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