คำแนะนำในการใช้แอพสองตัวพร้อมการคำนวณแบบขอบ

ทุกคนกำลังพูดถึงการคำนวณที่ทันสมัยในวันนี้ แต่มีน้อยคนที่เข้าใจว่ามันคืออะไร การประมวลผลขอบอย่างชัดเจนหมายถึงการประมวลผลใกล้กับแหล่งข้อมูลไม่ว่าจะบนเซ็นเซอร์หรือใกล้กับเกตเวย์ หากคุณต้องการทราบว่า IT สามารถจัดการ edge computing ได้ดีที่สุดอย่างไรให้ดู "IT Needs to Start คิดเกี่ยวกับ 5G และ Edge Cloud Computing" คอลัมน์โดย Wayne Rash เพื่อนร่วมงานของฉันและผู้สนับสนุน PCMag IT Watch แต่สำหรับจุดประสงค์ของบทความนี้เราสามารถเริ่มต้นด้วยคำอธิบายจาก บริษัท วิจัยตลาด IDC ซึ่งกำหนดให้การประมวลผลที่ทันสมัยเป็น "เครือข่ายตาข่ายของศูนย์ข้อมูลขนาดเล็ก" ที่มี "รอยเท้าน้อยกว่า 100 ตารางฟุต"

เช่นเดียวกับคำศัพท์ใหม่ในพื้นที่เทคโนโลยี "การคำนวณคม" ถูกนำมาใช้อย่างกว้างขวางและเชื่อมโยงกับเทคโนโลยี buzzword อื่น ๆ ที่หลากหลายรวมถึง blockchain เครือข่ายการส่งเนื้อหา (CDNs) การคำนวณกริดการประมวลผลแบบกริดและเพียร์ทูทู คอมพิวเตอร์เพียร์ งานทั่วไปไม่ว่าจะใช้เทคโนโลยีใดร่วมกับการคำนวณแบบขอบคือการเพิ่มความเร็วในการวิเคราะห์ข้อมูลและการกระทำที่เกี่ยวข้องโดยการลดระยะห่างระหว่างที่ข้อมูลถูกประมวลผลและจุดสิ้นสุดผลลัพธ์ของผลลัพธ์นั้นจะมีผล

เมื่อพูดถึงการแปลงข้อมูลเชิงลึกทางธุรกิจที่ยากชนะของคุณให้กลายเป็นข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้นั่นเป็นข้อพิจารณาที่สำคัญ แต่ถึงแม้ว่า BI (โดยเฉพาะการวิเคราะห์ความหน่วงต่ำ) และการคำนวณขอบดูเหมือนจะเป็นการจับคู่ที่เกิดขึ้นในสวรรค์ของเทคโนโลยี แต่ก็มีหลายสิ่งที่ต้องพิจารณาก่อนที่จะรวมสองอย่าง

การวิเคราะห์ที่ Edge กับ Streaming Analytics

ความสำคัญของ Edge computing ในการวิเคราะห์นั้นชัดเจนเมื่อคุณรู้ว่าไม่มีวิธีปฏิบัติอื่น ๆ ในการถ่ายโอนข้อมูลสึนามิอย่างต่อเนื่องของ Internet of Things (IoT) ไปยังคลาวด์โดยไม่ต้องสร้าง latency ที่ไม่สามารถป้องกันได้ ปัญหาความล่าช้านั้นสามารถพิสูจน์ได้ว่าเป็นอันตรายถึงชีวิตในแอปพลิเคชั่นการวิเคราะห์ที่เกิดขึ้นใหม่หลายอย่างเช่นการขับขี่แบบอิสระ ข้อมูลล้นจะนำคุณจากบรอดแบนด์ไปสู่คอขวดในเวลาน้อยกว่าที่จะพูดว่า "สตรีมขึ้นสก็อตตี้"

ใช่การวิเคราะห์สตรีมมิ่งได้รับการขนานนามเมื่อไม่กี่ปีที่ผ่านมาเนื่องจากยาครอบจักรวาลที่มีความไวต่อการตอบสนองสำหรับการดึงข้อมูลเรียลไทม์ที่อ่านบนข้อมูล IoT แต่ในขณะที่การวิเคราะห์สตรีมมิ่งยังคงมี Upside อยู่มากมายก็ไม่สามารถเปลี่ยนฟิสิกส์ได้ การถ่ายโอนข้อมูลจำนวนมากช้าลงโดยเราเตอร์จำนวนมากความล่าช้าในการแพ็คเก็ตเสมือนจริงการเชื่อมต่อที่ลดลงและข้อ จำกัด ทางกายภาพอื่น ๆ ในเครือข่าย ในกรณีของ IoT ในพื้นที่ห่างไกลการรับการเชื่อมต่อเครือข่ายเป็นข้อเสนอที่ยิ่งใหญ่ในทุกวัน

