物联网的四种计算类型-物联网边缘计算

从从业者的角度来看，我经常看到计算需要更加可用和分布式。当我开始将物联网与 OT和 IT系统集成时，我面临的第一个问题是设备发送到我们服务器的大量数据。我在工厂自动化场景中工作，我们集成了400个传感器，这些传感器每1秒发送3个数据点。

您之前可能听说过这一点，但是生成的大部分感官数据在生成5秒后就完全没有用了。现在你明白我的意思了吗?

我们有400个传感器、多个网关、多个进程和多个系统，需要几乎立即处理这些数据。

当时，大多数数据处理的支持者都在提倡云模型，您应该始终将某些内容发送到云。这也是第一种物联网计算基础。

借助物联网和云计算模型，您基本上可以在云中推送和处理您的感官数据。您有一个摄取模块，它接收数据并将其存储在数据湖(一个非常大的存储)中，然后对其应用并行处理(可能是 Spark、Azure HD Insight、Hive 等)，然后以如此快的速度消耗调整信息以做出决策。

自从我开始构建物联网解决方案以来，我们现在拥有许多新产品和服务，可以让您轻松完成这项工作：

我在物联网中的云计算面临的一些挑战是：

但是您必须在某处处理您的数据，对吗?

现在是雾计算!

有了雾计算，我们变得更强大了。我们现在使用本地处理单元或计算机，而不是将您的数据一路发送到云端并等待服务器处理和响应。

4-5年前，当我们实施此功能时，我们没有像Sigfox和LoraWAN这样的无线解决方案，BLE也没有网状网络或远程功能。因此，我们不得不使用更昂贵的网络解决方案来确保我们可以建立到数据处理单元的安全、持久的连接。这个中央单元是我们解决方案的核心，并且此类解决方案的专业供应商很少。

我第一次使用雾计算是在一个石油和天然气管道项目上。该管道生成了数TB的数据，我们创建了一个雾网络，其中有雾节点来计算数据。

[bctt tweet=”有了雾计算，我们变得更强大了。“用户名=”iotforall”]

我从那时起实施雾网络中学到的东西：

一年前，一位同事向我介绍了OpenFog，一个由领先从业者开发的雾计算架构的 Open Fog计算框架。它提供：

物联网是关于捕捉微交互并尽可能快地做出响应。边缘计算使我们离数据源最近，并允许我们在传感器区域应用机器学习。如果您对边缘计算与雾计算的讨论有所了解，您应该了解边缘计算完全是关于传感器节点的智能，而雾计算仍然是关于可以为数据繁重的操作提供计算能力的局域网。

微软和亚马逊等行业巨头已经发布了Azure IoT Edge和AWS Green Gas，以促进具有良好计算能力的物联网网关和传感器节点上的机器智能。虽然这些出色的解决方案可以让您的工作变得非常轻松，但它显着改变了我们从业者所了解和使用的边缘计算的含义。

边缘计算不应该要求机器学习算法在网关上运行来构建智能。2015年，我遇到了Knowm，并看到了他们在Neuromemristive处理器方面令人印象深刻的工作。Knowm的Alex在ECI会议上谈到了嵌入式AI在神经记忆处理器上的工作：

真正的边缘计算将发生在这样的神经记忆设备上，这些设备可以预装机器学习算法以服务于单一目的和责任。那会很棒吗?假设您的仓库端节点可以在本地执行NLP以生成像“芝麻开门”这样的密码的极少数关键字符串!

此类边缘设备通常内部具有类似神经网络的结构，因此当您加载机器学习算法时，您基本上会在其中烧毁一个神经网络。但这种烧伤是永久性的，你无法逆转。

有一个全新的嵌入式设备空间，可促进低功耗传感器节点上的嵌入式边缘智能。

现在让我们看看物联网的第四种计算类型——MIST计算。

我们看到我们可以做以下事情来促进物联网的数据处理和智能：

这是一种计算类型，它补充了雾计算和边缘计算，并使它们变得更好，而无需我们再等待十年。我们可以简单地引入物联网设备的网络功能并分配工作负载并利用雾计算和边缘计算都无法提供的动态智能模型。

建立这种新范式可以从具有256kb内存大小和约100kb/秒数据传输速率的设备中实现高速数据处理和智能提取。

我不会说这个技术模型已经足够成熟，可以帮助我们开发物联网计算模型。但是对于 Mesh网络，我们肯定会看到这种计算模型的推动者。

就个人而言，我花了一些时间在我们的实验室中实施基于MIST的PoC，我们试图解决的挑战是分布式计算模型及其治理。但是，我100%确信在6个月内有人会提出一个更好的基于MIST的模型，我们都可以轻松使用和消费。

物联网既迷人又具有挑战性，我所写的内容主要来自我自己的部分经验。