边际剖析怎么驱动更智能的核算,边际核算是个比较超前的物种，利用边际核算和物联网设备进行实时剖析具有广阔的开展前景，但为边际布置规划的剖析模型将会面对一些应战。
许多剖析和机器学惯用例都选用存储在数据仓库或数据湖中的数据，在完整的数据集或数据子集上运转算法，并在云核算架构上核算结果。当数据不会经常发生变化时，这种办法很有效。可是，假如数据经常发生变化怎么办?
如今，越来越多的企业需求实时处理数据和核算剖析。物联网在很大程度上推动了这种模式的转变，因为来自传感器的数据流需求立即处理和剖析来操控下流体系。实时剖析在许多职业也很重要，其间包含医疗保健、金融服务、制作业和广告业，在这些职业中，数据的细小变化或许会对财务、健康、安全和其他事务产生严重影响。
假如企业对选用实时剖析感兴趣，并且这些技术归纳了边际核算、AR/VR、物联网传感器和大规模机器学习，那么了解边际剖析的规划考虑要素非常重要。例如自主无人机、智能城市、零售连锁办理和增强现实游戏网络等边际核算用例，都以布置大规模、高度可靠的边际剖析为方针。
边际剖析、流剖析和边际核算
机器学习和边际核算范例几种不同的剖析与边际剖析有关：
•边际剖析是指布置到云核算基础设施之外的基础设施和本地化基础设施中边际剖析和机器学习算法。
•流剖析是指在处理数据时实时进行核算剖析。流剖析可以在云端或边际完成，具体取决于用例。
•事情处理是一种实时处理数据和制定决议计划的办法。此处理是流剖析的子集，开发人员运用事情驱动的架构来识别事情并触发下流操作。
•边际核算是指将核算布置到边际设备和网络基础设施。
•雾核算是一种更通用的架构，它将核算划分为边际、近边际和云核算环境。
在规划需求边际剖析的解决方案时，架构师必须考虑空间和电源限制、网络本钱和可靠性、安全性，以及处理要求等要素。
在边际布置剖析的原因
人们或许会问为什么要将基础设施布置到边际进行剖析?这些决议计划需求考虑技术、本钱和合规性要素。
影响人身安全并需求核算架构中的弹性的使用程序是边际剖析的一个用例。在数据源(如物联网传感器和剖析核算基础设施)之间需求低推迟的使用程序是一般需求边际剖析的用例。这些用例的示例包含：
•自动驾驶汽车、自动机械或操控体系使悉数或部分实现自动化导航的任何运输工具。
•智能修建具有实时安全操控，并期望避免对网络和云核算基础设施的依赖，以允许人们安全进出修建。
•跟踪公共交通的智能城市，为电力计费布置智能电表，以及智能废物办理解决方案。
本钱是在制作体系中运用边际剖析的重要要素。考虑运用一组摄像机在快速移动的传送带上扫描制作的产品是否有缺陷。在工厂中布置边际核算设备来执行图画处理，而不是装置用于将视频图画传输到云端的高速网络，或许会更具本钱效益。
专心于核算机视觉解决方案的工业人工智能开发商Landing AI公司工程副总裁Achal Prabhakar说，“制作工厂与干流剖析使用程序彻底不同，因而需求从头考虑包含布置在内的人工智能。对咱们来说，重点作业是布置杂乱的深度学习视觉模型，并运用功能强大但商品化的边际设备直接在生产线上进行继续学习。”
运用边际剖析和核算还可以将剖析布置到偏远地区修建和钻探现场。工程师不再依赖本钱高昂且或许不可靠的广域网，而是在现场布置边际剖析基础设施来支持所需的数据和剖析处理。例如，一家石油和天然气公司在边际布置了带有内存分布式核算渠道的流剖析解决方案，并将钻井时刻从一般的15天削减到12天，节省了20%的时刻。
合规性和数据管理是进行边际剖析的另一个原因。布置本地化的基础设施可以通过在收集数据的国家/地区存储和处理受限数据来帮助满意GDPR合规性和其他数据主权法规。
规划边际核算剖析
不幸的是，获取模型和其他剖析并将其布置到边际核算基础设施并不总是那么简略。通过核算密集型数据模型处理大型数据集的核算需求或许需求从头规划，然后才能在边际核算基础设施上运转和布置它们。
一方面，许多开发人员和数据科学家现在都利用了公共云和私有云上可用的高档剖析渠道。物联网和传感器一般利用C/C ++编程言语编写的嵌入式使用程序，这关于云原生数据科学家和工程师来说或许是陌生且充溢应战的范畴。
另一个问题或许是模型自身。当数据科学家在云中作业并以相对较低的本钱按需扩展核算资源时，他们可以开发具有许多功能和参数的杂乱机器学习模型，以充沛优化结果。可是，当将模型布置到边际核算基础设施时，过于杂乱的算法或许会显著添加基础设施的本钱、设备的巨细和电力需求。
SambaNova Systems公司产品副总裁Marshall Choy对人工智能模型布置到边际的应战进行了探讨。他说：“边际人工智能使用的模型开发人员越来越关注高度具体的模型，以实现参数简化和核算需求的改善。这些更小、更具体的模型的训练要求仍然令人生畏。”
另一个考虑要素是，布置高度可靠和安全的边际剖析体系需求规划和实现高度容错的架构、体系、网络、软件和模型。
Hazelcast产品营销高档总监Dale Kim对在边际处理数据时的用例和约束进行了剖析。他表示，虽然设备优化、预防性保护、质量保证查看和要害警报都在边际可用，但也存在一些新的应战，如有限的硬件空间、有限的物理可访问性、有限的带宽以及更大的安全隐患。
Kim说：“这意味着企业习惯于在数据中心运用的基础设施不一定能正常作业。因而，需求探索选用了边际核算架构的新技术。”
剖析的下一个前沿范畴
如今，边际剖析更干流的用例是数据处理功能，包含数据过滤和聚合。但跟着越来越多的企业大规模布置物联网传感器，实时使用剖析、机器学习和人工智能算法的需求将需求更多的布置在边际。
跟着传感器的价格变得更低，使用程序需求更多的实时剖析，以及为边际开发的具有本钱效益的优化算法变得更容易，因而边际的或许性为智能核算的开展创造了令人兴奋的未来。