มันไม่ได้ช่วยเรื่องที่ว่าปัญหาเหล่านี้ทั้งหมดจะถูกขยายโดยระยะทางกายภาพระหว่างข้อมูลและกระบวนการคำนวณ ด้วยเหตุผลเหล่านี้และอื่น ๆ การวิเคราะห์สตรีมมิ่งมีแนวโน้มที่จะอยู่ใน "แบบเรียลไทม์" มากกว่าเวลาจริง ความล่าช้านั้น - ไม่ว่าจะเล็กเพียงใดก็ตาม - เป็นปัญหาใหญ่ถ้าพูดว่า, คุณต้องการเอาท์พุททันเวลาเพื่อให้รถอิสระในการเบรกและหลีกเลี่ยงการชน มันเป็นปัญหาที่ใหญ่ขึ้นถ้าคุณต้องการให้รถทุกคันบนทางหลวงนั้นเบรกทันที

ในระยะสั้น Star Trek และผู้ให้บริการข้อมูลในชีวิตจริงมีข้อ จำกัด และไม่มีอะไรที่ Scotty ด้านไอทีสามารถทำได้ มีข้อมูล IoT มากเกินไปสำหรับเครือข่ายวันปัจจุบันที่จะจัดการและปริมาณยังคงเติบโตในอัตราที่น่าทึ่ง สิ่งใหญ่ที่นี่: การประมวลผลแบบ Edge เกิดกระแสข้อมูลผ่านเครือข่ายและให้ผลลัพธ์การวิเคราะห์ที่เร็วขึ้นเช่นกัน

Edge Cloud vs. Cloud

เนื่องจากศูนย์ข้อมูลขนาดเล็กเหล่านี้สามารถรวมเข้าด้วยกันในการทำงานร่วมกันการสื่อสารหรือการพึ่งพาซึ่งกันและกันบางคนชอบใช้คำว่า "edge cloud"

ตัวอย่างเช่นรถยนต์ยุคใหม่มีคอมพิวเตอร์ฝังตัวหลายร้อยตัวที่ออกแบบมาสำหรับการจัดการระบบแต่ละระบบ แต่ยังเชื่อมต่อกันเพื่อให้ระบบสามารถสื่อสารกับเครื่องอื่นและปรับให้เข้ากับความต้องการ กล่าวอีกนัยหนึ่งพวกเขาเป็นรายบุคคลรวมกันและใช้การคำนวณอย่างหนักเพื่อทำหน้าที่ที่ซับซ้อนที่หลากหลาย

“ ไม่เพียง แต่พวกเขาจะตอบสนองต่อสภาพที่สังเกตได้ แต่พวกเขาเรียนรู้และปรับตัวเมื่อเวลาผ่านไป” Johnathan Vee Cree, PhD, นักวิทยาศาสตร์ / วิศวกรระบบสมองกลฝังตัวและระบบไร้สายที่ห้องปฏิบัติการแห่งชาติแปซิฟิกตะวันตกเฉียงเหนือของกระทรวงพลังงานสหรัฐ "ตัวอย่างเช่นระบบหัวฉีดเชื้อเพลิงที่ทันสมัยจะสังเกตรูปแบบการขับขี่ของรถยนต์เพื่อปรับให้เหมาะสมสำหรับพลังงานและประสิทธิภาพการใช้เชื้อเพลิงธรรมชาติแบบเรียลไทม์ของข้อมูลนี้จะทำให้ไม่สามารถดำเนินการได้ทุกที่อื่นนอกเหนือจากที่ขอบ"

แม้จะมีการพึ่งพาซึ่งกันและกันของระบบหลายระบบคำว่า "edge cloud" มีแนวโน้มที่จะทำความเข้าใจกับโคลนมากขึ้นเพราะมันไม่แน่ชัด

