数字化时代,数据是燃料,计算是引擎。北京戴尔存储代理商介绍,边缘计算作为分析策略,在数据生产时或访问数据时获取价值,更多边缘端信息可实现实时抓取、传输、分析,给企业业务创新带来全新维度。但是,在传统IT架构下部署边缘计算仍然面临着以下三方面挑战。
01云边协同难实现
北京戴尔存储代理商介绍,据Gartner预测,到2022年,超过50%的企业将生成的数据在边缘进行处理。物联网大数据分析和人工智能建模往往在数据中心或云端。这意味着未来跨核心、云和边缘将成为IT常态。
因此,如何跨核心、云和边缘实现工作负载动态迁移、大数据分析和管理,已经成为企业部署边缘计算考虑的一大重点。
02数据高实时性难支撑
传统的批处理数据引擎已经完全无法满足现代企业对实时性的要求。而且,现有的流式数据系统大都基于消息模型,例如Kafka,Spark等。
这些系统从本质上看,仅只是一些高速消息系统,缺乏一致性、可靠性、持久化等存储特性,因此很难适应当今物联网趋势下的各种复杂数据实时处理且计算的需求。
03数据安全与合规难保障
边缘计算使企业的受攻击范围扩大,甚至可超出传统数据中心安全性的控制范围。并且,边缘计算节点采集的数据可能会涉及敏感信息,大量数据的隐私性以及合规性也使数据保护更加复杂。
应对工业互联网高动态业务环境,在跨边缘-核心-云架构下,根据数据和应用实现规则界定,将提高业务安全性。