在边缘计算中要避免的两个错误

很多企业对边缘计算非常感兴趣，但往往缺乏良好的架构方法和老式的实用主义

现在更多的东西被推到了边缘。可以将边缘看作是云与任何正在丢弃数据的设备或系统之间的空间。

其思想是在边缘处进行大部分处理，接近产生数据的地方。这种称为边缘计算的方法提供了更好的响应时间，因为不需要将数据发送回中央基于云的数据存储系统，在那里处理数据，然后返回到设备。

边缘计算非常有用。这就是为什么大多数企业都认同这个概念。我看到人们对边缘计算的兴趣正从概念的证明转向生产。然而，它并不能代替良好的架构方法和老式的实用主义。这就是为什么我也看到巨大的错误正在发生——这些错误是可以避免的。这里有两个要避免的常见错误。

错误一：在边缘做的太多

大多数边缘平台都是嵌入式平台，很小，并且都基于ssd。例子包括Arduino平台和RaspberryPi，但我也看到了一些非常大的平台，比如那些基于超融合基础设施的平台。

经验法则是保持它小，便宜，易于复制。很多在这些边缘设备上进行过多处理的公司很快就会发现，他们希望用边缘计算解决的延迟和速度问题会以一种新的形式出现，而且在大多数情况下，情况会变得更糟。

边缘设备应该是专门构建的，并且只能处理收集，处理和传输数据所需的最少量，以及响应需要立即关注的一些问题。例如，边缘设备可以托管来自卡车发动机的遥测数据，并将任何明显的问题直接报告给发动机的计算机和驾驶员，例如温度参数超出范围的过热。然而，边缘不是预测分析的良好位置，以确定发动机潜在问题的潜在新兴问题，其识别意味着通过数PB的数据进行剔除。

此外，如果您将所有边缘计算机设计为功能相同，则可以轻松复制自动化任务。如果你自定义，或采取太多的DIY方法，你不会给自己任何好处。

错误二：忽视边缘的安全性

边缘计算的安全性通常是事后才想到的，尽管其后果比忽视云中的安全性更糟糕。

以卡车为例。如果有人侵入边缘设备，生成了错误的数据，导致引擎关闭，或者司机做出错误的决定，那该怎么办?这种隔离的设备是很好的目标，因为