"เมื่อพูดถึงอุปกรณ์ IoT ข้อควรพิจารณาก็เกือบจะตรงกันข้ามกับคลาวด์" Vee Cree กล่าว "โดยทั่วไปอุปกรณ์ IoT มีพื้นที่จัดเก็บและการประมวลผลที่ จำกัด การเชื่อมต่อที่ไม่ต่อเนื่องกับโลกภายนอกและอาจใช้พลังงานจากแบตเตอรี่ค่าคีย์ในอุปกรณ์เหล่านี้คือความสามารถในการแปลงค่าเซ็นเซอร์ดิบให้เป็นข้อมูลที่มีความหมาย"

Edge Computing Devices กราฟิกข้างบนพิมพ์ซ้ำได้รับอนุญาตจาก TECHnalysis Research

อย่างไรก็ตามการคำนวณแบบขอบและการประมวลผลแบบคลาวด์ไม่ได้เกิดขึ้นพร้อมกัน อันที่จริงแล้วพวกเขาเชื่อมโยงกันในกลยุทธ์ข้อมูล IoT ที่ประสบความสำเร็จมากที่สุด ไม่น่าจะเปลี่ยนแปลงได้ตลอดเวลาเร็ว ๆ นี้

"ตัวอย่างของการรวมกันของ edge และ cloud computing มาจากคุณสมบัติ autopilot ของ Tesla ระบบ autopilot จะต้องรับรู้และตอบสนองต่อสภาพการขับขี่ที่เปลี่ยนแปลงตลอดเวลามันทำได้ผ่านการใช้อัลกอริทึมการเรียนรู้ของเครื่องที่สามารถตรวจจับและหลีกเลี่ยงอันตรายได้ การควบคุมรถแม้ว่าข้อมูลนี้จะใช้ในการตัดสินใจแบบเรียลไทม์ แต่ก็มีการแชร์กับคลาวด์และใช้เพื่อปรับปรุงคุณสมบัติระบบอัตโนมัติสำหรับผู้ขับขี่ทุกคน” William Moeglein วิศวกรซอฟต์แวร์ของ PNNL อธิบาย

การเล่นคอมโบและขอบคอมโบนั้นเป็นเรื่องธรรมดาเพราะมันใช้งานได้ มันใช้ประโยชน์จากสิ่งที่ดีที่สุดของทั้งสองโลก แต่มันไม่ใช่เกมเดียวในเมือง ในความเป็นจริง 36 เปอร์เซ็นต์ของการวิเคราะห์ขอบตั้งอยู่ในศูนย์ข้อมูลขององค์กร 34% บนขอบและ 29 เปอร์เซ็นต์ในระบบคลาวด์ตามรายงานของ "การคำนวณบนขอบ: การไฮไลท์การสำรวจ" โดย Bob O'Donnell ประธาน และหัวหน้านักวิเคราะห์ของ TECHnalysis Research ซึ่งหมายความว่ามีตัวเลือกในการใช้งานการวิเคราะห์ขอบ ตัวเลือกขึ้นอยู่กับสิ่งที่คุณพยายามทำและเงื่อนไขที่คุณพยายามจะบรรลุเป้าหมายนั้น

"การแลกเปลี่ยนระหว่างการคำนวณพลังงานและการใช้พลังงานอาจเป็นปัจจัย จำกัด เมื่ออุปกรณ์ทำงานจากแบตเตอรี่ในกรณีที่การใช้พลังงานมีความสำคัญการตัดสินใจอาจกระทำโดยใช้ตัวอย่างข้อมูลขนาดเล็กแม้จะเข้าถึงการอ่านเซ็นเซอร์แบบต่อเนื่อง" กล่าว Moeglein ของ PNNL

"การประมวลผลแบบ Edge ช่วยให้สามารถป้อนกลับสำหรับอุปกรณ์ในสาขาที่ไม่รับประกันการสื่อสารเป็นทางเดียวหรือ จำกัด " Moeglein กล่าวต่อ "ในกรณีที่คาดว่าระบบจะทำงานด้วยแบตเตอรี่เป็นเวลาหลายปีหรือหลายทศวรรษสามารถใช้การประมวลผลแบบ Edge เพื่ออายุการใช้งานอุปกรณ์ที่ยาวนานขึ้นโดยลดการส่งข้อมูล"

กราฟิคคอมพิวเตอร์แบบ Fog ด้านบนพิมพ์ซ้ำได้รับอนุญาตจาก Cisco Systems, Inc.

