許多分析和機(jī)器學(xué)習(xí)用例都采用存儲在數(shù)據(jù)倉庫或數(shù)據(jù)湖中的數(shù)據(jù)，在完整的數(shù)據(jù)集或數(shù)據(jù)子集上運行算法，并在云計算架構(gòu)上計算結(jié)果。當(dāng)數(shù)據(jù)不會經(jīng)常發(fā)生變化時，這種方法很有效。但是，如果數(shù)據(jù)經(jīng)常發(fā)生變化怎么辦?

 

如今，越來越多的企業(yè)需要實時處理數(shù)據(jù)和計算分析。物聯(lián)網(wǎng)在很大程度上推動了這種模式的轉(zhuǎn)變，因為來自傳感器的數(shù)據(jù)流需要立即處理和分析來控制下游系統(tǒng)。實時分析在許多行業(yè)也很重要，其中包括醫(yī)療保健、金融服務(wù)、制造業(yè)和廣告業(yè)，在這些行業(yè)中，數(shù)據(jù)的微小變化可能會對財務(wù)、健康、安全和其他業(yè)務(wù)產(chǎn)生重大影響。

 

如果企業(yè)對采用實時分析感興趣，并且這些技術(shù)綜合了邊緣計算、AR/VR、物聯(lián)網(wǎng)傳感器和大規(guī)模機(jī)器學(xué)習(xí)，那么了解邊緣分析的設(shè)計考慮因素非常重要。例如自主無人機(jī)、智能城市、零售連鎖管理和增強(qiáng)現(xiàn)實游戲網(wǎng)絡(luò)等邊緣計算用例，都以部署大規(guī)模、高度可靠的邊緣分析為目標(biāo)。

 

 

機(jī)器學(xué)習(xí)和邊緣計算范例幾種不同的分析與邊緣分析有關(guān)：

 

•邊緣分析是指部署到云計算基礎(chǔ)設(shè)施之外的基礎(chǔ)設(shè)施和本地化基礎(chǔ)設(shè)施中邊緣分析和機(jī)器學(xué)習(xí)算法。

 

•流分析是指在處理數(shù)據(jù)時實時進(jìn)行計算分析。流分析可以在云端或邊緣完成，具體取決于用例。

 

•事件處理是一種實時處理數(shù)據(jù)和制定決策的方法。此處理是流分析的子集，開發(fā)人員使用事件驅(qū)動的架構(gòu)來識別事件并觸發(fā)下游操作。

 

•邊緣計算是指將計算部署到邊緣設(shè)備和網(wǎng)絡(luò)基礎(chǔ)設(shè)施。

 

•霧計算是一種更通用的架構(gòu)，它將計算劃分為邊緣、近邊緣和云計算環(huán)境。

 

在設(shè)計需要邊緣分析的解決方案時，架構(gòu)師必須考慮空間和電源限制、網(wǎng)絡(luò)成本和可靠性、安全性，以及處理要求等因素。

 

 

人們可能會問為什么要將基礎(chǔ)設(shè)施部署到邊緣進(jìn)行分析?這些決策需要考慮技術(shù)、成本和合規(guī)性因素。

 

影響人身安全并需要計算架構(gòu)中的彈性的應(yīng)用程序是邊緣分析的一個用例。在數(shù)據(jù)源(如物聯(lián)網(wǎng)傳感器和分析計算基礎(chǔ)設(shè)施)之間需要低延遲的應(yīng)用程序是通常需要邊緣分析的用例。這些用例的示例包括：

 

•自動駕駛汽車、自動機(jī)械或控制系統(tǒng)使全部或部分實現(xiàn)自動化導(dǎo)航的任何運輸工具。

 

•智能建筑具有實時安全控制，并希望避免對網(wǎng)絡(luò)和云計算基礎(chǔ)設(shè)施的依賴，以允許人們安全進(jìn)出建筑。

 

•跟蹤公共交通的智能城市，為電力計費部署智能電表，以及智能廢物管理解決方案。

 

成本是在制造系統(tǒng)中使用邊緣分析的重要因素。考慮使用一組攝像機(jī)在快速移動的傳送帶上掃描制造的產(chǎn)品是否有缺陷。在工廠中部署邊緣計算設(shè)備來執(zhí)行圖像處理，而不是安裝用于將視頻圖像傳輸?shù)皆贫说母咚倬W(wǎng)絡(luò)，可能會更具成本效益。

 

專注于計算機(jī)視覺解決方案的工業(yè)人工智能開發(fā)商Landing AI公司工程副總裁Achal Prabhakar說，“制造工廠與主流分析應(yīng)用程序完全不同，因此需要重新考慮包括部署在內(nèi)的人工智能。對我們來說，重點工作是部署復(fù)雜的深度學(xué)習(xí)視覺模型，并使用功能強(qiáng)大但商品化的邊緣設(shè)備直接在生產(chǎn)線上進(jìn)行持續(xù)學(xué)習(xí)。”

