边缘计算的四大挑战该怎样去应对

最后，在边缘环境中将需要部署越来越多的分析功能，以便在本地需要时直接快速地提供价值。分析可以有效地实时进行事件流处理，也可以通过更深层、更高延迟的方法（包括为开发更复杂的模型而聚合数据，可能使用ML技术解决）。基于人工智能的方法将越来越多地应用于边缘——而ML模型的开发也可能在边缘进行。

换言之，价值不一定要事先确定——它可能是在边做边体现的。

建议：

在边缘环境中投资数据管理、集成、分析和治理功能-随着更多数据在边缘环境中生成、存储和应用，以数据中心为中心的传统功能将降低价值。通过将现有工作（策略、形式化角色、管理过程）应用于边缘数据的管理，利用它们来管理传统数据类型。其要求也需要扩展，但既定的原则和政策类型（质量、安全、隐私和保留/处置）仍然有相关性。提高您在数据科学和ML方面的技能，并添加事件流处理技术以从边缘的数据中提取适当的数值。通过检查现有和潜在的数据管理供应商处理分布式数据的能力来评估他们。评估供应商针对特定边缘计算需求的能力-例如，在边缘操作系统和网关上运行或与之互操作的能力。

（编辑：应用网_阳江站长网）

【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!