การลบคมเมฆหมอก

ระบบอัตโนมัติในการจัดการและเพิ่มประสิทธิภาพสถานที่และวิธีการวิเคราะห์จะทำตามในไม่ช้าจึงนำไปสู่แนวคิดของ "การคำนวณแบบหมอก" ซึ่งเป็นคำที่ผู้ขายไอทีและเครือข่าย Cisco Systems ประกาศเกียรติคุณ ในกลยุทธ์นี้ตามที่ซิสโก้อธิบายไว้ในเอกสารทางเทคนิค "ผู้พัฒนาพอร์ตหรือเขียนแอพพลิเคชั่น IoT สำหรับโหนดหมอกที่ขอบเครือข่ายโหนดหมอกใกล้กับขอบเครือข่ายจะนำข้อมูลจากอุปกรณ์ IoT จากนั้น - และนี่เป็นสิ่งสำคัญ แอปพลิเคชั่น Fog IoT จะนำข้อมูลประเภทต่างๆไปยังสถานที่ที่เหมาะสมสำหรับการวิเคราะห์ " ดังที่ปรากฎในภาพกราฟิกด้านบนในมุมมองของ Cisco การประมวลผลแบบหมอกจะขยายคลาวด์ให้ใกล้เคียงกับอุปกรณ์จริงที่ทำการรวบรวมข้อมูล ด้วยการวางโหนดหมอกในบริเวณใกล้เคียงกับอุปกรณ์ IoT นั้น Cisco พยายามเร่งการวิเคราะห์ในขณะที่ลดเวลาแฝงลง

บางคนคิดว่าการคิดแบบนี้ง่ายขึ้นเมื่อการประมวลผลแบบคลาวด์ถูกผลักไปที่ขอบซึ่งก็คือการกระจายอำนาจในทางกลับกันตรงกันข้ามกับการคำนวณแบบขอบซึ่งคำนวณบนขอบของเครือข่ายซึ่งมักจะเป็นอุปกรณ์ IoT ความแตกต่างที่เหมาะสมยิ่งอย่างแน่นอน

บ่อยครั้งที่ผู้คนใช้ "การคำนวณขอบ" และ "การคำนวณแบบหมอก" แทนกันได้เนื่องจากแนวคิดทั้งสองมีความคล้ายคลึงกันมาก มันเป็นความสามารถของ Fog computing ในการเรียงลำดับและจัดเส้นทางข้อมูลไปยังสถานที่ต่าง ๆ เพื่อการวิเคราะห์ที่แยกมันออกจากกัน นั่นและการประมวลผลแบบหมอกมักจะเป็น "near edge" (เช่นเกตเวย์) แทนที่จะเป็นขอบอย่างแท้จริงเช่นบนอุปกรณ์ IoT

กล่าวโดยสรุปก็คือไม่มีมติฉันทามติเกี่ยวกับการคำนวณขอบอะไร แต่ผู้คนจำนวนมากที่พูดว่าการพ่นหมอกควันทำให้ปัญหาไม่ได้ช่วยอะไรเลย จากรายงานการวิจัยของ TECHnalysis ดังกล่าวผู้คนจำนวนมากคิดว่าการประมวลผลแบบขอบทำจากจุดสิ้นสุด (29.8 เปอร์เซ็นต์) มากกว่าเกตเวย์ (13.2 เปอร์เซ็นต์) แต่ 44 เปอร์เซ็นต์คิดว่ามันเป็นทั้งคู่

ไม่ว่าในกรณีใดก็ตาม "แอปพลิเคชั่นที่ใช้งานได้ในท้ายที่สุดจะขับเคลื่อนความต้องการของระบบและมีเป้าหมายเพื่อหาสมดุลระหว่างประโยชน์ของการประมวลผลที่ขอบหรือคลาวด์" Vee Cree ของ PNNL กล่าว

มีกฎข้อหัวแม่มือเพียงข้อเดียวที่นี่: หากคุณต้องการการตัดสินใจแบบใกล้หรือเวลาจริงให้ทำการประมวลผลใกล้กับแหล่งข้อมูลมากที่สุด Edge computing เป็นตัวเลือกในการลดเวลาในการตอบสนองลดการใช้พลังงานและลดปริมาณการใช้เครือข่าย

API, แอพและระบบนิเวศ

โดยทั่วไปแอปที่ใช้ร่วมกับการคำนวณแบบขอบมีวัตถุประสงค์เพื่อให้ได้ความเร็วและประสิทธิภาพ ที่นี่คุณมีโอกาสน้อยที่จะพบแอประบบธุรกิจอัจฉริยะแบบสแตนด์อโลน (BI) แต่เป็นฟังก์ชั่น BI แบบฝังตัวและแน่นอนว่าแอปพลิเคชันการเขียนโปรแกรมอินเทอร์เฟซ (API) เพื่อเข้าร่วมข้อมูล IoT กับแอพ BI และเฟรมเวิร์ก

