伴隨著海量設備接入物聯網系統，企業也在尋求更加簡單有效的方式來節省成本，對邊緣計算的需求也不斷增長。邊緣計算將數據計算分析放置在邊緣一側，數據的整理精簡有助降低服務器運行壓力，也能降低網速延遲的需求，云計算則是可以進行更深化的分析，以獲得更有深度的觀察力，兩者都是物聯網系統的重要組成部分，在設備的智能化管理發揮著重要作用。

物聯網設備的狀態監控是邊緣計算的重要應用。它提供了對設備狀態的遠程監控以指出變化以及變化如何導致故障，為準確定位分析提供數據支持。

物聯網對設備的監控側重于數據輸入和輸出，以檢查變化和可能的行動路線，以防止設備出現故障或停機。為此，數據需要在工業設備、網絡和網關設備上移動，在這些設備上對其進行分析和解釋，以提供實時的質量預測性維護報告。由于處理的數據量很大，物聯網基于狀態的監控設備需要邊緣計算來獲得更好的性能。

借助邊緣計算，基于狀態的監控物聯網設備可以更快地處理數據，消除延遲并提供有助于工程師做出更好維護決策的信息。在這種情況下，邊緣計算的集成將幫助組織更加主動地確保其系統的效率，并大大降低維護成本。在云計算中心，則是可以更強力的數據分析支持，如預測性的維護支持，主動出擊提前進行設備維護。

以視頻監控安防為例，城市中的攝像頭遍布大街小巷，數量有增無減，海量的數據實時上傳到云數據中心，必然會造成網絡帶寬的極大浪費與中心云資源的過量消耗。

如果我們采用云邊協同架構，那么就可以在云端保有關鍵數據備份、大數據分析等核心功能，同時利用邊緣節點對視頻圖像進行一定的預處理，例如使用人臉識別等技術提取特征信息，從而減小數據量，減輕中心云節點的計算、網絡和存儲壓力。

總的來說，云邊協同將是物聯網深度發展的重要內容，云計算的效率更高，而邊緣計算可以提供低時延，提升用戶體驗，云邊協同才能更好的適應各種復雜的場景，最大化的實現價值。

審核編輯：湯梓紅