边缘计算推动了物联网部署的价值，但前提是企业能够克服创建数据驱动、低延迟架构的挑战。边缘计算被定义为一种分布式计算模型，它使计算和数据更接近物联网通常部署的位置，从而改善响应时间和带宽。然而，这个定义听起来过于技术化，无法理解边缘计算的真正力量。相比之下，边缘计算正在被重新定义为一种计算模型，它将可操作的智能和洞察力尽可能靠近物联网的部署位置，从而最大限度地提高此类部署的预期价值主张。这种重新定义的原因很明显：边缘计算的价值创造能力更为重要。价值驱动力了解这种强调价值主张的重新定义的基础至关重要。任何物联网产品或服务都有一些驱动因素。驱动程序可大致分为业务、技术、设备和数据驱动程序。最终，任何司机的共同目标都是做出快速、智能和可操作的决策。随着新技术的出现，更多未开发的产品和服务成为可能，新的业务驱动力也得以实现。低功耗无线、超高速处理器或网络虚拟化等技术简化了以前复杂的物联网解决方案，消除了物联网采用的障碍。技术还加速了能够捕获更丰富且以前难以想象的数据的设备的开发。物联网网络可以实现曾经梦寐以求的功能，例如增强现实和智能数字双胞胎。例如，石油和天然气工程师可以在他们的计算机上检查数百至数千英里的天然气管道是否存在故障并采取补救措施。这是可能的，因为数字孪生在元认知和自主传感设备的帮助下，持续监控和报告管道沿线关键组件的健康状况。挑战边缘计算其实是云计算的延伸，但需要注意的是，由于物联网固有的移动性需求，边缘计算比传统云计算更加去中心化和分布式。靠近物联网位置的前端的分布程度与后端服务器的分布明显不同。虽然根据定义，边缘计算旨在尽可能接近物联网设备，但企业仍在以与云计算相同的方式实施边缘计算，原因如下：(1)边缘计算安全产品和实践仍在不断发展，并且，众所周知，边缘设备很容易成为黑客的目标。(2)边缘计算架构模式仍在演进。尽管边缘计算具有不同的性能和延迟要求，但边缘设备生成的数据仍然存储在集中管理的云存储系统中。(3)执行复杂机器学习和深度数据处理模型所需的CPU密集型、内存密集型和低延迟磁盘I/O资源在传统云计算环境中比在边缘更容易获得。(4)其他技术特性和服务也在不断发展，例如更先进、更易于在云中访问的无服务器和托管容器服务。由于这些原因，推动可操作物联网决策的数据洞察力和情报必须依赖于由云平台集中管理的高性能计算。云计算增加了额外的网络和处理延迟，这对于时间关键、感知和响应的物联网实施来说是不可取的。从本质上讲，当前的挑战对实现物联网实施的全部潜力构成了严重障碍，特别是在智能传感和响应行动将产生重大价值的情况下，包括挽救生命和防止财产和资产损失。新兴架构一些行业专家建议为边缘计算开发可靠且强大的参考架构。虽然架构发展的目标是为边缘带来强大的计算能力，但一些架构仍然无法将边缘计算与云端充分分离。此处介绍了一种参考架构，它采用分层方法来分散边缘计算并解决众多已知挑战。该架构具有三个不同的层：设备层、边缘层和云计算层。边缘计算层是满足边缘计算需求的参考架构的核心。以下是边缘层的主要职责：接收、处理、转发来自设备层的数据流；提供边缘安全、隐私保护等时效性服务；边缘数据分析；智能计算；物联网过程优化和实时控制。边缘层根据其数据处理能力分为三个子层：近边缘层、中边缘层和远边缘层。(1)靠近边缘层。近边缘层包含边缘控制器，这些控制器从设备层收集数据，执行初步数据阈值处理或过滤，并控制流向设备的流量。由于设备层中的小工具异构性，近边缘层中的边缘控制器必须支持广泛的通信协议。边缘控制器还与上层接口以接收操作指令或数据驱动的决策，并将它们转换为可编程逻辑控制器或基于动作模块的控制流指令，以传输到设备。