在边缘部署分析的原因

人们可能会问为什么要将基础设施部署到边缘进行分析?这些决策需要考虑技术、成本和合规性因素。

影响人身安全并需要计算架构中的弹性的应用程序是边缘分析的一个用例。在数据源(如物联网传感器和分析计算基础设施)之间需要低延迟的应用程序是通常需要边缘分析的用例。这些用例的示例包括：

•自动驾驶汽车、自动机械或控制系统使全部或部分实现自动化导航的任何运输工具。

•智能建筑具有实时安全控制，并希望避免对网络和云计算基础设施的依赖，以允许人们安全进出建筑。

•跟踪公共交通的智能城市，为电力计费部署智能电表，以及智能废物管理解决方案。

成本是在制造系统中使用边缘分析的重要因素。考虑使用一组摄像机在快速移动的传送带上扫描制造的产品是否有缺陷。在工厂中部署边缘计算设备来执行图像处理，而不是安装用于将视频图像传输到云端的高速网络，可能会更具成本效益。

专注于计算机视觉解决方案的工业人工智能开发商Landing AI公司工程副总裁Achal Prabhakar说，“制造工厂与主流分析应用程序完全不同，因此需要重新考虑包括部署在内的人工智能。对我们来说，重点工作是部署复杂的深度学习视觉模型，并使用功能强大但商品化的边缘设备直接在生产线上进行持续学习。”

使用边缘分析和计算还可以将分析部署到偏远地区建筑和钻探现场。工程师不再依赖成本高昂且可能不可靠的广域网，而是在现场部署边缘分析基础设施来支持所需的数据和分析处理。例如，一家石油和天然气公司在边缘部署了带有内存分布式计算平台的流分析解决方案，并将钻井时间从通常的15天减少到12天，节省了20%的时间。

合规性和数据治理是进行边缘分析的另一个原因。部署本地化的基础设施可以通过在收集数据的国家/地区存储和处理受限数据来帮助满足GDPR合规性和其他数据主权法规。

（编辑：阿坝站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!