物联网网络和边缘分析

例如，考虑一个联网的苏打水自动售货机。自动售货机可能包括传感器，以监测外部温度、内部温度、每种口味的汽水罐数量和可用的变化，以及一个恒温器和制冷单元，以调节内部温度。每笔交易都被记录下来，包括购买和潜在客户查询机器的情况——例如，按下按钮查看价格——但没有购买某件商品。

来自自动售货机集合的所有事务和传感器读数都被传输到中央系统，从而产生多个必须被摄入、管理和分析的同步数据流。

可以执行不同类型的分析。操作性度量可用于描述性报告——例如按口味、品牌、机器、地理区域、时间等分列的销售额。然而，一些分析是用于预测,如:

• 跟踪部件故障，预测提前更换;
• 调节能源消耗;
• 监测采购模式，以影响进货率;和
• 指导订单和采购。

这些分析应用程序可以通过降低成本、维护系统正常运行时间或增加销售来推动业务改进。这些分析受益于从物联网网络的广度收集交易数据，使其服从预测分析的应用，然后生成预测模型，与摄入的数据流一起使用，以触发先发制人的操作。

然而，随着物联网设备不断加入网络，由此产生的额外数据流可能会造成瓶颈。这不仅会影响业务报告，而且如果没有在合理的时间范围内触发操作，还会影响预测性应用程序。

幸运的是，物联网边缘分析可以帮助克服这种潜在的性能挑战。这些系统可以位于控制更紧密耦合环境的设备子网附近，例如不同边缘系统的集合，每个边缘系统监管特定经销商区域内的自动售货机网络。

物联网边缘分析的好处

这样的配置允许分析工作在集中式系统和边缘计算机之间进行分割。中央系统负责从数据流中收集数据，执行分析和生成预测模型．

反过来，这些模型可以部署在边缘计算机上，边缘计算机可以从指定子网内的那些设备中获取更小的数据流集，并将收集到的数据应用到实例化的预测模型中。

数据可以不改变地沿着中央系统转发，或者物联网边缘分析系统可以过滤掉一些数据，以减少计算负担。中央系统继续提供企业范围的运营分析，并可能完善预测模型，这些模型可以定期重新部署到边缘计算机上。

或者，集中式系统可以对每个子网内的预测模型的有效性进行比较评估，确定对分析的任何调整是否会导致性能的提高，并根据每个边缘计算机的模型相应地调整参数。

将物联网边缘分析系统放置在更靠近物联网设备子网的地方，可以提供以下主要好处:

• 总体数据延迟减少，因为从设备流向基于边缘的预测模型的数据传输距离更短。
• 预测模型可以执行得更快，因为触发事件被发现得更快。
• 边缘系统提供一定程度的冗余;如果一个边缘系统崩溃，它的职责可以转移到另一个附近的边缘系统。
• 可以通过屏蔽敏感数据值从边缘系统到中央系统。这样，在发生网络安全漏洞或妥协时，数据暴露的风险就会降低。

实施物联网边缘分析策略可以提高物联网环境的性能和有效性。边缘计算模型将一些流处理和分析工作交给边缘系统，使物联网应用能够随着网络的扩展而优雅地扩展。