边缘分析
边缘分析是数据收集和分析的方法，其中对传感器，网络交换机或其他设备的数据执行自动分析计算，而不是等待将数据发送回集中数据存储。
边缘分析已经受到关注事情互联网（物联网）连接设备模型变得更加普遍。在许多组织中，从连接到物联网的制造机，工业设备，管道和其他远程设备的流式传输数据创造了一系列的操作系统，这可能是困难的 - 且昂贵的。通过通过分析算法运行数据，在公司网络的边缘时，公司可以将参数设置在哪些信息上值得发送给云或本地数据存储以供以后使用 - 以及什么不是。
分析数据生成时，也可以减少连接设备上的决策过程中的延迟。例如，如果来自制造系统的传感器数据指向特定部件的可能失败，则构建在分析算法中的业务规则解释网络边缘的数据可以自动关闭机器并将警报发送给工厂管理者可以替换。这可以节省时间与将数据传输到中央位置进行处理和分析，可能使组织能够减少或避免计划过时的设备停机。
边缘分析的另一个主要好处是可扩展性。将分析算法推到传感器和网络设备上缓解了处理应变企业数据管理和分析系统，即使由组织部署的连接设备的数量 - 以及生成和收集的数据量 - 也增加。
如何使用边缘分析？
边缘分析的最常见用例之一是监控边缘设备。对于IOT设备尤其如此。可以部署数据分析平台，以便监控大量设备，以确保设备正常运行。如果发生问题，则边缘分析平台可能能够自动采取纠正措施。如果无法进行自动修复，那么该平台可能会使IT人员提供可操作的见解，这将有助于他们解决问题。
边缘分析的好处
边缘分析提供了几种引人注目的好处：
- 近实时分析数据。因为在数据附近进行分析 - 通常在设备本身上进行分析 - 可以在近实时分析数据。如果设备必须将数据传输到云中的后端服务器或远程数据中心以进行处理，则这不是这种情况。
- 可扩展性。边缘分析是其非常自然可扩展的。因为每个设备分析其自己的数据，所以计算工作负载分布在设备上。
- 可能降低成本。大量成本与传统的大数据分析有关。无论数据是否在公共云中或组织自己的数据中心处理，都有与数据存储相关的费用，数据处理和带宽消耗。IOT设备的一些边缘分析平台使用IoT设备的硬件来执行数据分析，从而消除了对后端处理的需求。
- 改善安全。如果在创建它的设备上分析数据，则不需要在电线上传输完整的数据集。这可以帮助提高安全性，因为原始数据永远不会离开创建它的设备。
边缘分析的局限性
与任何其他技术一样，边缘分析有其限制。这些限制包括：
- 并非所有硬件都支持它。简单地说，并非每个IOT设备都有所需的内存，CPU和存储硬件，以便在设备上执行深度分析。
- 您可能必须开发自己的边缘分析平台。边缘分析仍然是一个相对较新的技术。虽然现成的分析平台确实存在，但是一个组织可能必须根据需要分析的设备开发自己的边缘分析平台。
边缘分析的应用
边缘分析往往是最多的适用于工业环境使用许多物联网传感器。在这种环境中，边缘分析可以提供优势，例如：
- 改善了时间。如果边缘分析平台可以监视传感器阵列，则可能会在出现问题时采取纠正措施。即使该分辨率不是自动化的，只需提醒运营商解决问题，也可以帮助改善整体上限。
- 降低维护成本。通过对IOT设备进行深入分析，可能可以深入了解设备健康和寿命。根据环境，这可能会帮助组织通过在维护计划之后执行维护而不是盲目的维护来降低其维护成本。
- 预测失败。IOT硬件的深入分析可能使得可以预先准确地预测硬件故障。这可以使组织能够采取积极的步骤来关闭失败。
边缘分析与Edge Computing
边缘计算基于可以在创建或消耗的位置附近执行数据收集和数据处理的想法。边缘分析使用这些相同的设备和它们已经生成的数据。分析模型对数据进行更深入的分析，而不是最初执行的数据。这些分析功能可以直接在设备上创建可操作的洞察力。
云分析与边缘分析
云分析和边缘分析都是收集相关数据的技术，然后使用该数据进行数据分析。两者之间的关键差异是云分析需要将原始数据传输到云以进行分析。
虽然云分析有其位置，但边缘分析有两个主要优点。首先，边缘分析遭受远低于云分析的延迟，因为在现场分析数据 - 经常在设备本身内实时在创建数据时实时分析。第二个优点是边缘分析不需要对云进行网络连接。这意味着边缘分析可以用于带宽约束的环境，或者在云连接根本不可用的位置中使用。