"แนวคิดของการประมวลผลแบบ Edge ช่วยให้ บริษัท ต่างๆสามารถใช้ประโยชน์จากคลาวด์คอมพิวติ้งได้แม้ในสถานการณ์ที่ความล่าช้าในการเชื่อมต่อและการเชื่อมต่อเป็นปัญหาแอพพลิเคชั่นบางตัวจะจัดการกับขนาดของข้อมูลหรือความเร็วที่กำหนด การวิเคราะห์ที่ฝังอยู่ในแอปพลิเคชั่นในท้องถิ่นจะให้ข้อมูลเชิงลึกอย่างรวดเร็ว "Mark Jewett รองประธานฝ่ายการตลาดผลิตภัณฑ์ของ Tableau Software กล่าว

"ในกรณีอื่นการคำนวณขอบเสนอวิธีการจัดการกับสถานการณ์ที่การเชื่อมต่อไม่น่าเชื่อถือหรือมีราคาแพงหรือเป็นระยะ ๆ ตัวอย่างเช่นสิ่งที่เคลื่อนไหวเช่นเรือสิ่งที่อยู่ห่างไกลเช่นแพลตฟอร์มน้ำมันหรือเหมืองแร่หรือแม้แต่สถานการณ์ ในกรณีที่การเชื่อมต่อนั้นดี แต่ไม่คุ้มค่าที่จะเสี่ยงต่อการถูกขัดจังหวะเช่นระบบการผลิตในโรงงานที่การหยุดทำงานมีราคาแพงมากนักวิเคราะห์และผู้ใช้คนอื่น ๆ ในพื้นที่ซึ่งอาจไม่สามารถเข้าถึงเวิร์กสเตชันทั้งหมดได้ ได้รู้ "

Tableau ไม่ใช่ผู้ขาย BI เพียงรายเดียวที่ทำงานหรือทำงานกับข้อมูลที่อยู่ตรงหน้า Microsoft ชี้ไปที่ Schneider Electric ลูกค้ารายหนึ่งของ บริษัท เป็นกรณีศึกษา โฆษกของไมโครซอฟท์กล่าวว่า Schneider Electric มีแอพพลิเคชั่นที่ทำการบำรุงรักษาแบบคาดการณ์ล่วงหน้าบนแท่งน้ำมันโดยใช้ Azure Machine Learning และ Azure IoT Edge เพื่อปรับปรุงความปลอดภัยและลดเหตุการณ์ในพื้นที่ห่างไกล การประมวลผลข้อมูลเสร็จบนอุปกรณ์ สิ่งนี้สามารถทำได้โดยการนำความฉลาดของระบบคลาวด์ - รุ่น ML ที่พวกเขาได้รับการฝึกฝนในระบบคลาวด์ - ไปยังอุปกรณ์ที่ทันสมัย สิ่งนี้ช่วยให้ตรวจจับความผิดปกติได้เร็วขึ้นตามชุดข้อมูลการฝึกอบรมขนาดใหญ่

ในขณะเดียวกัน IBM Watson กำลังรายงานกรณีการใช้งานจำนวนมหาศาลรวมถึงการวิเคราะห์เสียงและการสนทนาโดยรอบและอุปกรณ์การวิเคราะห์ภาพและวิดีโอโดรนและการบำรุงรักษาและการวิเคราะห์อะคูสติกเพื่อความปลอดภัย

"ในทุกกรณีการวิเคราะห์ขอบกำลังเปิดใช้งานประสิทธิภาพค่าใช้จ่ายและความเป็นส่วนตัวที่ดีขึ้นด้วยการใช้งานในอุปกรณ์" Bret Greenstein รองประธานของ IBM Watson IoT ข้อเสนอผู้บริโภคกล่าว "การเติบโตนั้นน่าตื่นเต้นเมื่อพลังการประมวลผลที่ขอบเติบโตขึ้นและ ML เติบโตขึ้นและสร้างกรณีการใช้งานที่เฉพาะเจาะจงมากขึ้น

