（文章來源：金馬科技）

現在，來自傳統企業系統的數據已與由傳感器和連接的設備生成的數據分層，企業發現IoT數據具有與傳統企業數據不同的特征。此類數據的速度和數量可能會使尚未準備就緒的系統不堪重負。它還需要對數據模型進行一些重新配置，因為它表示以前計劃中可能未包含的不同類型的信息。

這就是云計算的用武之地。由于云具有存儲大量數據的能力，因此公司可以在同一位置處理和存儲來自其企業系統和IoT設備的數據。對于所有不同的系統，云都成為一個很好的聚集點，企業可以在其中幾乎沒有限制地擴大或縮小規模。然后，組織可以消除在單獨存儲數據時出現的系統之間進行集成和審計的需要。

過去，工業公司一直質疑云的保護，因為他們認為云失去了觸摸和感知數據的能力。就像不愿將積蓄從床墊下轉移到銀行帳戶中的消費者一樣，許多企業也對將數據存放在何處持有類似的保留意見。結果，這些公司拒絕了云計算，而選擇了本地技術。

盡管仍然有很多人將云安全視為關注的問題，但是領先的云提供商所采取的行動已經開始影響這些觀點。雖然大多數公司都有專門的安全專家(或幾名)，但像Microsoft和Amazon這樣的云供應商卻有數百家。這些龐大的安全團隊還遵循最佳實踐和特定于行業的標準，并在沒有義務的情況下獲得適當的認證。供應商還為使用其云解決方案的企業提供了擁有其數據安全性所需的工具。

那些希望將云解決方案作為其物聯網部署的一部分的人也可以依靠其安全性。隨著云本身的安全性得到進一步證明，它還使公司能夠更有效，更安全地與其物聯網設備進行交互。正如您將在下面更詳細地看到的那樣，云是任何大規模物聯網計劃的重要組成部分，因此，數據生成點之間的舒適安全連接是關鍵。

同樣，云平臺也要經過持續審核，以便云服務提供商可以使客戶容易獲得性能和安全性數據。這種數據訪問可幫助企業確保各種IoT設備之間的適當安全性和性能。隨著人們認識到云提供商正在將大量資源用于安全性以及云所帶來的不可否認的好處，公司越來越多地開始將云解決方案視為一種值得信賴甚至首選的方法。

分別處理云和邊緣是一種相當標準的業務實踐。但是對于云支持的所有基本工作流程，將邊緣計算集成到解決方案中仍具有優勢。云和邊緣在不同類型的環境中均提供不同的好處，這通常使分布式計算框架最適合于IoT部署。具有差異化的服務可能需要在邊緣(或生成數據的點)進行計算的不同層。

例如，考慮一個擁有數百臺設備的大型工廠-每個設備實際上都是一個邊緣端點，而工廠本身可以代表另一個端點。在這種規模的部署中，在將設備生成的數據發送到云之前，需要先將其生成的數據收集并匯總到工廠現場。

插入此中間層變得至關重要，因為它減少了直接連接的數量，并允許對傳播到云中的信息進行過濾，從而防止不必要的數據干擾下游分析。此外，如果該工廠僅使用云計算，他們將無法對設備上生成的數據做出足夠快的反應。

數據過載，端點與分析之間的距離，響應時間慢等原因會導致延遲，這可能在安全性和質量方案中產生巨大差異。該框架包括計算方面的優勢，使企業能夠提取見解并采取行動，這比數據必須先傳輸到云中然后再回傳時要快。這樣節省的時間為實時評估設備本身的數據打開了一扇門。

另一方面，如果工廠選擇僅采用邊緣方法，則他們將缺乏全面了解其運營的能力。如果沒有云，他們將只能分別查看每臺設備的現場可見性，而無法了解這些端點之間的相互關系。為了獲得這種級別的分析，工廠必須實施離線批處理，并手動組合所有工廠數據。

出乎意料的是，云供應商已開始著手提供一些本地解決方案來補充其云解決方案。例如，亞馬遜推出了兩款專門用于邊緣計算的產品：AWS IoT Greengrass(為大型設備提供邊緣計算環境)和Amazon FreeRTOS(為微處理器和微控制器提供邊緣計算)。微軟還推出了類似產品，包括Azure IoT Edge和Azure Sphere。

無論哪種情況，分布式處理和為您的運營選擇正確的解決方案都是成功的IoT計劃的關鍵要素。通常，它是一種多層方法，根據優缺點使用不同的計算方法。在邊緣和云中執行分析的組織可以看到更為重要的結果，例如最小化的成本和最大化的性能。
（責任編輯：fqj）