1. 确定设备的智能程度

为了正确实施边缘计算，IT 管理员必须首先弄清楚他们的 IoT 边缘设备需要有多智能，以及如何最好地对这些设备进行分组。

每个设备的智能越多，边缘服务器本身对智能的需求就越少。这是因为数据已在源 （IoT 设备） 处进行了筛选。智能、标准化的 IoT 设备将以更易于管理的格式提供更少的数据量。但是，智能 IoT 设备具有更高的成本;找到一个快乐的中间人很重要。

请记住，向每个 IoT 设备增加几美元以获得少量的额外智能可能会导致数千美元的总成本，这些成本可能最好花在智能边缘计算系统上。

2. 决定如何对 IoT 设备进行分组。

这可能在某种程度上取决于您如何处理第一步 - 一组不同的智能 IoT 设备可能比一组相对愚蠢的设备更容易管理，因为必须对数据流进行较少的过滤、分析和报告。

不要通过边缘设备将网络上的所有类似 IoT 设备分组。这仍然会导致通过网络进行大量数据传输。这个想法是将创建数据的设备分组到可管理的区域，并尽可能靠近组捕获数据，以最大限度地减少跨平台数据流量。

因此，最好按邻近度而不是功能对设备进行分组。邻近分组还可以降低延迟，并更快地响应已识别的事件。同样，这意味着边缘服务器必须更加智能，因为它将处理报告不同事件的不同数据流。

3. 仔细定义更可取的结果是什么。

尝试使用边缘系统来完全划分平台区域并使用这些服务器来全面管理 IoT 设备是很诱人的，但您不应该这样做。

例如，通过一台边缘服务器监控一台 IoT 设备中的高读数本身可能毫无意义，但与通过所有边缘服务器监控的类似设备相比，它可能非常重要。

因此，有必要定义什么是真正的异常以及必须如何处理此类异常。

维护良好的规则引擎，并根据需要对其进行更新，以反映优先级和需求的变化。
并确保对环境进行全面和实时的清单，以确保边缘服务器在真实环境中运行，而不是前段时间就位。

4. 使用中心轴辐式组织方法

要管理所需的数据流，您必须有一个边缘基础设施，该基础设施由放置在网络上的不同边缘服务器组成，并以分层方式处理它们之间的数据。

处理这种复杂系统的最佳方法是让成本最低、智能最低的边缘服务器 —— 相对来说，这些系统本身可能非常智能且成本高昂 —— 尽可能靠近IoT设备。

当这些边缘服务器识别出可能更感兴趣的事件时，它们必须能够将相关数据发送到更智能、更集中的服务器，该服务器正在管理一组或所有边缘服务器。

然后，这个中央系统可以将更多智能应用于数据分析，并更好地决定需要采取哪些行动。边缘服务器还必须以双边方式工作：外部边缘服务器必须能够识别事件并将数据发送到中心，同时中心还必须能够从外部边缘服务器实时请求数据，以支持它正在处理的数据。

这里的一个例子可能是在数据中心，其中一台边缘服务器接收到高温读数。就其而言，它是一个本地事件，但它会将该事件发送到中央服务器。

该服务器请求所有其他外部边缘服务器通过来自所有适当温度监视器的读数发送。
如果它们都在限制范围内，那么是的，这是一个本地问题，可能是由于单个项目过热。

但是，如果收到其他报告，即使温度略有升高，也可能意味着整个数据中心的冷却系统出现故障 - 需要一组截然不同的事件来纠正。

比如微软azure云架构的中心辐射架构

邻近分组降低了一个边缘服务器控制下的所有 IoT设备的直接数据延迟，而中心辐射型模型则减少了分析数据所需的时间，因为中央服务器只需要处理已知的高优先级数据。

5. 采用高级数据分析和报告。

尽管自动化已经取得了长足的进步，但仍然不是 100% 准确。因此，会有一些情况 – 由于目前该领域不够成熟，可能会有很多情况 边缘服务器必须提醒人类要采取的行动。必须避免误报和漏报，并且必须向任何参与其中的人展示可能的补救途径。

因此，不要吝啬使用的分析工具，并确保以清晰和有意义的方式进行报告。

6 小结

• 实施注意事项

边缘计算可能会像云一样成为组织整体平台的必要条件。
这不会是一个 “非此即彼” 的情况，而是 “边缘 在整个架构中最适合哪个位置？

对于许多组织来说，它将是管理物联网的增长，无论是用于生产线、控制系统、智能建筑管理还是其他任何领域。
对于其他人来说，它可能在更专业化的使用案例中，例如处理在标准云平台上非常“健谈”的数据系统。

然而，边缘计算应该是组织现在正在研究的一个领域。
将其留到将来可能会导致需要对现有云架构进行重大更改，并花费更多时间和金钱来尝试将更多物理系统叠加和集成到高度虚拟化的环境中。

值得注意的是，边缘计算仍处于早期阶段，没有预先深思熟虑的规划仍然很容易出错。
这些要点应该有助于确保实施正确的边缘部署策略。