"อุปกรณ์สามารถ 'เข้าใจ' สิ่งที่พวกเขาเห็นและได้ยินและใช้ความเข้าใจนั้นเพื่อให้บริการที่ดีขึ้นและสร้างทางเลือกที่ดีกว่าสิ่งนี้เกิดขึ้นแบบเรียลไทม์และเนื่องจากข้อมูลจริงสามารถถูกแปลงเป็นข้อมูลเชิงลึกในอุปกรณ์ขอบ ต้องส่งข้อมูลไปยังระบบคลาวด์ซึ่งจะช่วยปรับปรุงค่าใช้จ่ายและช่วยเปิดใช้งานการปกป้องความเป็นส่วนตัวในรูปแบบใหม่ "

การเพิ่มการปกป้องความเป็นส่วนตัวในเลเยอร์ใหม่อาจช่วยลดภาระหนี้สินของ บริษัท ได้ในขณะที่ยังคงส่งผลให้ บริษัท ข้อมูลจำเป็นต้องเจริญเติบโต

แอพ Edge Computing โดยตัวเลข

โปรดทราบว่าการคำนวณแบบ Edge อยู่ในช่วงเริ่มต้นจึงไม่น่าแปลกใจที่มีเพียงแอพการคำนวณแบบขอบซึ่งเป็นเรื่องใหม่ (39 เปอร์เซ็นต์) ตามการวิจัยของ TECHnalysis ส่วนใหญ่ (ร้อยละ 61) เป็นแอพคลาวด์ที่ย้ายข้อมูล ที่กล่าวว่าต่อไปนี้เป็นแอพคำนวณสุดยอด:

การวิเคราะห์การปฏิบัติงาน (44 เปอร์เซ็นต์)

การตรวจสอบกระบวนการ (35 เปอร์เซ็นต์)

การตรวจสอบพนักงาน (ร้อยละ 32)

การตรวจสอบทรัพย์สินระยะไกล (28 เปอร์เซ็นต์)

การปฏิบัติตามข้อกำหนดด้านความปลอดภัย / สถานที่ทำงาน (ร้อยละ 24)

การบำรุงรักษาเชิงพยากรณ์ (22 เปอร์เซ็นต์)

การติดตามทรัพย์สินทางกายภาพนอกสถานที่ (20 เปอร์เซ็นต์)

เหตุผลห้าอันดับแรกในการโยกย้ายแอพคลาวด์ไปที่ขอบตามรายงานการวิจัยของ TECHnalysis เดียวกันคือเพื่อปรับปรุงความปลอดภัยลดค่าใช้จ่ายลดความล่าช้าปรับปรุงการควบคุมในท้องถิ่นและลดปริมาณการใช้เครือข่าย

ด้วยเลนส์ของ BI ประสิทธิภาพและโอกาสที่เพิ่มขึ้นด้วยการประมวลผลที่ล้ำสมัย ดังนั้นจึงเป็นเรื่องสมควรที่จะโยกย้ายแอประบบคลาวด์หรือฝังการวิเคราะห์ในแอพ IoT ที่มีอยู่ก่อนซึ่งจะทำให้คุณอยู่ในตำแหน่งที่ดีที่สุดเร็วที่สุด ตัวอย่างเช่นแทนที่จะสตรีมมิ่งและวิเคราะห์ข้อมูลทั้งหมดจากหน่วยหุ่นยนต์บนพื้นโรงงานคุณสามารถถ่ายทำ flotsam ซึ่งเป็นจำนวนข้อมูลซ้ำ ๆ ที่เกิดขึ้นจากเซ็นเซอร์

แต่การคำนวณขอบสามารถใช้เพื่อจดบันทึกและวิเคราะห์เฉพาะ "ข้อมูลการเปลี่ยนแปลง" ซึ่งหมายถึงข้อมูลที่แตกต่างกันในทางใดทางหนึ่งจากการสตรีมข้อมูลอื่นจากแหล่งเดียวกัน ตัวอย่างเช่นลองนึกถึงกังหันลมในการรายงานวงกลมอาร์กติก: "ฉันไม่เป็นไรฉันสบายดีฉันสบายดีใบมีดติดอยู่สองวินาทีฉันสบายดีฉันสบายดีฉันสบายดี" บิตเกี่ยวกับการติดใบมีดจะเป็นข้อมูลการเปลี่ยนแปลง ดังนั้น "กะลม" ซึ่งอาจทำให้เครื่องหมุนและรวบรวมพลังงานมากขึ้น ข้อมูลการเปลี่ยนแปลงเป็นจุดข้อมูลที่มีความสำคัญที่สุดอย่างแม่นยำเพราะพวกเขาสังเกตเห็นการเปลี่ยนแปลง

