接上一篇文章：《物联网发展趋势之一（2019）》《物联网发展趋势之二（2019）》《物联网发展趋势之三(2019)》在第三次物联网发展趋势（2019）中，边缘计算的两种模式是介绍：固定逻辑处理模式和AI学习模式。今天我们继续讨论边缘计算的处理机制。设备的边缘测试和云端中心控制选择机制一个设备可以被边缘测试控制，也可以被云计算中心控制，所以控制该设备时需要解决以下问题：本设备被边缘（或云端）控制）中控）？还是可以通过边测和云中心来控制？如果选择单体控制，哪种类型的设备适合边缘计算控制，哪种类型的设备适合运营中心控制？如果这个设备能够同时被边缘和云端中心控制。当边缘计算和云计算的控制不一致时，设备应该先响应哪个控制？这些问题在边缘计算还不成熟的时候并不突出。当边缘计算变得流行时，这些问题将困扰着系统设计者。仍然尝试使用人工处理机制，为边缘计算的发展提供一些参考。对于器官的低端神经控制和高端神经控制的选择，我选择心、肺、手的控制方式来分别说明。人能用大脑控制心脏的跳动吗？心脏的跳动不受大脑控制。肺可以由大脑控制。例如，人可以有意识地控制呼吸的频率，可以调节深呼吸和浅呼吸。你也可以有意识地屏住呼吸。但是当你长时间屏气，达到屏气的极限时，即使大脑仍然控制着肺部屏气，肺部也不再接受大脑的控制，而是选择低位的控制-结束神经。双手大部分时间都由大脑控制。但在一些极端情况下，手是由低端神经控制的：手突然遇到疼痛刺激[比如手指遇到火]。由此可见，人们接受低端神经控制和高端神经控制是有一个机制的：为了保证安全，多为低端神经控制。为了保证灵活性，选择高端的神经控制。但安全相关的处理机制固化在低端神经中，遇到安全相关的选择时，优先选择低端神经控制。对于对灵活操控要求高的器官，则采用更高端的神经控制。设备控制的选择机制根据高端神经控制和低端神经控制的机制，未来物联网设备的边缘计算和云计算控制机制可以设计为如下机制：安全相关的处理逻辑，固化到边缘测试，是一个优先级***控制。根据设备的重要性，选择边缘测量和云计算控制。例如，对于安全级别最高的设备，选择边缘计算控制。根据设备功能的灵活性，选择边缘测量和云计算控制。灵活的设备，选择云计算控制。划定一个安全阈值边界，当安全达到这个阈值边界后，设备由边缘计算的固有逻辑自动处理。总结边缘计算完善后，将面临选择设备是云计算控制还是边缘计算控制的难题。借鉴人体搬运的经验，可以从安全性和灵活性两个维度考虑。边缘处理，安全性高，灵活性低；安全性低、灵活性高的云计算处理；高安全性和高灵活性，主要基于云计算控制；高水平的监测和监控；低安全性和低灵活性，边缘控制为主，适度增加云计算控制能力。
