云计算和边缘计算完全取决于实现应用程序的不同方法

随着物联网的使用，连接到云的应用程序和系统正在迁移。云上生成的终端设备和数据的数量也在增加。传感器BUF420M、移动设备、可穿戴设备、机器人和物联网生态系统等边缘设备将产生大量分散的数据。

由于缺乏可靠的联系，从云中分析和提取重要意见是一个挑战。企业利用边缘分析和云计算来应对这一挑战。

这种组合给物联网网络带来了稳定性。通过将计算能力带到数据源附近，可以减少分析中的延迟，为各行业的问题提供实时意见和解决方案。换句话说，当数据不能带入算法时，边缘分析将数据引入算法并提供重要意见。

边缘分析

近年来，由于半导体技术的进步，MCU通过部署先进的机器学习方法（如深度神经网络或卷积神经网络），处理器具有更多的处理能力、特殊的硬件组件和计算能力，以帮助更快的边缘分析。

在TensorFlow，keras和Caffe优化后，可以在流行框架上部署开发模型，从而在中间部署Andriod操作微控器等推理设备。MCU推理引擎的功能设计，如张量流-简化版，CMSIS-NN定量模型可以在边缘执行，以便更快地分析。

边缘分析帮助组织需要边缘数据洞察力。让我们来看看边缘分析如何帮助世界各地的许多行业。

1、汽车

据报道，汽车中使用的传感器平均数从50-60增加到1万+，在不久的将来，它将达到2万+，这将产生大量的数据。对于移动汽车来说，连续可靠的云连接是另一个挑战。例如，在自动驾驶汽车中，延迟向云发送数据、分析数据和采取行动可能会对自动驾驶汽车的成败产生很大的影响。

汽车边缘分析将帮助公司实时收集、分析和处理数据，以便立即采取必要的行动。此外，智能应用程序还可以通过边缘人工智能和机器学习设计，如防撞、交通路线和眼睛越野检测系统。这确保了优化的资产使用、低维护和乘客安全。

2、医疗

物联网驱动的医疗设备可以收集病人的数据。收集到的数据可以在没有连续网络连接的情况下进行边缘分析。随着半导体技术的进步，硬件和机器学习变得更加有效，可以监测和分析更复杂的参数，如神经活动、心律和血压。

通过边缘计算、患者管理、远程监测、住院护理和健康信息管理。为了解释这一点，医生的移动设备或平板电脑设备是患者（数据源）和云之间的边缘。使用手机或平板电脑治疗患者的临床医生将能够在边缘分析平台上输入患者数据，并在边缘实时处理和显示数据。这有助于更快地治疗患者，减少他们看医生的频率。此外，它还增加了云和设备之间的安全计算能力层，以保护患者的数据。

3、制造业

在制造商或工厂中，边缘设备上的任何生产线都涉及多个传感器，以不断测量货物和设备的温度、湿度、压力等参数。将这些数据连接到云并进行数据分析需要很长时间。边缘计算可以处理这些数据进行分析，并在此过程中实现或推荐所需的数据ML它还支持预测和监控。机器学习算法可以预测设备故障，并在设备故障发生前及时安排维护，有助于延长其使用寿命，减少停机时间，节省维护成本。

4、云端分析

在了解了边缘分析的优势后，重要的是要明白它不会取代云，而是通过实时分析来补充云计算，因为它接近数据源。很少有过程将继续在云中执行。

机器学习算法的训练：机器学习算法的发展取决于大量的数据。在训练模型之前，学习过程绘制了许多实体、关系和聚类。这可以与云上的训练模型一起实现。

处理能力&存储容量：存储和处理能力的无限可扩展性，易于部署和分析，使云分析不可替代。历史数据存储在云中。通过云分析，这些云在未来将非常有用。例如，它可以在流量数据中添加历史数据，或者使用边缘分析来分析所有设备的所有输出。

在边缘分析中，云可以使用所有连接到单个云应用程序的边缘设备。云有一种管理数据的方法，并将其转化为有意义的预测和分析。

如何补充边缘分析的云？

物联网系统的实时决策仍然具有挑战性，包括延迟、带宽、功耗、成本、外观等因素。这可以通过在边缘添加人工智能来克服。

数据带宽/传输利用率低:将大量数据转移到云中进行处理，可能导致高数据带宽消耗明显滞后，对关键时间的应用产生负面影响。边缘处理避免了这种延迟，消除了对数据带宽的依赖。

消除与云的连续连接需求：在石油、天然气或采矿行业，员工在远离人口密集地区的远程车站工作，因此没有连接。在这种情况下，机器人和其他边缘设备上的传感器可以捕获数据，分析和监控操作参数。

实时性能和更快的处理速度：边缘计算大大降低了必须通过网络发送的数据量，从而减少了网络拥塞，加快了运行速度。边缘计算不是在云中运行，而是在计算机上，IoT设备或边缘服务器等本地操作流程。通过将计算引入网络边缘，可以减少客户端与服务器之间的远程通信，获得实时意见。

提高数据安全性（更接近数据源和位置感知）：解释，而不是让安全摄像头将其视频内容传输到云中，以分析相机本身的某些情况（未知人员、对象等）。数据隐私和与生物识别数据相关的安全问题使仅使用本地数据而不通过云连接发送数据非常重要。

云计算和边缘计算完全取决于实现应用程序的不同方法。虽然它们不是诽谤，而是相互补充。不可能有适合所有场景的解决方案。关键因素很少，如实时性能、带宽成本、数据规模和应用复杂性。这些因素决定了边缘分析、云分析或两者兼而有之。

应用程序计算边缘方法云计算实时

免责声明：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。