实践表明，开放式架构平台可以减少技术蔓延、安全漏洞和成本。
视频技术如今变得越来越重要，从闭路电视到自动驾驶车辆和无人驾驶飞行器再到边缘操作，创建、捕获、复制和消耗的数据量显著增加。由于产生的数据过多且无法回传，需要在网络的边缘进行预处理。然而，当许多设备同时传输数据时会出现问题。将大量设备生成的数据发送到集中式数据中心或云端会产生带宽和延迟问题。为了使企业数字化转型计划取得成功，关键是要有能力利用来自任何地方的数据的力量。这就出现了一种更有效的替代方法——边缘计算的兴起。
根据Gartner公司的定义，“边缘计算是分布式计算拓扑的一部分，其中数据处理位于靠近边缘的产生或消费这些信息的位置。”该模型背后的想法是用更低的速度处理数据。边缘计算能够阻止无关数据向云平台或数据中心的传输，并仅发送所需的相关、可操作的数据。它使计算和数据存储更靠近收集它的设备，而不是依赖于数百或数千英里之外的数据中心。到2025年，接近75%的企业数据将由边缘计算节点处理。
然而，尽管物联网及其网络潜力在十多年前就出现了，但企业在全面采用的过程中仍面临各种障碍。企业在情报收集方面面临的挑战是复杂性的叠加会导致许多程序过早失败。
五个关键的边缘计算挑战
如今的边缘架构通常包括不同的计算系统、连接和存储，这是一个逻辑噩梦。每次连接站点或部署设备时都需要有经验的IT人员。最终，这会导致成本上升和工作延误，以及许多边缘计算项目的关闭。
以下概述了许多企业在部署边缘计算时面临的五个具体挑战：
(1)带宽使用效率低下
如果企业有多个设备共同产生大量数据，可能希望将这些数据存储在云中，但直接从边缘设备将原始数据发送到云平台可能很困难。通常情况下，企业为数据中心提供更高的带宽，为端点提供更低的带宽，但边缘计算正在推动整个网络对更多带宽的需求。
(2)速度瓶颈
企业更喜欢连接网络，例如5G、DSL或卫星，它们优先考虑从云平台到边缘的吞吐量，因为大多数应用程序以这种方式工作，而边缘网络希望将数据推向另一个方向。因此，上行链路速度可能会导致瓶颈。如果使用集中式云平台来存储数据并且如果云平台出现故障，则数据在解决之前变得遥不可及，从而导致潜在的业务损失。
(3)有限的数据控制
由于边缘计算只处理和分析部分信息，许多企业往往会失去有价值的信息。
(4)无效的安全/隐私
66%的IT团队将边缘计算视为对其所在公司的威胁。当数据由不同设备处理时，它可能不如集中式或基于云计算的系统那么安全，这对于了解这些设备周围的潜在安全漏洞并确保系统能够完全安全至关重要。
(5)无容器/微服务支持
与传统的云容器不同，边缘容器可以并行部署到地理上不同的存在点(PoP)，但由于许多容器分布在许多地区，因此需要仔细规划和监控。
对开放式架构持开放态度
最高效的边缘解决方案集成了三个组件，其中包括计算、连接和存储。目前，边缘解决方案专注于特定的应用用例，当没有其他系统到位时，这是一个理想的选择。要使边缘计算成为新标准，它需要提供支持新系统和包含遗留系统的灵活性。
克服这些障碍的最佳方法是采用开放式架构平台，以减少技术蔓延、潜在的安全弱点和风险以及成本。最小化系统架构的复杂性是关键。开放边缘架构的基础是模块化和开放性。必须能够连接到任何网络或通信设备接口，例如蜂窝、Wi-Fi、LoRA或GPS，以及能够将多个独特的软件堆栈作为同构实体运行，其中包括防火墙、机器学习、遥测或数据分析。
有助于缓解上述五个边缘部署挑战的开放式架构的关键功能包括：
虚拟化：消除对不同计算资源的需求。可以共享和分割单个计算平台，以确保所有应用程序(包括新旧应用程序)的安全运行。特别是传统应用程序可以节省开发资金和时间，并提供跨网络的统一性，因此虚拟化是关键。
加强安全性：选择提供必要的合规性和安全性认证并且可以在任何环境中表现良好的硬件合作伙伴。
多运营商支持：通过与多个承载类型(如多个公共和私人移动网络运营商、Wi-Fi提供商和卫星提供商)合作，最大限度地减少连接丢失的风险。
专用连接：实施覆盖网络。无论回程提供商如何，始终可以使用通往云平台和SaaS应用程序的安全路径。
最小权限原则：实施对数据、控制和管理平台进行分段的安全协议。例如，数据科学家可以访问机器智能，IT可以管理安全性，而企业的首席信息官可以管理边缘节点。
简化边缘推出
边缘计算能够为各行各业(尤其是自动驾驶汽车)更快、成本更低、更安全的运营提供可能性。然而，如上所述，智能边缘的推出可能具有挑战性。这就是为什么选择采用开放式架构模型方法如此重要的原因。借助开放式架构，可以轻松地展示边缘计算可以安全、高效和有效地推出，并推动一系列行业领域的创新。
