隨著技術的發(fā)展，需要新方法的新問題也隨之發(fā)展。隨著智能設備（如智能開關、恒溫器和第三代語音助手）的出現(xiàn)，數(shù)據(jù)量激增并降低了集中計算和分析的效率。邊緣計算通過幫助這些智能設備處理數(shù)據(jù)來滿足它們在邊緣節(jié)點上的需求，從而使這些智能設備更加智能。

邊緣計算僅傳輸集中計算所需的數(shù)據(jù)，從而解決了延時及帶寬成本等諸多問題。邊緣技術不僅提高了邊緣設備的效率，而且還提高了集中式分析系統(tǒng)的效率。鑒于邊緣計算的前景，它有望成為2020年及以后最重要的技術趨勢之一。

例如，Google的Nest使用機器學習算法，根據(jù)每天的溫度調(diào)整情況，了解居民在工作日或周末是在家還是外出。借助此信息，Nest可以在整個星期和周末自行調(diào)節(jié)溫度。Nest的邊緣處理與集中處理相結(jié)合，突顯了企業(yè)數(shù)據(jù)管理面臨的一個有趣挑戰(zhàn)。

傳統(tǒng)上，企業(yè)采用了一種分析數(shù)據(jù)并使用集中式方法從中獲取情報的體系結(jié)構。例如，數(shù)據(jù)倉庫是商業(yè)智能的主力軍，是眾所周知的中央存儲庫，可以將原始數(shù)據(jù)轉(zhuǎn)化為洞察力。該過程稱為ETL，它從操作系統(tǒng)中提取數(shù)據(jù)，將其轉(zhuǎn)換為適當?shù)母袷�，然后將其加載到數(shù)據(jù)倉庫中。

多年來，這種架構已被證明是有效的。但是在邊緣設備時代，傳統(tǒng)的物理數(shù)據(jù)倉庫失去了作為真理的中心來源的光澤。這是因為隨著當今世界轉(zhuǎn)向大量非結(jié)構化數(shù)據(jù)，它們只能存儲結(jié)構化數(shù)據(jù)。而且，數(shù)據(jù)量呈指數(shù)增長。它已經(jīng)變得如此龐大，以至于在許多用例中，將所有數(shù)據(jù)存儲在單個數(shù)據(jù)倉庫中在經(jīng)濟上不再可行。為了克服這些挑戰(zhàn)，企業(yè)將其中央存儲庫過渡到了更便宜的替代方案（如Hadoop），后者還可以存儲非結(jié)構化數(shù)據(jù)。

盡管有了這些發(fā)展，但從性能和成本的角度來看，仍然不希望將發(fā)布于世界各地的多個設備生成的所有信息收集到數(shù)千英里之外的一個中央存儲庫中。中央系統(tǒng)也無法有效智能地分析信息，然后再將這些信息一直建議給設備，以實現(xiàn)最佳性能。

那么，缺少什么呢？

在我們看來，這是一種在設備本身附近執(zhí)行計算功能的技術。邊緣計算架構的出現(xiàn)使設備能夠?qū)⑵渖�成的�?shù)據(jù)發(fā)送到邊緣節(jié)點或距離設備更近的系統(tǒng)，以進行分析或計算。這樣，設備從邊緣節(jié)點獲得所需的情報的速度比連接到中央系統(tǒng)時要快得多。

在此設置中，邊緣節(jié)點連接到中央系統(tǒng)，因此它們僅傳輸中央系統(tǒng)在所有各種設備上進行分析所需的信息。結(jié)果，存在計算的雙重性，其中某些計算在邊緣節(jié)點上進行，達到了本地操作所需的程度，同時，數(shù)據(jù)被傳輸?shù)街醒敕治鱿到y(tǒng)以對所有對象進行整體分析企業(yè)系統(tǒng)。

如今，幸運的是，具有在邊緣僅智能過濾所需數(shù)據(jù)并僅將減少的數(shù)據(jù)傳輸?shù)郊�中式系統(tǒng)的功能。通過減少多達80％的移動數(shù)據(jù)，數(shù)據(jù)虛擬化可以實時執(zhí)行這種選擇性的數(shù)據(jù)處理和交付，而不必在其中復制數(shù)據(jù)。

當數(shù)據(jù)來自各種設備時，位于更靠近這些設備的邊緣節(jié)點處的數(shù)據(jù)虛擬化實例將這些數(shù)據(jù)集成在一起，然后僅提取結(jié)果。然后，將它們傳送到位于中心位置的另一個數(shù)據(jù)虛擬化實例，該實例更靠近數(shù)據(jù)使用者，后者使用報告工具來分析結(jié)果。因此，多位置架構中的數(shù)據(jù)虛擬化實例網(wǎng)絡（其中一些位于邊緣節(jié)點）連接到中央數(shù)據(jù)虛擬化實例，從而完善了邊緣計算框架。

為什么在邊緣更智能？

邊緣計算的最大好處是節(jié)省時間。在過去的幾年中，該技術在存儲和計算兩個方面發(fā)展得比其他方面快得多。 今天的手機比30年前的臺式電腦擁有更多的內(nèi)存和計算能力。但是，邊緣技術的一個方面發(fā)展得還不如傳輸數(shù)據(jù)的帶寬快，因為數(shù)據(jù)從一個位置移動到另一位置仍需要幾分鐘和幾小時。隨著設備越來越遠地遷移到云和跨大洲，必須傳輸盡可能少的數(shù)據(jù)以提高整體效率。

通過將計算委托給邊緣，這些設備將實時學習和調(diào)整，而不會因與中央系統(tǒng)之間的信息傳輸而減慢速度。數(shù)據(jù)虛擬化將帶寬需求以及存儲成本降低了多達80％。