ในกรณีเช่นนี้แอพที่ทำงานกับข้อมูลที่เกี่ยวข้องเท่านั้น บางคนเรียกมันว่า "ข้อมูลอัจฉริยะ" ทำไมต้องต้มทะเลเมื่อสามารถเห็นรายละเอียดที่สำคัญได้อย่างง่ายดาย แอปข้อมูลอัจฉริยะทำให้ข้อมูลสามารถใช้งานได้ที่จุดรวบรวมและยังสามารถตัดสินใจว่าจะส่งข้อมูลใดไปยังคลาวด์เพื่อผสมผสานและวิเคราะห์เพิ่มเติมในแอป BI แบบดั้งเดิม ด้วยวิธีนี้การขุดข้อมูลจะได้รับการปรับเพื่อผลทางธุรกิจสูงสุด

4 เคล็ดลับสำหรับกลยุทธ์ BI และ Edge Computing ของคุณ

มันค่อนข้างง่ายที่จะกระโดดขึ้นไปบนแนวโน้มการคำนวณที่ทันสมัยและตัดสินใจเริ่มต้นด้วยการโยกย้ายแอพจากคลาวด์ แต่การก้าวไปสู่การปฏิบัติโดยปราศจากกลยุทธ์จะเป็นความผิดพลาดร้ายแรง จำวันเริ่มต้นของ IoT ได้ไหมเมื่อมีการสุ่มสิ่งต่างๆเช่นเครื่องปิ้งขนมปังเชื่อมต่อกับอินเทอร์เน็ตอย่างรวดเร็วและภูมิใจในงาน CES ครั้งต่อไปหรือไม่

แม้แต่ข้อมูลอัจฉริยะก็ไม่สามารถช่วยคุณได้หากกลยุทธ์ของคุณไร้สาระหรือขาดหายไป ดังนั้นต่อไปนี้เป็นข้อควรพิจารณาสี่ประการที่ควรคำนึงถึงเมื่อสร้างกลยุทธ์ BI และขอบของคุณ

1. ประเมินการเล่น IoT ปัจจุบันของคุณเพื่อหาโอกาสในการขุดข้อมูลเพิ่มเติม ตัวอย่างเช่นพ่อค้าหรือผู้ผลิตอาจต้องการใช้ข้อมูลจากห่วงโซ่อุปทานของมันเช่นเซ็นเซอร์ทำความเย็นและเซ็นเซอร์บรรทุกเพื่อสร้างหรือตรวจสอบแหล่งที่มาของวัตถุดิบ ข้อมูลดังกล่าวที่ถูกเพิ่มเข้าไปในบล็อกเชนเพื่อความยั่งยืนสามารถนำไปใช้ในการตลาดเพื่อดึงดูดผู้บริโภคที่ใส่ใจต่อสิ่งแวดล้อม

ผู้ค้าปลีกอาจใช้การมองเห็นของคอมพิวเตอร์และการประมวลผลที่ทันสมัยในร้านเพื่อสแกนผู้บริโภคเพื่อแสดงการแสดงภาพ 3 มิติ ณ จุดที่เสื้อผ้าของนักช็อปมองดูนั้นจะเหมาะสมกับพวกเขาจริงๆ สิ่งนี้สามารถปรับปรุงยอดขายรวมถึงลดความจำเป็นในการใช้ห้องแต่งตัวและปัญหาด้านความปลอดภัยและความเป็นส่วนตัวที่เกี่ยวข้อง แต่ข้อมูลสามารถถูกส่งไปยังคลาวด์เพื่อผสมกับข้อมูลผู้บริโภคอื่น ๆ เพื่อแจ้งกลยุทธ์ที่ใหญ่กว่าของ บริษัท

มองหาโอกาสที่จะได้รับประโยชน์สูงสุดจาก IoT ที่คุณมี คุณสามารถทำอะไรกับข้อมูลที่สร้าง? คุณสามารถใช้ข้อมูลอื่นใดในการรวบรวมและประมวลผล

2. เลือกแอพที่คุณต้องการ คุณอาจต้องย้ายแอพฝังการวิเคราะห์บางอย่างหรือแม้แต่เขียนแอปที่กำหนดเอง ทุกอย่างขึ้นอยู่กับสิ่งที่คุณพยายามจะทำ ให้เป้าหมายธุรกิจของคุณเป็นแนวทางในการเลือกแอพ

