如果您的汽車需要數(shù)據(jù)，則不會在數(shù)據(jù)中心中尋找；如果您的風車需要數(shù)據(jù)，則不會來自云端。在這兩種情況下，以及在大多數(shù)情況下，當我們查看物聯(lián)網（IoT）時，數(shù)據(jù)是在設備本地生成，并在本地使用。

另外，需要快速完成基于數(shù)據(jù)的決策。不僅僅是在汽車方面(道路上有一個孩子)，還因為我們的公司和消費者要求更快的答案和反應，更是受到日益數(shù)字化和全天候全球經濟的推動。

這種延遲，即從數(shù)據(jù)中心獲取信息所需的時間，正在推動物聯(lián)網中新的三層架構。借助傳感器，一端是數(shù)據(jù)生成，中間是邊緣設備，另一端是物理或云數(shù)據(jù)中心。

該邊緣設備可以有三種類型：一種是從多個傳感器收集數(shù)據(jù)的簡單設備，一種是能夠運行簡單應用程序的更復雜設備，以及一種類似小型數(shù)據(jù)中心的第三種變體，它能夠提供更多的計算和存儲能力。為了簡單起見，我們可以稱它們?yōu)楸O(jiān)視器、網關和邊緣服務器。

這種對計算和存儲靠近數(shù)據(jù)的需求將導致Gartner預測到以下情況：

企業(yè)生成的數(shù)據(jù)中約有10%是在傳統(tǒng)的集中式數(shù)據(jù)中心外或云外部創(chuàng)建和處理的。Gartner預測到2025年，這一數(shù)字將達到75%。

邊緣計算層在3層物聯(lián)網架構中的重要性的這種增長，為安全和系統(tǒng)管理領域帶來了一些獨特挑戰(zhàn)。

從安全的角度來看，邊緣設備的增加造成了更大的攻擊面，無論是物理上還是數(shù)字上。從系統(tǒng)管理的角度來看，邊緣計算層的分布式特性帶來了獨特的挑戰(zhàn)——在計算和存儲功能有限的設備上管理資源。

但是也有好處，低延遲是我想到的第一個。此外，我們可以預見，當邊緣設備能夠彼此直接通信時，這種3層架構將成長為更網格化的結構。這樣的邊緣設備群集可以通過資源捆綁來增強單個計算和存儲容量。

這是否意味著數(shù)據(jù)中心已經過時？絕對不會。尤其是在基于云的數(shù)據(jù)中心，我們可以更輕松地擴展計算和存儲，并允許創(chuàng)建先進的分析模型和機器學習，然后，可以將經過訓練的模型分發(fā)到邊緣設備以供本地使用。（來源物聯(lián)之家網）這將導致“智能邊緣設備”能夠自主運行，甚至可能在一定時間內離線，同時它會定期與其“鄰居”或數(shù)據(jù)中心中的“父母”進行連接，以查看“最新消息”。