IOT边缘分析的利弊

什么是边缘分析？

边缘分析是坐在IOT设备上或接近IoT设备以收集，处理和分析源数据的工具，而不是将该数据发送回云以进行分析。这通过实时执行数据来简化数据分析过程，以确保尽可能多地从设备上获得许多有用的信息。设备旨在包含自己的分析功能。例如，交通灯处的光传感器可以为交通管理智能监控构建。设备内的实时反馈本身可确保立即和适当地使用所收集的数据，规避需要在其他地方发送数据以供外部考虑。

来源：https://www.cbronline.com/

边缘分析专业人士

越来越多的公司正在成为边缘分析的支持者，这就是为什么。

节省时间
集中式系统，在其原始状态下发送由因特网连接设备收集的所有数据进行处理，本身是慢速的。必须清除，处理和分析是否相关或不相关的所有原始数据以提取它包含的任何值。90％的部署数据没用，32％是不准确的;但在集中系统中，所有数据都是相等的状态，直到分析完成。边缘分析系统旨在在分析之前过滤不必要的信息，并且只通过高阶系统运行相关数据。这节省了处理和上传时间并使复杂的分析阶段进行了更高效。

在关键环境中，例如在工业环境中，实时分析不仅是更高效，但它也显着降低了基本决策的潜伏期。如果阀门出现故障，则可以通过本地系统快速关闭，而不是依赖于与中央分析环境的连接，并在采取紧急行动之前等待结果。

降低成本
边缘分析降低了数据存储和管理的成本。它还降低了运营成本，最大限度地减少了所需的带宽并减少在数据分析上花费的资源。这些因素都结合起来提供重大的金融储蓄。还应该注意的是，目前甚至没有分析了大多数工业物联网数据，这相当于浪费信息和丧失改进。当数据量开始禁止分析时，Edge Analytics提供了一种成本效益的路线，以便为业务的利益提取尽可能多的数据。

保留隐私
当设备捕获敏感或机密信息（例如GPS数据或视频流）时，此敏感信息在现场预处理，而不是简单地向云上传到云以进行处理。此额外的步骤意味着只有符合保护的数据“离开”设备以进行进一步的分析，并且它通过预处理中的匿名聚合。保留敏感内容而不会失去基于云的复杂云的分析可以提供的好处。

连接问题
尽管互联网连接设备的普及，但连接问题仍然是一个持续的问题。边缘分析通过确保不被限制或间歇网络连接中断，防止潜在的连接性能。这在远程位置特别有用，或者在使用像蜂窝等昂贵技术时尝试降低连接成本。

边缘分析的缺点

丢失的数据
边缘分析并非全部;它带来的效率以成本为止。只有A.数据子集将处理和分析，并通过网络发送结果。这有效地意味着正在丢弃原始数据，这不可避免地导致它可以提供的一些见解。需要考虑设备的类型和数据的使用 - 是数据丢失关键，或提高效率的必要方面？

零售公司可能决定优化数据效率比失去理论数据洞察力更重要，但航空公司不能发表同样的判断。当安全是一个问题时，所有原始数据和分析的收集仍然是更好的方法，尽管是更不方便的。

边缘分析的未来

IOT Edge Analytics目前非常适用于在低带宽，低延迟环境中运行的大型行业，例如石油钻机，工厂和矿山。但是，虽然技术在这里长出了腿部，但它将扩大在所有行业中与世界各地的IOT增长保持在。领先的是旅行和物流行业，但传感器和其他形式的数据收集在各行各业中都变得越来越无处不在;例如，单个空中客车A350产生2.5 TB数据每天。

思科估计507.5 Zettabytes的数据将于2019年度生成。临时处理越来越重要，用于处理这个惊人的数据量，边缘分析提供了成本效益，相对有效的解决方案。40％的物联网数据2018年，预计将通过边缘分析处理，这个数字肯定会随着物联网增长。

所有IOT议程网络贡献者负责其帖子的内容和准确性。意见是作者，不一定能够传达物联盟议程的思想。