大数据,大问题,边缘计算有答案吗?

大数据大问题

多少数据算太多?边缘计算状态对小数据分析的影响

企业凭直觉或经验做决策的日子一去不复返了。相反,数据正在推动下一轮业务创新,帮助企业做出更明智,通常也是实时的决策。

成功的关键是大数据,即挖掘传统软件无法处理的大数据集。大数据帮助公司掌握大量信息,包括格式化的和原始的数据流,以便更准确地建模,甚至发现未知的关联性。

例如,人们发现抗抑郁药物地昔帕明在治疗某些类型的肺癌时具有潜在的益处。如果没有大数据分析,很难发现这种联系。

太多低质量数据

随着物联网设备数量的增加,利用收集到的额外数据提升洞察力,对企业来讲是一个巨大的机会。但也许现在数据过多,不是所有的数据都有用。思科公司预计,受物联网设备的驱动,到2021年,每年将产生847 ZB的数据。

使用云系统简单地处理大量数据需要更昂贵的基础设施。从杂乱的数据中区分有用数据是一个更大的挑战。事实上,据思科预计,到2021年,有用数据约85 ZB,仅占总生成量的10%。然而,边缘计算和边缘AI可能会有答案,以下有两种主要的方法。

提升数据收集

基于云的大数据分析功能十分强大,能给系统提供的信息越有用,得到的问题的答案就越好。例如,在零售环境中,人脸识别系统收集的客量统计数据可以为简单的销售增加更多细节信息,让您不仅知道您销售的是什么,哪类客户在购买。

大数据大问题-1
不是所有工业物联网传感器产生的数据都是有用的,那么为什么不在边缘过滤呢?

而且,在制造业中,物联网传感器测量温度、湿度和振幅等值,有助于全面了解,让您预测机器可能何时出现故障,可以预先安排维护。

困难在于,在这些场景以及其他类似场景中,物联网设备正在生成数量惊人的数据,但并非所有数据都是有用的。以人口统计信息为例。使用基于云的系统,物联网摄像头必须收集视频,将其发送到中央服务器,然后提取必要的信息。

在边缘过滤数据

通过边缘计算解决方案,连接到摄像头的计算机可以自动删除人口统计信息,并将其发送到云端进行存储和处理。这大大减少了收集的数据量,确保提供有用信息。

同样地,用物联网传感器,有必要为存储每秒发送测量值吗?在本地存储数据,使用较长时间段的平均值,边缘计算可以减少无用信息,对数据进行过滤,只提供有用的信息。

也许最重要的是,在人们担心安全和隐私的时代,边缘计算提供了一种负责任且安全的方式来收集数据。再次面对人口统计,个人视频或人脸数据没有被发送到服务器,边缘计算机可以采取有用但非个性化的数据传输到云。

实时数据处理

大数据分析有两种主要的实现模式:数据建模和实时性。建模有助于提供商业洞察力和大局,实时数据可以让你对正在发生的事情做出反应。

大数据大问题-2
实时边缘处理有助于广告信息选取最新数据,帮助确定优惠

边缘AI最大的意义在于实时处理。例如,通过人脸识别和客流量统计,零售商店可以定制一个数字显示屏,展示吸引人的优惠活动。

将视频流发送到云进行处理,然后显示合适的优惠太耗时。使用边缘计算,本地计算机可以解码客流量信息,然后在一小段时间内显示适当的优惠。

边缘AI也可以基于传感器输入自动做出更明智的决定。通过预见性维护,边缘设备可以监控物联网传感器,以寻找即将出现的问题的迹象,例如装配线上的振动增加。

不仅如此,边缘AI设备还可以持续进行监视,然后采取正确的行动,无论是降低生产线的速度防止损坏,发送警报,甚至使在线系统备份。关键是反应速度,边缘AI设备能够作出实时决策,不需要快速互联网连接。

边缘是大数据的未来

从噪声中区分信号,并应用实时学习,需要由坚固的、客制化的系统提供边缘计算。了解如何使用威盛系统提供帮助,如采用高通®骁龙820E嵌入式平台的威盛ALTA DS 3系统

威盛电子 - VIA 中国