因此，近边缘层在与设备层接口时必须表现出微秒级的延迟。这种低延迟在时间紧迫的行动呼吁中变得必不可少，例如当行人突然进入视野时自动驾驶汽车的预期瞬态响应。(2)中间边缘层。中间边缘层包含边缘网关，主要负责通过有线和无线网络与近边缘和远边缘层交换数据。与近边缘层相比，该层拥有更多的存储和计算资源。通过组合来自多个设备的信息，可以在这一层完成更复杂的数据处理。该层的预期延迟为几毫秒到几秒。由于这一层具有存储能力，数据处理产生的数据和智能可以缓存在本地，以支持未来的处理。中间边缘的边缘网关还负责将上层的控制流传递给近边缘层，并对中间边缘层和近边缘层的设备进行管理。(3)远缘层。远边缘层包含功能强大的边缘服务器，这些服务器执行更复杂和关键的数据处理，并根据从中间边缘层收集的数据做出方向决策。本质上，远边缘层的边缘服务器构成了一个小型的计算平台，拥有更强大的存储和计算资源。远边缘层使用更复杂的机器学习算法处理大量数据。该层分析来自不同设备的更多数据，以实现流程优化或评估最佳措施，以在更长的时间内接管更广泛的区域，通常具有更长的延迟。远边缘层也充当云计算层和边缘层之间的桥梁。真正的价值主张从边缘计算实现以下功能的参考架构和示例实现中显而易见：智能派生设备或更接近互联网的事物；与不同数据和智能节点进行双向信息交换的管道；最小化从决策到行动的延迟。情报和决策到行动的延迟对于预期的价值主张至关重要。从联网汽车示例中可以清楚地看出，新兴架构使智能尽可能接近物联网边缘。同样清楚的是，智能的推导越复杂，其计算距离物联网设备就越远。然而，在某些感知和响应物联网实施中，复杂的智能需要更靠近设备层以减少延迟。如果基于云的人工智能模型在车辆已经发生碰撞后预测碰撞，那么它就没有价值。远离设备层并以更高的延迟实施时间关键型智能是一种反模式，是对通常不起作用的问题的常见反应，以实现边缘计算的全部潜力。就好像边缘计算中的边缘被解释为云计算的边缘，而不是物联网设备的边缘。以物联网部署为例。真正的价值在于通过从边缘生成的数据中发现情报和洞察力来快速做出可行的决策。通过在边缘计算的帮助下逐渐使智能更接近设备位置，物联网价值主张可以呈指数级增长。智能延迟越低，价值主张就越大。在实践中，这个数字意味着边缘计算必须通过计算资源变得更丰富、更强大，才能在更接近设备层的地方获得低延迟的复杂智能。可能的示例应用在农业的物联网应用中，拖拉机、土壤传感器、犁上的传感器和供水系统都连接起来以收集数据和挖掘情报。此类远程位置可能没有互联网连接，无法将数据发送到云计算服务器进行处理。即使有联系，延迟接收情报来确定何时给农场施肥和浇水可能是不可接受的。相比之下，具有边缘功能的本地计算会立即将数据转化为行动。边缘计算在快速生成数据的物联网用例中也大放异彩。例如，飞机的发动机、起落架、机身、机翼、轮胎等各个部位都有传感器。根据福布斯发表的一篇文章，平均每架飞机每次飞行会产生60GB到100GB的数据，随着技术的进步，未来10年这一数字可能会增长到5TB到8TB。将此类数据实时上传到云端是不切实际的。然而，数据收集可以在飞行期间为飞行员和机组人员提供有价值的见解。相反，安装在飞机内部的边缘处理器可以处理数据并即时提取所需的情报。结论以下是支持边缘计算重要性的论点的关键要点：物联网实施的关键驱动因素是提供智能答案，其主要目标是让生活更美好。支持物联网的创新解决方案的智能主要归功于数据驱动的洞察力。新的架构模式不断涌现，强调了对低延迟边缘智能的需求。研究和现场经验表明，越靠近边缘设备生成的低延迟数据越多，潜在价值主张就越大。
