进行选择比在边缘平台和用例之间进行匹配更不重要。

“例如，IOx已经被证明可以在某些制造场景中使用，”他说。“如果我是一家制造公司，我想知道哪些架构适合公司。我会采用一些已有的架构，因为这些架构的一些缺点可能已经得到解决了，或者至少在之前的实现中被讨论过。毕竟引用先前的技术从来不是坏事。”

IDC预测，到2019年，IoT设备所产生的数据中，至少有45%将在网络边缘进行存储，分析和处理。

但我们是否接近物联网边缘计算真实状态？

“边缘现在很普遍，”Gardner说，“新的做法是利用当地资源，以新的方式提高物联网和移动技术。” 他补充说，例如一个足球俱乐部在球场上用信标来确定哪些球衣可以根据球迷的位置向球迷推销。 - 这个用例在十年前是不可能的。

在Deloitte，Schmid发现其近80％的客户项目都包含边缘组件，因为向云发送数据是不可行的。

Schmid提供了在镀锌厂防火示例。因为每次将物体浸入镀锌锅时都会发生火灾，所以防火和检测并不像在本地五金店安装烟雾报警器那么简单。“有些火灾可能会被误检，”他说。“而且还没有足够的时间等待从云端发回的检测结果。这是一个简单的延迟示例。”

在另一个例子中，Schmid描述了一个制造工厂，在工厂的机器和传感器上收集的大量物联网数据需要额外的计算能力才能传输到云端进行分析，然后根据分析结果生成机器学习模型，最后将结果推回原处。

思科的Butaney讨论了一个中型城市交通的部署和管理，该城市部署了IOx和KineTIc来管理其交叉路口和车队。“想象一下，这座城市有1，500个交叉路口和12名IT人员，”他说。“他们有1，500辆警车和消防车需要管理。在这种情形下就要考虑：你如何让它易于部署和管理？” 他补充说，大规模观察是至关重要的。

但是，这些示例并不一定意味着物联网边缘计算已准备好迎接黄金时段。

“这不是一蹴而就的，但每个人都需要做好部署边缘计算的准备。”Butaney说。“我认为客户的需求非常基本，而且非常重要。我们可以将机器学习和更复杂的边缘计算模型等内容构建到这些设备中。”

当然，边缘计算也是有其商业价值的，即使它还没有得到充分的充实。它处于动作发生的边缘，因此很容易理解为什么某些物联网应用程序需要在边缘进行处理。从延迟到带宽再到安全，物联网边缘计算都很有意义。

在Gardner看来，现在还没有。但他在交通运输中看到了有趣的物联网边缘计算用例，例如通过观察火车车厢和公共汽车上的传感器数据，可以监控货运和行李托运。在能源公司的公用事业中，监测钻机的温度和振动，以确保工人的安全。他还看到了各种客户体验的应用程序，例如，在具有增强和虚拟现实的零售中，以及在娱乐场所中，边缘计算可以增强粉丝视觉体验。

Shepherd表示，他认为计算机视觉是杀手级应用，处理接近源的图像的数据，并且只回溯有意义的数据是非常有价值的。他还看到边缘计算在制造质量控制和自动驾驶中的计算机视觉用例的增加，以及它在能源和运输中的应用。他还认为，物联网边缘计算将在零售和医疗保健领域使用频率上升，从而影响到其首要目标：人。

“每个人真正想要的是推动全新的收入流和客户体验，”他补充道。