 

使用邊緣分析和計算還可以將分析部署到偏遠(yuǎn)地區(qū)建筑和鉆探現(xiàn)場。工程師不再依賴成本高昂且可能不可靠的廣域網(wǎng)，而是在現(xiàn)場部署邊緣分析基礎(chǔ)設(shè)施來支持所需的數(shù)據(jù)和分析處理。例如，一家石油和天然氣公司在邊緣部署了帶有內(nèi)存分布式計算平臺的流分析解決方案，并將鉆井時間從通常的15天減少到12天，節(jié)省了20%的時間。

 

合規(guī)性和數(shù)據(jù)治理是進(jìn)行邊緣分析的另一個原因。部署本地化的基礎(chǔ)設(shè)施可以通過在收集數(shù)據(jù)的國家/地區(qū)存儲和處理受限數(shù)據(jù)來幫助滿足GDPR合規(guī)性和其他數(shù)據(jù)主權(quán)法規(guī)。

 

 

不幸的是，獲取模型和其他分析并將其部署到邊緣計算基礎(chǔ)設(shè)施并不總是那么簡單。通過計算密集型數(shù)據(jù)模型處理大型數(shù)據(jù)集的計算需求可能需要重新設(shè)計，然后才能在邊緣計算基礎(chǔ)設(shè)施上運行和部署它們。

 

一方面，許多開發(fā)人員和數(shù)據(jù)科學(xué)家現(xiàn)在都利用了公共云和私有云上可用的高級分析平臺。物聯(lián)網(wǎng)和傳感器通常利用C/C ++編程語言編寫的嵌入式應(yīng)用程序，這對于云原生數(shù)據(jù)科學(xué)家和工程師來說可能是陌生且充滿挑戰(zhàn)的領(lǐng)域。

 

另一個問題可能是模型本身。當(dāng)數(shù)據(jù)科學(xué)家在云中工作并以相對較低的成本按需擴(kuò)展計算資源時，他們能夠開發(fā)具有許多功能和參數(shù)的復(fù)雜機(jī)器學(xué)習(xí)模型，以充分優(yōu)化結(jié)果。但是，當(dāng)將模型部署到邊緣計算基礎(chǔ)設(shè)施時，過于復(fù)雜的算法可能會顯著增加基礎(chǔ)設(shè)施的成本、設(shè)備的大小和電力需求。

 

SambaNova Systems公司產(chǎn)品副總裁Marshall Choy對人工智能模型部署到邊緣的挑戰(zhàn)進(jìn)行了探討。他說：“邊緣人工智能應(yīng)用的模型開發(fā)人員越來越關(guān)注高度詳細(xì)的模型，以實現(xiàn)參數(shù)簡化和計算需求的改進(jìn)。這些更小、更詳細(xì)的模型的訓(xùn)練要求仍然令人生畏。”

 

另一個考慮因素是，部署高度可靠和安全的邊緣分析系統(tǒng)需要設(shè)計和實現(xiàn)高度容錯的架構(gòu)、系統(tǒng)、網(wǎng)絡(luò)、軟件和模型。

 

Hazelcast產(chǎn)品營銷高級總監(jiān)Dale Kim對在邊緣處理數(shù)據(jù)時的用例和約束進(jìn)行了分析。他表示，雖然設(shè)備優(yōu)化、預(yù)防性維護(hù)、質(zhì)量保證檢查和關(guān)鍵警報都在邊緣可用，但也存在一些新的挑戰(zhàn)，如有限的硬件空間、有限的物理可訪問性、有限的帶寬以及更大的安全隱患。

 

Kim說：“這意味著企業(yè)習(xí)慣于在數(shù)據(jù)中心使用的基礎(chǔ)設(shè)施不一定能正常工作。因此，需要探索采用了邊緣計算架構(gòu)的新技術(shù)。”

 

 

如今，邊緣分析更主流的用例是數(shù)據(jù)處理功能，包括數(shù)據(jù)過濾和聚合。但隨著越來越多的企業(yè)大規(guī)模部署物聯(lián)網(wǎng)傳感器，實時應(yīng)用分析、機(jī)器學(xué)習(xí)和人工智能算法的需求將需要更多的部署在邊緣。

 

隨著傳感器的價格變得更低，應(yīng)用程序需要更多的實時分析，以及為邊緣開發(fā)的具有成本效益的優(yōu)化算法變得更容易，因此邊緣的可能性為智能計算的發(fā)展創(chuàng)造了令人興奮的未來。

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。