与边缘计算结合使用时，云服务可提供显着的收益

（文章来源：金马科技）

现在，来自传统企业系统的数据已与由传感器和连接的设备生成的数据分层，企业发现IoT数据具有与传统企业数据不同的特征。此类数据的速度和数量可能会使尚未准备就绪的系统不堪重负。它还需要对数据模型进行一些重新配置，因为它表示以前计划中可能未包含的不同类型的信息。

这就是云计算的用武之地。由于云具有存储大量数据的能力，因此公司可以在同一位置处理和存储来自其企业系统和IoT设备的数据。对于所有不同的系统，云都成为一个很好的聚集点，企业可以在其中几乎没有限制地扩大或缩小规模。然后，组织可以消除在单独存储数据时出现的系统之间进行集成和审计的需要。

过去，工业公司一直质疑云的保护，因为他们认为云失去了触摸和感知数据的能力。就像不愿将积蓄从床垫下转移到银行帐户中的消费者一样，许多企业也对将数据存放在何处持有类似的保留意见。结果，这些公司拒绝了云计算，而选择了本地技术。

尽管仍然有很多人将云安全视为关注的问题，但是领先的云提供商所采取的行动已经开始影响这些观点。虽然大多数公司都有专门的安全专家(或几名)，但像Microsoft和Amazon这样的云供应商却有数百家。这些庞大的安全团队还遵循最佳实践和特定于行业的标准，并在没有义务的情况下获得适当的认证。供应商还为使用其云解决方案的企业提供了拥有其数据安全性所需的工具。

那些希望将云解决方案作为其物联网部署的一部分的人也可以依靠其安全性。随着云本身的安全性得到进一步证明，它还使公司能够更有效，更安全地与其物联网设备进行交互。正如您将在下面更详细地看到的那样，云是任何大规模物联网计划的重要组成部分，因此，数据生成点之间的舒适安全连接是关键。

同样，云平台也要经过持续审核，以便云服务提供商可以使客户容易获得性能和安全性数据。这种数据访问可帮助企业确保各种IoT设备之间的适当安全性和性能。随着人们认识到云提供商正在将大量资源用于安全性以及云所带来的不可否认的好处，公司越来越多地开始将云解决方案视为一种值得信赖甚至首选的方法。

分别处理云和边缘是一种相当标准的业务实践。但是对于云支持的所有基本工作流程，将边缘计算集成到解决方案中仍具有优势。云和边缘在不同类型的环境中均提供不同的好处，这通常使分布式计算框架最适合于IoT部署。具有差异化的服务可能需要在边缘(或生成数据的点)进行计算的不同层。

例如，考虑一个拥有数百台设备的大型工厂-每个设备实际上都是一个边缘端点，而工厂本身可以代表另一个端点。在这种规模的部署中，在将设备生成的数据发送到云之前，需要先将其生成的数据收集并汇总到工厂现场。

插入此中间层变得至关重要，因为它减少了直接连接的数量，并允许对传播到云中的信息进行过滤，从而防止不必要的数据干扰下游分析。此外，如果该工厂仅使用云计算，他们将无法对设备上生成的数据做出足够快的反应。

数据过载，端点与分析之间的距离，响应时间慢等原因会导致延迟，这可能在安全性和质量方案中产生巨大差异。该框架包括计算方面的优势，使企业能够提取见解并采取行动，这比数据必须先传输到云中然后再回传时要快。这样节省的时间为实时评估设备本身的数据打开了一扇门。

另一方面，如果工厂选择仅采用边缘方法，则他们将缺乏全面了解其运营的能力。如果没有云，他们将只能分别查看每台设备的现场可见性，而无法了解这些端点之间的相互关系。为了获得这种级别的分析，工厂必须实施离线批处理，并手动组合所有工厂数据。

出乎意料的是，云供应商已开始着手提供一些本地解决方案来补充其云解决方案。例如，亚马逊推出了两款专门用于边缘计算的产品：AWS IoT Greengrass(为大型设备提供边缘计算环境)和Amazon FreeRTOS(为微处理器和微控制器提供边缘计算)。微软还推出了类似产品，包括Azure IoT Edge和Azure Sphere。

无论哪种情况，分布式处理和为您的运营选择正确的解决方案都是成功的IoT计划的关键要素。通常，它是一种多层方法，根据优缺点使用不同的计算方法。在边缘和云中执行分析的组织可以看到更为重要的结果，例如最小化的成本和最大化的性能。
（责任编辑：fqj）