สถานที่ที่ดีในการเรียนรู้เพิ่มเติมเกี่ยวกับการพัฒนาแอพสำหรับขอบคือการประชุม OpenDev ซึ่งจัดโดยมูลนิธิ OpenStack OpenStack เป็นโครงการคอมพิวเตอร์คลาวด์แบบโอเพนซอร์สและมันก็เกิดขึ้นได้ว่าการประมวลผลแบบ Edge เป็นประเด็นร้อนแรง นอกจากนี้ยังเกิดขึ้นที่โอเพนซอร์สนั้นร้อนแรงในการคำนวณขอบเนื่องจากเกือบจะในการคำนวณทั้งหมด คุณยังสามารถพิจารณาแอพที่นำเสนอโดยผู้จำหน่ายการคำนวณที่ทันสมัยและการวิเคราะห์แบบฝังที่จัดทำโดยผู้ให้บริการแอป BI

3. เลือกเทคโนโลยีใหม่ที่คุณต้องการใช้ คุณสามารถขอให้ผู้ขายแสดงตัวอย่างเพื่อให้คุณรู้สึกถึงเทคโนโลยีที่คุณต้องการใช้แอพใดที่พร้อมใช้งานและคำแนะนำในการพัฒนาแอพสำหรับมัน ตัวอย่างเช่น Amazon Web Service (AWS) และ AWS Greengrass, Microsoft Azure IoT Edge และ Cisco และ IBM Watson IoT นำเสนอการผสมผสานของเทคโนโลยีรวมถึงการวิเคราะห์และแอพสำหรับการคำนวณขอบ IoT

นอกจากนี้คุณยังสามารถตรวจสอบ blockchain, CDN, peer-to-peer และผู้ผลิตเพลย์เยอร์อื่น ๆ อีกมากมาย แต่อย่ามองข้าม บริษัท ยักษ์ใหญ่ด้านเทคโนโลยีเช่น Dell Inc., IBM Corp. และ Hewlett Packard Enterprise (HPE) ซึ่งทั้งหมดได้นำไปเพิ่มการจัดเก็บข้อมูลเพิ่มเติมและการคำนวณและความสามารถในการวิเคราะห์ไปยังฮาร์ดแวร์ของพวกเขาเพื่อเปลี่ยนเป็นอุปกรณ์ที่ทันสมัย

ทำความเข้าใจกับตัวเลือกของคุณก่อนที่จะเริ่มประเมินผู้ขายอย่างจริงจัง นอกจากนี้นำสินค้าคงคลังประเภทของเทคโนโลยี IoT ที่ บริษัท ของคุณใช้อยู่ในปัจจุบันและประเภทที่ต้องการเพิ่มก่อนที่คุณจะเริ่มพูดคุยกับผู้ขาย ด้วยวิธีนี้คุณมีแนวโน้มที่จะอยู่ในการติดตาม

4. วางแผนสำหรับวิวัฒนาการ มีรูปแบบในเส้นทางสู่ความเป็นผู้ใหญ่ที่เทคโนโลยีที่ยังไม่บรรลุนิติภาวะและแนวโน้มเป็นไปตาม คาดหวังว่าวิวัฒนาการเดียวกันนี้จะเกิดขึ้นกับ BI และขอบ ดังนั้นใช่มีแนวโน้มที่จะมีการรวมผู้ขายเป็นบางจุด; โปรดจำไว้ว่า

มองหาการแยกส่วนของเทคโนโลยีคลาวด์จากคลาวด์ที่เหมาะสมเพื่อให้สามารถใช้ที่ขอบได้เช่นกัน คุณจะต้องการเห็น decoupling ดังกล่าวซึ่งจะให้ความยืดหยุ่นสูงสุดแก่คุณในการใช้คลาวด์หรือขอบ มีแนวโน้มว่าจะลดต้นทุนและเพิ่มประสิทธิภาพผ่านแอปที่ชาญฉลาดจากระบบนิเวศที่หลากหลายมากกว่าจากผู้ค้ารายเดียว จัดทำแผนของคุณทั้งระยะสั้นและระยะยาวเพื่อให้แน่ใจว่าคุณสามารถปรับตัวเข้ากับการเปลี่ยนแปลงที่คาดการณ์ได้โดยไม่สูญเสียการลงทุนครั้งใหญ่