無論您的組織是數(shù)據(jù)科學(xué)新手還是有成熟的戰(zhàn)略，許多人都有類似的認(rèn)識(shí)：大多數(shù)數(shù)據(jù)并非源自核心。

科學(xué)家通常希望訪問大量的數(shù)據(jù)，而這些數(shù)據(jù)對(duì)于安全地實(shí)時(shí)傳輸?shù)綌?shù)據(jù)中心來說是不合理的。無論距離是 10 英里還是數(shù)千英里，傳統(tǒng) IT 基礎(chǔ)設(shè)施的邊界根本就不是為了延伸到固定校園之外而設(shè)計(jì)的。

這使組織認(rèn)識(shí)到，沒有邊緣戰(zhàn)略，任何數(shù)據(jù)科學(xué)戰(zhàn)略都是不完整的。

繼續(xù)閱讀以了解業(yè)界對(duì)耦合數(shù)據(jù)科學(xué)和邊緣計(jì)算的好處、面臨的挑戰(zhàn)、這些挑戰(zhàn)的解決方案的見解，并注冊(cè)以查看邊緣體系結(jié)構(gòu)藍(lán)圖的演示。

邊緣架構(gòu)

Edge computing 是一種 IT 體系結(jié)構(gòu)，通常用于創(chuàng)建能夠容忍地理分布數(shù)據(jù)源和高延遲低帶寬互連的系統(tǒng)。

由于操作環(huán)境的限制，以這種方式設(shè)計(jì)的計(jì)算系統(tǒng)通?？梢酝ㄟ^犧牲計(jì)算速度和高可用性來識(shí)別。

如今，組織通常使用三種邊緣體系結(jié)構(gòu)：

流數(shù)據(jù)

邊緣預(yù)處理

自治系統(tǒng)

流數(shù)據(jù)

圖 1 。流式數(shù)據(jù)體系結(jié)構(gòu)在邊緣收集數(shù)據(jù)并在云中進(jìn)行處理

如今，流式數(shù)據(jù)，即經(jīng)典的“大數(shù)據(jù)”體系結(jié)構(gòu)，是剛剛開始實(shí)施邊緣戰(zhàn)略的組織最流行的原型體系結(jié)構(gòu)。這種架構(gòu)從物聯(lián)網(wǎng)設(shè)備開始，通常是傳感器，放置在工廠、醫(yī)院或零售店的任何位置。然后，數(shù)據(jù)通過云發(fā)送到 IT 系統(tǒng)。

隨著數(shù)據(jù)處理能力的提高，這種體系結(jié)構(gòu)可能會(huì)成為一種障礙，因?yàn)樾枰幕A(chǔ)設(shè)施水平以及需要從邊緣移動(dòng)到核心的大量數(shù)據(jù)。

邊緣預(yù)處理

圖 2 。邊緣預(yù)處理模型是邊緣和云的混合模型

邊緣預(yù)處理模型是向邊緣過渡的組織最常見的體系結(jié)構(gòu)。

傳感器數(shù)據(jù)不是直接輸入數(shù)據(jù)中心運(yùn)行的管道，而是輸入智能數(shù)據(jù)簡(jiǎn)化應(yīng)用程序。這通常是一種智能機(jī)器學(xué)習(xí)算法，它決定哪些數(shù)據(jù)是重要的，哪些數(shù)據(jù)必須發(fā)送回?cái)?shù)據(jù)中心。

提取、轉(zhuǎn)換和加載（ ETL ）過程在該體系結(jié)構(gòu)中不太重要，因?yàn)閿?shù)據(jù)縮減已經(jīng)在邊緣發(fā)生。因此，不需要兩個(gè)數(shù)據(jù)湖，推理可以更快地進(jìn)行。結(jié)果是更快地執(zhí)行業(yè)務(wù)邏輯。

這是創(chuàng)建完全自治系統(tǒng)的良好墊腳石，允許無限量的數(shù)據(jù)壓縮。

自治系統(tǒng)

圖 3 。自治系統(tǒng)在邊緣處理數(shù)據(jù)，具有快速?zèng)Q策的特點(diǎn)

完全自治系統(tǒng)的特點(diǎn)是傳感器在邊緣收集數(shù)據(jù)，以低延遲快速做出決策。由于沒有時(shí)間將數(shù)據(jù)發(fā)送回?cái)?shù)據(jù)中心或云以做出正確的決策，處理在邊緣進(jìn)行，并自動(dòng)采取行動(dòng)。

使用此體系結(jié)構(gòu)，管道的每一步都被發(fā)送到日志機(jī)制，以記錄在邊緣做出的決策。批記錄將消息發(fā)送到云或核心數(shù)據(jù)中心，以便對(duì)所做的決策進(jìn)行分析和系統(tǒng)調(diào)整。

構(gòu)建智能邊緣的行業(yè)見解

構(gòu)建智能邊緣解決方案不僅僅是將一個(gè)容器推送到數(shù)十或數(shù)千個(gè)站點(diǎn)。雖然這似乎是一項(xiàng)微不足道的任務(wù)，但您的組織的成功在很大程度上取決于您所建立的基礎(chǔ)設(shè)施，而不僅僅是數(shù)據(jù)科學(xué)。

構(gòu)建智能邊緣解決方案 運(yùn)行時(shí)需要考慮許多復(fù)雜性，例如規(guī)模、互操作性和一致性。

構(gòu)建智能解決方案的建議技術(shù)包括：

Linux 邊緣系統(tǒng)

容器

Kubernetes

消息傳遞協(xié)議（ Kafka 、 MQTT 、 BYO ）

實(shí)踐中的邊緣基礎(chǔ)設(shè)施

當(dāng)組織希望滿足其業(yè)務(wù)需求并使數(shù)據(jù)科學(xué)能夠推動(dòng)創(chuàng)新時(shí)，您的選擇不應(yīng)局限于您的體系結(jié)構(gòu)。實(shí)施邊緣體系結(jié)構(gòu)可以幫助您針對(duì)新的用例和技術(shù)對(duì)平臺(tái)進(jìn)行未來驗(yàn)證。

雖然了解您的體系結(jié)構(gòu)在 edge 實(shí)現(xiàn)的不同階段中所處的位置很有幫助，但通常最好是查看現(xiàn)場(chǎng)演示。

關(guān)于作者

Tiffany Yeung 是 NVIDIA Edge 和企業(yè)計(jì)算解決方案的產(chǎn)品營(yíng)銷經(jīng)理。 Tiffany 專注于利用 NVIDIA 邊緣解決方案使醫(yī)院、商店、倉(cāng)庫(kù)、工廠等實(shí)現(xiàn)創(chuàng)新。在 NVIDIA 之前， Tiffany 的背景是創(chuàng)業(yè)，她曾為許多財(cái)富 500 強(qiáng)公司提供咨詢。

審核編輯：郭婷